基于Adaboost算法的K-means遥感影像分类算法

本文利用AdaBoost算法对K-means算法进行提升,提出了一种基于AdaBoost算法的K-means遥感影像分类方法.其中,针对数据集分布调整的具体实施问题,设计了一种有效的加权变值方法.实验结果表明,融合提升后的分类结果较基本K-means在孤立点的消除和细长目标的识别提取上效果更加显著.     

改进的角度余弦方法在湿地遥感影像分类中的应用

湿地研究是国际生态学与环境科学研究的热点问题之一.遥感技术已成为湿地监测的一种有力手段,但如何提高湿地解译精度问题并无太大进展.角度余弦方法是根据测试光谱（像元光谱）与参考光谱的相似性来决定一个像元的类别.以扎龙湿地为试验区,将改进的夹角余弦方法引入湿地遥感影像分类中的研究,得到了扎龙湿地遥感影像分类图,并对夹角余弦方法在研究区影像分类中的精度进行了分析讨论.     

遥感影像数据监控系统在遥感产品生产中的应用

针对遥感产品生产系统中遥感影像数据入库后动态变化的监控问题,提出一种数据监控设计方案.该方案能够确保系统实时掌握库中遥感影像数据的动态信息,为遥感产品生产提供原始数据,实现对遥感影像数据的加工处理,保证了遥感影像产品的有效性.     

基于FCM和SVM的TM遥感影像自动分类算法

遥感影像分类是遥感信息提取和定量化分析的重要手段,是目前遥感技术研究中的一个热点.以TM遥感影像为研究对象,提出了一种基于模糊C均值聚类和支持向量机的自动分类方法,解决了以往利用SVM等监督分类方法训练样本时需要人工选择样本且样本难以选定的问题,比FCM等非监督聚类算法的分类精度高.该方法首先对待分类的遥感影像用FCM算法进行初始聚类,然后根据聚类后得到的隶属度矩阵设计一种算法,选取其中的混合像元作为标注的训练样本,并送入SVM分类器进行训练.最后通过一块TM遥感影像对该方法进行验证.试验结果表明,该方法减少了人工对分类过程的干预,具有较高的分类效率和分类精度.     

遥感图像融合技术在土地利用分类中的应用研究

为了给土地利用提供快速而科学的数据源,针对不同分辨率的遥感图像信息特点与处理要求,根据不同遥感平台的卫星遥感图像,本文基于ERDAS IMAGINE8．7对遥感图像进行融合处理,然后分别又将融合前的多光谱TM图像、高分辨率SPOT全色图像和融合后的遥感图像在AutoCAD环境下进行分类计算量取,最后对比分析得出比较精确的土地利用状况,以此可以为今后土地利用与开发提供有价值的资料。     

遥感影像匹配技术在地震形变监测中的应用研究

针对传统地面观测技术、GPS技术和D-InSAR技术在地震形变监测中的不足,提出将遥感影像匹配技术用于地震形变监测的命题。分析了光学影像匹配技术的基本原理和实施方法,并将该技术应用于美国加利福尼亚州赫克托矿区域的Mw7.1级地震的形变监测。实验证明,该技术所监测的断层位置和地表破裂等与野外调查的结果基本吻合。     

遥感影像地图在境外电力工程设计中的应用

随着境外勘测工程的增多,迫切需要获得这些地区的基础地理信息,但是大多数地区地理信息几乎是一片空白,如何获取相关信息,成为当前勘测项目的难点。随着遥感技术的发展,例如高分辨率遥感影像技术日渐成熟,利用遥感影像等多源遥感数据制作影像地图成为一种可能。本文介绍了遥感影像地图的原理与处理流程,并且以某境外送电线路工程为例,描述了其制作过程,最终成果表明基本能够满足工程需要。     

遥感影像在矿山排土场安全监测中的应用

为了能够直观地展示排土场分布和形态的特点以及将监测设备布置、监测数据与排土场分布有效结合在一起,将遥感数据融入到排土场监测平台中,形成了基于遥感的排土场监测系统平台.为了解决了多幅影像融合时的变形与亮度问题,利用仿射变法的方法将大区域的遥感数据进行配准、融合成一张影像,并通过矿山的坐标系对融合好的影像进行纠正,保证了影像数据与监测布置的坐标系一致;为了解决遥感数据量大引起的无法在网络上快速浏览的问题,重点研究了图像分割的瓦片技术,将大影像分割为256×256的小影像瓦片,基于分割的瓦片数据,利用哈希格网的改进椭球四叉树的方法来建立快速的索引,使得影像浏览、查询的时间大为缩短,进一步利用遥感影像数据与监测设备布置的坐标系一致,将监测设备布置与排土场分布有机地结合在一起,从而可通过监测平台直接查看排土场分布与监测设备的分布,并通过监测设备查询各类型的日常监测数据曲线.遥感影像安全监测平台通过在云南磷化集团的应用,验证理论研究的意义和实际工程应用的价值.     

高分辨率遥感影像自动化匹配引擎算法研究

海量高分辨率遥感影像的自动匹配,是其三维重建、配准、拼接等关键技术的基础。全局的匹配不仅浪费时间,而且海量特征之间的相似性会导致很多特征点的浪费甚至错误,而分层大尺度由粗到细的匹配常常由于初始大尺度中的误匹配而影响搜索策略的正常进行和模型估计。为此提出了基于大尺度同名点的辅助三角形变换参数的独立分量求法,然后引导其他特征点在预测区域搜索匹配,以构建试验场区遥感影像自动化处理的引擎及框架,实现了快速稳健的全自动化匹配。     

视觉认知理论在遥感影像道路网提取中的应用

在遥感影像上,道路被认为是颜色、纹理、形状相似的狭长线状目标,整个道路网在影像上会呈现非常显著的特征,极易引起人眼的注意,称之为感兴趣区域.它是场景中最能引起用户兴趣、体现图像主要内容的区域.视觉认知理论的研究表明：通过视觉注意机制可以模拟人眼的观察过程,找出遥感影像上的显著区域.文章提出应用视觉注意机制辅助遥感影像道路网提取的思想,通过对影像的显著区域进行分析和处理,得到最终的道路网.对比实验表明该算法可以有效地提高道路网提取的准确率和完整性.     

GeoTIFF解析及在遥感影像地理编码中的应用

剖析了GeoTIFF解析所依赖的理论基础，详细论述了GeoTIFF扩展TIFF用于存储地理信息的具体技术途径和6个地理标签的结构、含义。在此基础上介绍了LibGeoTIFF的结构，结合遥感影像地理编码实例给出了定制GeoTIFF地理键的方法。     

无人机海量遥感影像快速自动拼接算法研究

针对无人机遥感影像快速处理的需要,提出一种基于LM算法优化的同步配准影像拼接算法,算法首先提取影像的SIFT特征点,按照影像间的概率拓扑关系自动进行特征点匹配,接着按照同步配准的方式实现由两视图配准逐步合并到整个全区,每合并一次利用LM算法进行参数优化一次,直到所有影像对齐到统一坐标系,最后利用小波多层分解实现缝隙的消除和色彩的融合.实验证明,采用该算法可以有效提高影像拼接的速度和精度,为海量遥感影像的快速自动拼接提供一种有效的技术途径.     

基于MASK算法的遥感影像匀光处理研究

针对现有的MASK匀光算法不足现象,提出一种针对MASK结果影像的梯度拉伸算法,实验证明:与2%线性拉伸和对比度参数拉伸相对比,该算法在解决遥感影像亮度分布不均匀问题的同时,保障影像的清晰度,增强细节反差,达到很好的匀光效果。     

分支分类学算法研究及其在生物分类中的应用

针对目前普遍采用的分支分类方法一般只能得到局部最优解这一问题，首先提出了一条与俭约性原理等价的定理，然后就使用同步系数进行分类时可能出现的情况进行了讨论，同时给出了几条有关定理．在此基础上，对最大同步法给出了一个反例并提出了一种修正算法．实验结果表明该算法是正确的和可行的，且能保证不劣于最大同步法．     

基于面向对象分类方法的遥感影像变化检测

介绍了一种利用GIS数据辅助实现遥感影像变化检测的方法。该方法将面向对象的概念引入遥感影像分类中,使分类的目标不仅可以是影像的像素,也可以是表示一个GIS对象的全部像素集合(像素组)。在影像分类中,为减少工作量和降低分类精度对训练样区选择经验的依赖性,最大似然分类中的训练样区由现有GIS数据对象引导生成。实验表明该方法在针对面状对象进行变化检测时具有良好的效果。     

基于面向对象分类方法的遥感影像变化检测

介绍了一种利用GIS数据辅助实现遥感影像变化检测的方法.该方法将面向对象的概念引入遥感影像分类中,使分类的目标不仅可以是影像的像素,也可以是表示一个GIS对象的全部像素集合(像素组).在影像分类中,为减少工作量和降低分类精度对训练样区选择经验的依赖性,最大似然分类中的训练样区由现有GIS数据对象引导生成.实验表明该方法在针对面状对象进行变化检测时具有良好的效果.     

基于多特征的遥感影像决策树分类

构建了一种基于多特征的遥感影像决策树分类方法。通过对遥感影像进行波段代数运算、主成分分析和图像分割等处理,提取出影像上地物的光谱维特征、纹理特征和形状特征。在此基础上,结合试验区主要地物类型提纯后的训练样本集,采用C5.0决策树分类法进行影像分类,实现主要地物的空间分布专题信息提取,并利用该方法对Landsat-5TM影像进行了分类实验。结果表明,所提出的方法能够有效地提高分类精度。     

基于分水岭变换的遥感影像面向对象分类

为了提高面向对象分类的自动化程度,提出将分水岭变换与ISODATA聚类相结合对遥感影像进行面向对象分类。首先利用改进的分水岭变换对高分遥感影像进行分割,获得分割的对象后,利用ISODATA聚类方法对其进行分类。试验结果表明,该方法取得了较好的分类效果,且分类速度快,一定程度上提高了遥感影像分类的自动化。     

蚁群算法在KNN文本分类中的应用

作为一种经典的文本分类算法,KNN简单、实用,在许多实际系统中有广泛的应用,但若待分样本位于易判区域时,KNN却做了许多无用计算。基于此,本文提出一种改进算法,借鉴于蚁群算法,引入了组相似度这个新颖概念,使得当待测样本位于易判区域时,能很快得出判定结果;当待测样本位于难判区域时,该算法退化为KNN的原始算法。     

粗糙集理论在文本分类算法中的应用

文本分类常采用的算法一般是基于向量比较的分类技术.文本中关键字较多,形成的特征向量维数相当高,因而会导致分类比较处理的运算量太大,而降低维数后又会不可避免地丢失有用信息.将粗糙集理论应用于分类处理过程中可有效地解决此问题.