一种目标快照差结合缓冲区分析的地形图面状要素变化检测方法

地形图变化检测一直是地理信息更新保持地形图现势性的难点之一。针对地形图面状要素的变化检测问题,在分析了目前常用的面状要素变化检测方法优缺点的基础上,提出一种基于目标快照差和缓冲区分析的地形图面状要素变化检测方法。该方法首先对配准后的地形图面状要素建立缓冲区;然后对于部分落在缓冲区、完全不在缓冲区的影像面状要素,计算其目标快照差;最后依据目标快照差的三元组值判定地物变化类型。实验结果表明,该方法不但能够有效地检测变化地物,而且能够明确给出地物的变化类型,降低了虚检率,检测精度较高。     

面状居民地形状分类的图卷积神经网络方法EI北大核心CSCD

形状识别和分类是地图制图综合的重要内容之一,面状居民地要素作为地理空间矢量数据的重要组成部分,其形状认知是制图综合的基础。本文针对当前几何和统计形状分类方法的不足,借助图卷积神经网络的图数据分类能力,提出了一种基于图卷积神经网络的面状居民地形状分类方法。该方法首先从面状居民地轮廓多边形入手,提取其轮廓的多个特征,获取形状的图表达;然后,利用图卷积神经网络对居民地形状信息进行多轮次提取和聚合,将形状信息嵌入一个高维向量中;最后利用全连接神经网络对高维形状向量进行分类。试验表明,该方法能够有效提取居民地形状信息,克服了传统分类方法人为设置指标的不足,实现了端到端的居民地形状信息提取与分类。     

CAD环境下地形图变化检测技术

本文在分析城市大比例尺地形图变化检测技术的基础上,基于地理要素的抽象特征,从多个角度研究地理要素变化特征、地理要素表达规则、CAD实体结构,并进行地理要素变化逻辑分析。基于变化检测的"相同"原则,研究并实现了基于CAD平台自动获取变化信息文件的检测方法,为增量更新GIS数据库提供更新依据。     

一种面向地理国情监测的地表覆盖变化检测与更新方法

提出一种面向地理国情监测的分类后变化检测方法,充分利用前一时期地表覆盖数据提供的地物类别信息,指导后一时期影像的分类,通过比较两时期相应区域的类别信息,从而实现地表覆盖数据的变化发现与更新。该方法主要包括分类前变化检测、样本自动生成、分类后变化检测3个阶段。实验结果表明,该方法能够得到准确率较高的变化检测结果。     

地形图要素辅助下的影像面状地物提取

针对遥感影像与地形图变化检测中影像面状地物的提取问题,该文提出了一种地形图要素辅助下的影像面状地物提取方法。该方法首先利用配准后落在影像面状地物内的地形图面状要素中心进行区域生长,然后以人工选取的各类地物的初始样本和上述区域生长出影像上的各类地物作为训练样区进行监督分类,最终实现影像面状地物提取。实验结果表明,该方法能够有效地提取影像面状地物,并且自动化程度较高。     

地理国情要素时空变化检测技术研究

地理国情是从空间的角度对地球表面一定范围内各种地理要素真实反映,其主内容是这些地理要素的特征、空间变化和相互关系。地理要素时空数据变化检测是发现地理要素的时空特征及其变化趋势。本文对地理要素变化检测技术展开了研究,针对变化检测结果,运用了版本差量的存储模式。     

基于要素的地形图数据更新方法研究

针对地形图数据库更新问题,提出一种基于要素的地形图数据更新方法。根据地形图数据更新的特点,将地形图数据的更新分为变化检测和数据入库两部分,在变化检测中利用缓冲区分析、几何量算等方法检测地形图数据中发生变化的要素,并写入临时库,赋予其特定的属性值,根据临时库中变化要素的不同变化情况,对数据库中的数据进行相应的更新操作。实验表明,本文提出的基于要素的地形图数据更新方法能实现地形图数据的更新,具有较大的应用价值。     

复杂面状矢量要素快速形状匹配方法

矢量要素匹配足数据库合并和数据更新的核心问题.在分析现有匹配方法不足的基础上,针对复杂面状要素匹配问题,提出先对复杂面要素进行基于Douglas-Peucker方法的形状简化,然后对简化后的形状再进行形状匹配.其中,形状匹配通过正切空间的方法对要素进行描述,然后利用形状匹配距离计算出形状差异.通过试验表明该方法能够有效...     

顾及距离与形状相似性的面状地理实体聚类

与点状地理实体不同,面状地理实体不仅具有位置特征.还具有形状特征.对于面状地理实体而言,仅考虑距离因素设计聚类准则是不全面的.综合考虑距离和几何形状相似性来设计聚类准则,实现了相应的聚类算法.实验证明,该算法适合面状地理实体的聚类分析.     

4D产品的生产和应用第四讲数字线划地图的生产和应用

1 DLG的基本特征数字线划地图(Digital Line Graphic)是现有地形图中基础地理要素的矢量数据集.分别采用点、线、面描述要素几何特征,赋予属性,并分成若干数据层,供地理信息系统作空间检索、空间分析之用.数字线划地图的基本特征有:1) 基础地理要素对传统地图要素作了必要的精简压缩,缩短了生产与更新的周期.     

基于图段连通体的线符号提取

研究了基于符号连通体特征差异的不精准推理方法,分析了基于行邻接图的点、线、面符号图段连通体的特征,并根据三种符号在几何特征、形状特征和拓扑关系上的差异,提出了七种易于表达的特征参数,基于特征参数实现了线符号的自动提取。     

一种运用纹理和光谱特征消除投影差影响的建筑物变化检测方法

针对不同时期高分辨率遥感影像变化检测中城区建筑物因投影差差异所产生的误检测现象,提出了一种综合应用光谱和纹理特征的建筑物变化检测方法。以变化和未发生变化地物影像的散度作为可分性依据,首先对光谱差分影像在混合高斯密度模型下建模,并采用马尔可夫最小错误概率准则提取初始变化区域,往往含有错判的建筑物。然后将误判建筑物影像类和真实变化影像类构成训练集,通过引入多通道Gabor滤波器,提取训练集的纹理差分特征,并采用分类别PCA变换实施纹理差分特征的选择。最后对选择出的纹理差分特征依据高斯混合密度模型建模,并用马尔可夫最小错误概率提取真变化区域,即可去除光谱信息检测所产生的伪变化。试验表明,本文方法能够较好地解决建筑物变化的错判问题,提高了影像变化检测的精度。     

基于光谱和空域信息的城区变化检测方法研究

目前的变化检测研究主要集中在利用中、小比例尺遥感图像进行自然环境等方面的变化检测,如草场的季节性变化、灾害检测、植被分布变化、土地使用规划等。然而随着城市的快速发展,为了满足城区管理规划中对道路、房屋等变化细节进行分析的需求,并由于高分辨率卫星诸如Ikonos,Quickbird等的出现,我们有必要并且有可能开发出一套实用、有效的、可靠的城区自动变化检测系统。针对城市区域的复杂性及其高分辨率卫星影像的配准误差问题,本文提出一种通过模糊逻辑结合光谱特征和空域特征的城区变化检测方法,以期望减小图像整体及局部配准误差对变化检测精度的影响。     

矢量数据变化对象的快速定位与最优组合匹配方法

要素变化信息对地物生命周期的记录、时空数据库的构建、GIS数据库的更新有重要意义.针对大数据量的变化信息发现,本文采用基于格网划分的方法,通过对空间特征与属性特征汇总信息的对比,只对发生变化的格网进行检测,缩小了检测范围与空间查询区域.为解决要素变化前后的匹配问题,提出一种最优组合匹配法,通过对组合对象空间特征及语义特征的综合比较,从候选要素中选取最佳匹配对象.试验证明,该方法能够高效准确地实现大数据量的矢量数据变化信息的探测,并能很好地解决非一对一的要素匹配问题.     

基于随机森林的遥感影像变化检测

随机森林是一种新兴的、高度灵活的机器学习算法，在预测和分类方面有着良好的稳定性，且算法性能要优于许多单预测器。鉴于此，本文提出了随机森林的遥感影像变化检测算法，利用熵率法对遥感影像进行超像素分割，获取最优分割结果；构建了基于随机森林的遥感影像变化检测模型，以所提取的Gabor特征和光谱特征作为模型输入进行训练和预测，并将有决策树的投票作为最终的变化检测结果。试验结果表明，本文所构建的随机森林变化检测模型在漏检率和虚检率上明显低于其他算法，且总体正确率高，在算法时间上也明显优于其他算法。     

A spectral gradient difference based approach for land cover change detection

Change detection with remotely sensed imagery plays an important role in land cover mapping, process analysis and dynamic information services. Euclidean distance, correlation and other mathematic metrics between spectral curves have been used to calculate change magnitude in most change detection methods. However, many pseudo changes would also be detected because of inter-class spectral variance, which remains a significant challenge for operational remote sensing applications. In general, different land cover types have their own spectral curves characterized by typical spectral values and shapes. These spectral values are widely used for designing change detection algorithms. However, the shape of spectral curves has not yet been fully considered. This paper proposes to use spectral gradient difference (SGD) to quantitatively describe the spectral shapes and the differences in shape between two spectra. Change magnitude calculated in the new spectral gradient space is used to detect the change/no-change areas. Then, a chain model is employed to represent the SGD pattern both qualitatively and quantitatively. Finally, the land cover change types are determined by pattern matching with the knowledgebase of reference SGD patterns. The effectiveness of this SGD-based change detection approach was verified by a simulation experiment and a case study of Landsat data. The results indicated that the SGD-based approach was superior to the traditional methods.     

融合多尺度特征注意力的遥感影像变化检测方法EI北大核心CSCD

深度学习技术已经成为遥感影像变化检测研究的主流方法,现有的基于深度学习的变化检测方法主要是获取单一尺度的变化特征,而在现实场景中,变化区域的尺度具有多样性。为此,本文提出了融合多尺度特征注意力的遥感影像变化检测方法,通过关注多尺度融合策略来解决变化检测存在的多尺度问题。首先,利用特征金字塔网络自身的多尺度特性,使网络学习到不同尺度的变化特征,为了提升网络感受野和利用全局特征信息,在特征提取网络末端引入扩张卷积空间金字塔模块;然后,在不同变化特征融合时,使用变化特征融合模块来控制信息传播以减少特征融合时的差异性;最后,使用门控机制,将不同尺度预测的变化特征图进行加权求和,最终产生具有高精度的变化特征图。本文方法不仅能获取多尺度变化特征,还能利用全局信息和精确的空间细节来提升预测特征图的空间精度。对比试验表明,本文方法在变化检测基准数据集CDD和LEVIR-CD上取得了较好的结果,召回率分别提高了6.58%和5.26%。     

基于注意力密集连接金字塔网络的新增建设用地变化检测

城市新增建设用地变化迅速频繁、场景复杂等因素导致变化检测结果出现欠分割或过分割等问题,基于此本文提出了一种融合注意力机制的密集连接金字塔网络用于城市新增建设用地变化检测。在编码阶段运用卷积注意力模型提升对变化信息的关注度,突出重要特征;采用密集连接空洞卷积空间金字塔池化模块实现多尺度特征的提取与融合,提高特征的利用率与传播效率;在解码阶段通过对提取的特征图进行上采样还原图像的空间尺度特征。试验结果表明,该方法有效改善了欠分割与过分割问题,变化检测效果更好。