基于GF-2影像的沈阳市黑臭水体遥感分级识别

城市黑臭水体遥感分级识别对于黑臭水体的监管及治理具有重要作用。针对目前黑臭水体遥感识别算法无法对河流黑臭程度分级这一问题,在沈阳市建成区内开展野外实验,对比分析一般水体、轻度黑臭水体和重度黑臭水体的反射率光谱差异,利用绿波段反射率的基线差值与红波段反射率之比,提出了一种城市黑臭水体遥感分级指数BOCI(Black and Odorous water Classification Index)模型。首先采用实测光谱数据对BOCI模型检验,并将其与改进后归一化比值模型进行对比,结果表明,BOCI模型具有更高的黑臭水体识别精度,且可以将重度黑臭水体与轻度黑臭水体区分开,解决了现有模型无法对黑臭水体污染程度分级的问题;然后将BOCI模型应用于沈阳市同步GF-2影像进一步检验,同样取得了较高的识别精度;最后将该模型应用于2015~2018年4景GF-2影像,对研究区内黑臭水体进行动态监测,结果显示,新开河、南运河和满堂河黑臭现象逐步得到改善,辉山明渠黑臭现象依然很严峻。     

Na~+···3,4-二硝基吡唑…H_2O复合物分子间协同效应的理论研究

为探索3,4-二硝基吡唑高能熔铸炸药中分子…阳离子和阳离子…σ相互作用之间的关系,本论文借助M062X方法,在6-311++G(2d,p)基组水平上研究了Na~+…3,4-二硝基吡唑…H_2O三聚体协同效应,对其进行了分子间相互作用能和协同效应的计算与分析,然后建立了分子间距离R(R_(ternary)-R_(binary))与~2ρ(▽~2ρBCP_(ternary)-▽~2ρBCP_(binary))的线性关系。结果表明,线状三聚体结构中发生了协同效应,而在环状结构中出现了反协同效应。分子间距离R(R_(ternary-)R_(binary))与~2ρ(▽~2ρBCP_(ternary)-▽~2ρBCP_(binary))具有良好的线性关系(R~2=0.992)。AIM(atoms in molecules)与电子云密度转移分析佐证了协同效应的存在。     

基于模糊阈值补偿的混合蛙跳算法

针对混合蛙跳算法(SFLA)求解复杂问题时收敛速度慢、优化精度低的缺点,提出一种基于模糊阈值补偿的混合蛙跳算法(FTCSFLA)。在SFLA的基础上,采用模糊分组方法对青蛙分组并改进局部搜索的扰动策略。在族群中定义模糊隶属度、隶属度阈值和补偿系数,利用邻域青蛙之间的分布程度衡量某一青蛙的模糊隶属度。在一次局部搜索中,对族群最差个体按模糊隶属度和隶属度阈值关系给出2种更新方法,设置相应的补偿系数。实验结果表明,隶属度阈值为0.9的FTCSFLA其收敛精度、速度均优于SFLA和隶属度阈值为0.5的FTCSFLA,当隶属度阈值取值在(0.5,0.9]之间时,FTCSFLA的性能达到最优。     

基于模糊预测的无线传感器网络信任模型

针对无线传感器网络(WSN)中的信任值更新问题,提出了一种基于模糊预测(FP)的无线传感器网络信任值更新的方法——RMFP。算法采用模糊数学理论方法,利用模糊隶属函数来全面地刻画节点的表现行为,并将其转换成节点的模糊隶属度,最后将模糊隶属度进行整合以实现节点的信任值更新。仿真实验表明,所提算法在整合节点信任值精确度方面提高了10.8%,在判断可疑节点的速度方面提高了两倍。这说明基于模糊预测的节点信任值更新算法在发现并摒除恶意节点的准确率和速度上均有显著的效果,尤其是针对前期取得高信任的恶意节点的判断具有很强的优势。     

基于模糊预测的无线传感器网络信任模型

针对无线传感器网络(WSN)中的信任值更新问题,提出了一种基于模糊预测(FP)的无线传感器网络信任值更新的方法--RMFP。算法采用模糊数学理论方法,利用模糊隶属函数来全面地刻画节点的表现行为,并将其转换成节点的模糊隶属度,最后将模糊隶属度进行整合以实现节点的信任值更新。仿真实验表明,所提算法在整合节点信任值精确度方面提高了10.8%,在判断可疑节点的速度方面提高了两倍。这说明基于模糊预测的节点信任值更新算法在发现并摒除恶意节点的准确率和速度上均有显著的效果,尤其是针对前期取得高信任的恶意节点的判断具有很强的优势。     

结合水体指数与卷积神经网络的遥感水体提取

常用多光谱遥感水体提取少有兼顾光谱与空间信息,致使水体提取的可靠性和准确性难以保证。在利用遥感水体光谱特性的同时,融入深度学习算法,提出归一化差分水体指数(normalized difference water index,NDWI)与深度学习联合的遥感水体提取方法。该方法首先选取典型水体样本进行训练,构建深度学习卷积神经网络(convolutional neural networks,CNN)水体识别模型。其次,计算多光谱影像NDWI指数并分割成图斑,以图斑包络矩形构建初始的水体目标子区。最后,构建NDWI指数与CNN水体识别概率的联合估计模型,并以迭代运算实现最优化遥感水体提取。实验验证了该方法的高可靠性与准确性。相比常用方法,水体识别准确率高达94.19%,而错分率仅为5.04%,显著提高了水体提取精度。     

基于HJ-1A高光谱遥感数据的湟水流域典型农作物分类研究

利用高光谱遥感技术识别农作物类型已经成为高光谱遥感研究的热点领域。以青海省湟水流域内油菜、小麦和青稞等典型农作物为分类对象,以HJ-1A HSI高光谱数据和GF-1 WFV高分辨率数据为数据源,探讨利用高光谱遥感影像进行农作物类型信息提取的方法。数据经预处理后,首先,利用WFV数据采用面向对象方法提取研究区农作物种植边界,并利用其对HSI高光谱影像进行种植区域提取;其次,将提取后的高光谱影像经数据形式变换获得包括:R、1/R、Log(R)、d(R)、d(Log(R))和CR共6种数据形式;最后,利用上述6种数据形式的全波段数据和经遗传算法GA-SVM进行光谱波段选取后的6种特征数据,采用支持向量机SVM方法进行农作物分类。结果表明:采用基于样本的面向对象分类方法提取耕地信息精度高且实现周期短;利用GA-SVM波段选取后的6种特征数据集进行农作物分类,其精度显著高于全波段数据集分类精度;6种数据变换形式中,d(Log(R))和CR是两种最优的高光谱分类数据形式,其全波段和特征波段数据进行农作物分类均能获得较好的分类精度,总体精度最高分别达88%和86%,而采用1/R、Log(R)和R数据形式需经GA-SVM光谱波段选取后才能获得较优分类精度。     

基于Landsat-8 OLI数据的青海湖水体边界自动提取

在青海湖Landsat-8OLI遥感数据水体光谱特征分析的基础上,利用绿光(Band 3)和近红外(Band 5)两个波段,借助ENVI内置IDL语言的数据转换规则提出了一种新的水体提取方法IDLWI,加大影像中水体与非水体的灰度差,以利于水体识别。而后在水体识别的基础上,基于Canny算子进行水体边界矢量数据自动提取。分别运用"MNDWI(改进的归一化水体指数)+Canny算子"、"谱间关系法+Canny算子"和"IDLWI+Canny算子"提取青海湖边界,经高分影像目视判别和GIS空间缓冲区分析。结果表明:"IDLWI+Canny算子"提取出的青海湖湖体边界在位置准确性和连续性方面有明显的改进,尤其可以较好地提取出青海湖水体与湖滩地的边界(包括水体内裸露土地边缘)。     

基于孤立森林的水体异常快速发现与识别北大核心CSCD

现有异常水体的检测研究通常针对特定区域、特定数据源和特定时相开展,且往往是事后的检测而非实时的监测,不能很好地服务于水体异常快速发现与识别的业务需求。为此,提出了一种基于无监督的孤立森林加决策规则(U-IForest-SD)的水体异常信息提取方法,并以Landsat与Sentinel的数据作为测试数据,以青岛浒苔、松雅湖黑臭水、墨西哥湾溢油为案例,对比了支持向量机、监督孤立森林以及U-IForest-SD 3种方法识别浒苔、黑臭水和溢油的精度。研究结果显示:该方法对于3种异常类型的总体识别精度都在90%以上、Kppa系数都在0.8以上,整体精度高于监督孤立森林但略低于SVM。该算法只需要输入单期影像,无需训练样本,具有可移植性好、普适性强、自动化程度高的优点。此外,该方法可以有效地避免“假警”和“虚警”的发生,在异常水体的快速发现和识别业务中有很好的应用前景。     

基于GF-2遥感影像的一种快速水体信息提取方法

在高分辨率遥感影像中,水体与阴影(尤其是高大建筑物阴影)、暗色地物不易区 分。针对 GF-2 遥感影像的光谱特性的大量实验研究,提出了一种新综合水体指数法(NCWI)来 增强水体区域信息;同时利用改进的 OSTU 结合鸡群算法(CSO)快速自适应地确定最佳分割阈 值,进而得到最终的水体区域。将其同归一化 NDWI、改进谱间关系法、主成分分析综合法等 常见水体信息提取方法应用于 GF-2 遥感影像水体信息提取,利用采用实地采样和人工解译的 混淆矩阵对提取的水体区域结果进行精度验证和对比分析,从而验证了其有效性和高效性。4 个实验区域的结果证明,该算法可以快速有效地提取水体信息,精确度分别达到 97.82%, 97.44%,92.13%,96.94%。     

光谱模型结合面向对象法的山区水体提取北大核心CSCD

山区因地势起伏大、水体分布零散导致遥感提取水体信息精度不高。另外,对于高分二号(GF-2)影像,受限于只有4个波段,无法构建已有水体提取精度较高的指数。鉴于此,以泰山为研究区,采用GF-2影像,提出差异水体光谱模型结合面向对象法的水体信息提取方法,并与阴影水体指数决策树、改进的阴影水体指数决策树以及支持向量机3种方法进行对比。结果表明,该方法能够有效去除山体阴影的影响,较好地保持了水体信息,对细微水体也有良好的提取能力,在实验和验证影像中总体精度分别达到98.02%和97.33%,Kappa值分别达到0.9533和0.9334,均高于其他3种方法。该方法在准确提取水体的同时,有效减少“椒盐现象”的发生,可为类似山区水体提取提供一定的参考。     

山东省寿光市滨海地区盐田信息提取方法研究

山东省寿光市滨海地区盐田水体因含盐度高,其光谱特征与海域水体及其他地物差异大,光谱特征显著;盐田系人为建造,排列整齐\,几何特征明显,遥感影像上表现为纹理特征显著(棋盘状纹理、条纹状纹理),纹理指标可计算性强。首先采用缨帽变换方法增强光谱信息,采用定向滤波及灰度共生矩阵方法增强纹理信息;其次基于增强的光谱与纹理信息,采用以面向应用为目的的感兴趣地物提取方法对研究区TM图像进行分类,将分类结果与仅依据纯光谱及仅依据纯纹理分类结果相对比,分类总体精度分别为90.8985%、84.9102%和60.4017%。结果表明:以面向应用为目的的感兴趣地物提取方法分类精度最高。     

二型模糊系统的规则提取算法

模糊规则提取是建立二型模糊系统需要解决的关键问题.提出一种改进的基于c均值模糊聚类算法(FCM)的二型模糊规则提取方法.该方法借助于二型模糊集主隶属度函数的期望与次隶属度函数值之间的联系,能克服已有算法忽略二型模糊集次隶属度函数对模糊聚类结果的影响.仿真实例表明.该算法能成功地提取二型模糊规则,比FCMV算法具有更好的性能和收敛性.     

基于GF-1影像的耕地地块破碎区水稻遥感提取

耕地地块破碎区水稻遥感提取是作物监测研究的热点问题之一。以苏州市高新区为例,通过挖掘关键物候期水稻与下垫面水体光谱特征组合差异,基于分蘖期与齐穗期两景16 m分辨率的GF-1 WFV数据,构建归一化差值植被指数(NDVI)差值法、归一化水体指数和比值植被指数(NDWI-RVI)差值法提取水稻分布,并深入探究了水稻面积提取精度及空间重合度影响因素。结果显示:与非监督分类和监督分类方法相比,植被指数差值法水稻识别精度贡献率可提升30%以上,NDVI差值法提取水稻种植面积的精度、空间重合度、制图总体精度和Kappa系数分别为86.2%、66.1%、92.2%和0.72;NDWI-RVI差值法上述指标分别高达95.5%、78.4%、93.5%和0.846,实现了利用少量中高分辨率遥感影像精确提取耕地地块破碎区水稻分布的目的,可实际服务于太湖地区农业生产及相关决策支持。     

基于不同分辨率遥感影像自动提取切沟的精度分析和转换模型

黄土高原地貌类型独特而复杂,切沟侵蚀是塑造该区地貌的主要动力之一。研究不同分辨率遥感影像提取切沟的适用性和自动提取方法,可为切沟侵蚀遥感监测和沟蚀防治等提供有效手段。以黄土高原南部山西吉县残塬沟壑区为研究区,使用面向对象分析方法和随机森林分类算法分别从0.5 m Google影像、2 m GF-1融合影像和8 m GF-1多光谱影像中自动提取切沟,分析提取精度,并构建转换模型,提高低分辨率遥感影像提取的切沟沟长、面积参数的精度。结果表明：(1)依据特征类别,特征变量对于切沟识别的重要性排序如下：光谱特征>纹理特征>几何特征。(2)0.5 m和2 m分辨率影像切沟分类精度较高,生产者精度和用户精度均达90%以上,8 m GF-1影像切沟分类的生产者精度和用户精度为85%左右。(3)0.5 m和2 m分辨率影像提取的切沟沟长和沟宽的百分误差分别为5%和13%左右;8 m分辨率影像提取的切沟沟长、面积和沟宽的平均百分误差为18.82%、27.62%和18.93%。(4)基于0.5 m分辨率Google影像提取的切沟形态特征参数,建立8 m分辨率GF-1影像提取的切沟沟长转换模型（...     

基于分层分析的ASTER 影像土地利用/ 覆盖遥感监测研究

以龙海市为实验区, 利用ASTER 遥感数据, 在研究区典型地物光谱特征系统分析的基础上,进行基于分层分类思想的地物分类提取方法研究。首先将影像划分为独立的子区( 水体、植被覆盖区和非植被覆盖区域) 以避免分类过程中光谱的互相影响; 然后在每个独立的子区基础上根据各类地物的不同光谱特征和空间特征, 对各类地物进行逐层掩模、分层提取。结果表明该方法优于传统的监督和非监督分类效果。     

基于Hyperion影像的辽东湾水体信息自动分类

通过对辽东湾地区(局部)的水体、土壤及植被等主要地物波谱特征的对比分析及海水与淡水的波谱特征的对比分析,确定了高光谱遥感数据中的水体敏感波谱区间及区别海水与淡水的特征波谱区间,提出了基于连续波谱的水体信息提取与分类的利率法及双吸收深度模型,该方法在提取水体信息时不受山地阴影的影响,提高了水体信息的提取准确度。基于此方法和模型对研究区进行了海水与淡水信息的提取与分类,结果与实际情况吻合良好,为利用高光谱遥感数据进行水体信息提取分类,实现更好的水资源管理、洪水监测、海水入侵监测以及内河水入海口对海水的影响监测提供了有效的理论方法和技术手段。     

一种应用大津法的自适应阈值水体提取方法

针对基于单一阈值的大范围水体提取同时存在着漏提与误提的局限性,提出了基于大津法的局部范围阈值自适应确定的方法。通过分析水体与其背景地物的光谱特征,发现归一化水体指数(Normalized Difference Water Index,NDWI)直方图呈现明显的双峰分布,对NDWI使用大津法可以较准确地自动计算出水体与非水体的阈值。在初始阈值提取的水体信息的基础上,通过窗体提取局部范围的水体及其背景并进行局部自适应阈值的计算,实现自适应阈值水体信息的提取。使用环境小卫星影像对闽江流域进行水体提取实验,结果表明该方法可实现大范围水体快速提取,提取精度为95.25%,较全局统一阈值提取精度提高5.25%,并能在一定程度上消除地形阴影与建筑物等的影响,对细小水体的提取精度有所提高。     

基于二元合成补的直觉模糊推理IFMP三Ⅰ算法

针对构造直觉模糊蕴涵算子(IFIO)沿用Fuzzy集一元补导致出现的问题,提出了二元合成补(DCN)的概念,同时考虑了隶属函数和非隶属函数对直觉模糊集(IFS)求补的影响.给出了DCN的一些性质,证明了IFS标准补和对合补是DCN的特例.构造了基于DCN的R0型IFIO,并应用于直觉模糊取式(IFMP)问题的三Ⅰ算法.实验结果表明,基于DCN的IFIO构造方法可行,构造出的IFIO容易满足IFS定义的要求,具有的性质适合IFMP三Ⅰ算法,并能保证该算法在一定条件下是还原算法.     

模糊神经网络高分辨率遥感影像监督分类

目的 针对高分辨率带来的像素类属不确定性增大及各类属间相关性增强引起的影像分类问题,提出一种模糊神经网络高分辨遥感影像监督分类方法。方法 提出的模型为包含输入层,隐含层（隶属函数层）及输出层的三层前向模糊神经网络,输入层用于接收来自训练样本的灰度值;隐含层每个神经元节点的模糊隶属函数为对各类别定义的高斯隶属函数模型,以实现对输入变量隶属程度的不确定表达;输出层的输入变量为隐含层各神经元节点输出变量的线性组合,激活函数为分段线性函数,该层实现输入变量隶属程度的相关性表达。以训练数据直方图作为期望输出,梯度下降法求解模型参数,最后按最大隶属度准则实现分类决策。结果 利用本文算法和经典算法对合成影像进行实验,本文方法总体精度达到0.931,相对于高斯隶属函数方法总体精度提高了5.3%,相对于最大似然法提高了4.2%,相对于FCM方法提高了5.9%,对真实WorldView-2全色影像的实验中文中方法分割精度也高于传统方法。结论 提出的模糊神经网络模型可以更加精确的拟合高分辨率遥感影像复杂的分布特征,有效处理高分辨率遥感影像的上述分类问题。