群智能方法在遥感信息提取中的应用分析

遥感数据作为重要的空间数据源,在众多领域发挥着不可或缺的作用。遥感信息获取技术的不断发展与遥感数据应用领域的不断扩展,促进了遥感信息提取方法的不断进步。随着人工智能算法不断被提出及成功应用,遥感信息提取领域也在逐步引入智能算法实现高效的信息提取。在对遥感信息提取方法的研究进展进行深入分析的基础上,剖析了群智能方法应用于遥感信息提取领域的潜力与优势。并应用微粒群优化方法进行遥感数据的分类,实现了微粒群优化方法应用于遥感数据分类的技术流程,取得了很好的实验结果。因此,群智能方法能够为遥感信息提取领域提供一种新的有效智能处理方法。     

基于遥感数据SOFM 网络分类结果的城市增长潜力模型研究——以北京1994～2003年城市扩展为例

在长时间序列多光谱遥感数据和高精度自组织神经网络分类方法的支持下, 对北京地区1994～ 2003 年城市化的基本过程进行了分析和研究, 5 种地物分类结果表明: 北京近10 年来城市扩展基本是以老城为中心围绕环线不断向外围扩展, 呈现一个中心多个环线的发展趋势。在此基础上建立了潜力模型, 计算潜力指数和生成潜力指数图, 潜力指数图呈现从四环以内向外围环线不断递增的趋势, 说明北京市发展主要是农业用地发展为城市用地类型, 这与北京北部2000 年～ 2003年航空照片反映的变化规律一致, 同时还介绍了利用潜力指数对2003 年～ 2012 年城市增长潜力的预测分析。     

利用动态贝叶斯网络进行多时相遥感变化检测

利用动态贝叶斯网络(DBNs)在处理不同时相遥感数据时可以一次性输入多个时间段的数据,同时完成分类和建立输出类别之间的关联。采用北京东部地区1994年、2001年和2003年5月份Landsat TM遥感数据进行实验,实验结果表明:基于DBNs的变化检测方法是遥感变化检测的一种新的有效方法,在遥感时序数据动态变化分析的研究方面也展示了巨大的发展潜力。     

多光谱遥感数据直接分类变化检测的神经网络方法研究

变化检测是近年发展起来的一种遥感时序数据处理方法,用于识别遥感数据在不同时间所记录的地表变化信息。采用传统的基于统计学的分类算法检测两个时期多波段遥感数据变化信息时,如果采取直接分类变化检测的方法会出现统计数据结构的奇异性问题,表现在同一位置上出现不同的光谱特征值。因此,该文提出和实验了使用基于样本和数据权重的自组织特征映射神经网络(SOFM)直接分类检测变化信息的方法。结果表明,SOFM直接分类变化检测法与两个时期最大似然方法分类后相减的结果相比,检测精度有显著提高。     

基于分块优化的不规则三角网的快速构成方法

采用基于分块的方式,提高了TIN的运行效率,并提出采用四边形对角线最短原则、增加内插点或减小块连接中距离阀值等优化处理方法,很好地改善了TIN的构网效果。实验结果表明,该算法建立的三角网无交叉和重复,并具有Delaunay三角网的特性,同时兼顾了空间和时间性能,具有较高的执行效率。     

遥感数据的贝叶斯网络分类研究

由于遥感成像过程的复杂性,遥感数据中包含了一定程度的不确定性因素。利用最大似然分类器处理遥感数据时分类精度受一定的影响, 为了提高分类精度往往需要引入先验知识。贝叶斯网络是一个带有概率注释的有向无环图,可以动态地对先验概率密度修正,提高分类精度,也没有严格的数据正态分布前提要求,适合处理不完整复杂的数据。该文介绍了利用贝叶斯网络对遥感数据进行分类处理的算法和技术过程。分类结果表明:贝叶斯网络具有稳定的数学基础,是一种可供遥感信息处理领域利用的有效新方法。     

遥感数据的BN与ML分类对比研究

选择了北京奥运主场馆及其周围的地区作为实验区,购置陆地卫星ETM＋6个波段数据,从学习机制和技术流程上对贝叶斯网络分类和最大似然分类进行了对比,实验结果表明：贝叶斯网络分类方法在提高遥感数据的分类精度方面具有较大的研发潜力,贝叶斯网络为遥感数据分类处理提供了一种可选择途径。     

遥感波段与样本组合及贝叶斯网络结构变化分析

贝叶斯网络表达了输入数据与分类结果之间的依赖关系,网络结构则表达了节点之间的条件概率状态。遥感数据的贝叶斯网络结构训练涉及先验知识和样本数量两个方面,是贝叶斯网络结构分类的重要环节。该文以应用目标和遥感数据波段的物理意义为先验知识指导,进行了贝叶斯网络结构建立中的遥感数据波段数和样本数的优化组合实验,为贝叶斯网络在遥感数据分类方面提供了基础性实验结果。     

利用贝叶斯网络进行遥感变化检测

多时相遥感信息变化检测及其算法探索是当前国际遥感领域研究的热点,但是贝叶斯网络在遥感数据分类、特别是应用在变化检测方面的文献却很少。本文介绍了利用贝叶斯网络的变量间独立性测试原理,构建了输入两个时相多波段遥感信息的有向无环结构,利用训练后的网络进行两个时相多波段遥感变化信息的检测,取得了较好的效果。对北京六环线以内区域,1994年、2003年5种地类变化信息的遥感数据检测和类型转换进行了统计,其中耕地转换为城镇的占整个区域的26.52%,绿地增加占整个区域4.68%,水体减少占整个区域6.78%,导致裸地增加占整个区域4.80%,这个结果也在1∶5万的航空影像和地面上得到了验证。实验结果表明,贝叶斯网络为遥感数据的直接变化检测提供了一种新的途径。     

海量卫星遥感数据共享的关键技术

在对遥感数据共享的研究现状及其存在的难点问题进行综合分析的基础上,从元数据共享、标准数据产品共享、遥感信息共享3方面内容,分别对遥感数据共享到遥感信息共享的关键技术进行研究。并给出基于网络服务技术实现遥感信息共享与综合信息集成共享服务的框架结构和基本步骤。