图斑数据自动综合中面向地理特征的层结构选取

本文在信息定义和结构化选取的思想基础上,给出图斑数据地理要素的层结构的定义和建立过程,从而实现图斑数据制图概括中对象选取的模型化,降低或消除了制图概括过程中人为操作的不稳定性和主观影响,改进和提高了制图概括的效果和地图的质量。     

地物质数特性与时空关系的数学表述研究

地物的质量和数量特征及其时空关系是地图表示的客观基础。本文对其相关概念给出了数学定义 ,并根据拓扑学原理 ,论证了从三维空间到地球椭球面 ,从地球椭球面到二维地图平面存在着同胚关系 ,从而为地图的空间认知提供了数学基础和理论解释     

面向对象影像分类中基于最大化互信息的特征选择

高分辨率影像面向对象分割后产生了大量的光谱、形状以及纹理特征,如何抽取出最佳特征子集是遥感影像识别的重要问题.本文利用最大化互信息统计独立准则抽取最优特征子集,提高了面向对象遥感影像分类精度.基本过程包含以下3个方面:首先,利用eCoginition软件对高分辨遥感影像进行对象分割;然后,基于互信息最大关联、最小冗余准则(mRMR)获取优选的特征子集;最后,基于支持向量机分类器完成影像分类.以福建省漳州市QuickBird数据为例的实验表明,该方法能够有效提高遥感影像的分类精度,平均误分率降低了约4%.     

玉米大豆生长中后期遥感辨识的指示性特征研究

玉米和大豆是两种主要的粮食作物,及时准确地监测两者的种植面积对于产量预测和市场价格的制定具有重要的意义。利用遥感技术探究在生长季中后期能有效区分玉米和大豆的指示性特征集,为在不同实验区进行推广应用和提前玉米和大豆种植面积信息发布的时间提供技术支撑。文章以玉米和大豆为研究对象,以黑龙江和安徽省两个典型种植区为实验区,以高分一号影像为数据源,计算多种植被指数特征和两种纹理特征,同时利用特征优选方法评价特征间的相对重要性,并结合随机森林分类算法分析特征个数对精度的影响,得到不同试验区区分两者的最佳特征子集。随后根据不同实验区最佳特征子集的共同点和差异,遴选出对玉米和大豆中后期区分的遥感指示性识别特征集,并设计实验方案验证其有效性和稳定性。实验表明：在玉米和大豆生长中后期存在具有高效辨识两者的遥感特征集,能有效和稳定地增强两者的遥感识别能力;在不同实验区,基于特征优选方法可以选择出区分玉米和大豆的最佳分类特征子集,得到两者最优的识别效果,比仅仅使用原始波段特征的分类精度提升了近10个百分点,总体分类精度能够平均达到97%,Kappa系数0.96,玉米和大豆的单类分类精度平均超过95%;在不同的种植区,利用玉米和大豆的指示性特征集可以得到几乎与优选出的最佳特征子集同样的分类精度和制图效果,且具有稳定性和有效性,较最佳特征集更具推广使用意义。指示性特征集包含6种：植被指数中的比值植被指数（RVI）,差值植被指数（DVI）,转换型植被指数（TVI）,改进型叶绿素吸收比率指数（MCARI）和灰度共生矩阵（GLCM）纹理特征中的二阶矩（the Second Moment）和熵（Entropy）。     

基于混合式特征选择的高分五号影像农田识别

精准农田识别是农作物估产和粮食安全评估的基础。遥感数据作为农田识别的重要数据源,可提供动态、快速的监测结果。高光谱数据在农田识别分类方面具有巨大的应用潜力,但其中的冗余波段影响了分类效率和分类精度。因此,本研究提出了一种适用于高光谱数据农田分类的混合式特征选择算法。首先,基于变量的重要性排序或约束程度,按步长逐步进行降维;其次,寻找分类精度骤减的转折点,并将其对应的变量作为特征子集;最后,利用序列后向选择SBS（Sequential Backward Selection）方法搜索最优分类特征子集。本研究利用GF-5高光谱数据,共研究了3种降维方法（随机森林RF（Random Forest）、互信息MI（Multi-Information）和L1正则化（L1 regularization））和3种分类算法（随机森林、支持向量机SVM（Support Vector Machine）和K近邻KNN（K-Nearest Neighbor））的组合在农田分类中的表现。结果表明,基于L1正则化法得到的特征子集自相关性较低,并且包含的红边和近红外波段有效提高了农田、森林和裸土的区分度。在不同分类模型比较中发现,SVM在高维空间中表现出非常好的抗噪能力,分类精度高于RF和KNN。而RF在低维空间中的泛化能力要高于SVM和KNN。相比于第一步降维得到的特征子集,使用SBS搜索得到的最优特征子集均提高了分类精度。最终,具有23维输入的L1-SVM-SBS分类模型得到了最高的总体分类精度（94.64%）和农田召回率（95.83%）。本研究为高光谱数据特征优选提供了一种新思路,筛选出了更具代表性的特征波段,提高了农田分类精度,对高光谱遥感分类研究具有参考价值。     

空间实体的时态属性时间语义特征及代数表达框架

基于代数方法,建立了空间实体的时态属性与时间之间的函数关系——时态属性函数。分别从自变量、定义域、函数关系以及函数值四个方面对时态属性的时间语义特征进行了研究,并给出了时间语义特征的代数描述、分类和定义。在此基础上,提出了20种时态属性的时间特征类型,为进一步实现时态属性数据建模,研究时态属性操作,查询语言以及时态属性在时态GIS中的表达奠定了良好的基础。     

遥感图像土地覆盖分类中多源特征数据选择研究

多源特征数据可以提高遥感图像的分类精度,选择合适的特征数据十分重要。利用基尼指数对多尺度纹理信息、主成分变换前三分量、地形数据等特征进行选择,选出最佳特征子集。利用支持向量机、神经网络分类法、最大似然法分别对全部特征数据和最佳特征子集结合多光谱数据进行分类。实验结果表明:基尼指数可以有效地对多源特征数据进行选择,特征选择可以提高分类器效率,提高分类精度。     

基于随机森林特征选择的森林类型分类

以八面通林业局林场为研究区,选取多时相高分一号WFV影像,提取遥感特征构建多时相特征集合,根据归一化特征重要性排序选出最优特征子集,用随机森林法实现森林类型分类。结果表明:多时相影像的总精度较单时相影像提高了7.95%-15.13%;除纹理特征外,光谱特征结合其他类型特征的分类精度均高于光谱特征分类;基于随机森林特征选择的分类精度最高,利用24个特征进行分类时,分类精度达到83.97%,Kappa系数为0.7749,说明特征选择可降低数据冗余提高精度。     

基于多层次分割分类模型及其特征空间优化的建筑物提取方法

针对高空间分辨率遥感影像城市地物信息提取中的尺度效应、光谱多样性及分类特征优化等问题,基于面向对象影像分析方法,结合数据挖掘与机器学习技术,提出了一种多层次分割分类模型及其特征空间优化的建筑物提取方法。首先,根据遥感信息多尺度特性,针对地物特征差异设立层级关系,再结合光谱多样性特征定义地物包含的子类型,建立基于不透水面分割分类提取建筑物的层次化结构;然后,利用提出的Relief F-PSO组合特征选择方法,优化构建相应层次的影像特征空间;最后,在多尺度分割和特征优化的基础上,基于随机森林模型获取不透水面分布,进而采用J48决策树算法分类提取建筑物。实验结果表明,该方法能够利用较少数量的影像特征,获得高精度的建筑物提取成果。     

基于蚁群优化的特征选择新方法

利用蚁群优化算法解决特征选择问题，以获得能代表问题空间的较优特征子集，并能降低分类系统的搜索空间。以航空纹理影像的特征选择和分类问题为例，利用主分量变换和蚁群优化算法分别对原始纹理影像特征集合进行特征提取、选择和分类。结果表明，本文方法不仅能够降低图像特征空间维数，减少图像分类的工作量，而且还可以提高分类识别的正确率。     

Spatial Relation Resolution and Spatial Relation Abstraction

This paper attempts to regard spatial relation transformation as an important process in map generalization. The spatial relation generalization can be divided into the components of abstraction: topology, distance and orientation. The concept‘‘ spatial relation resolution‘‘ is introduced to describe the constraints of relative spatial relation. On the basis of nine intersection models, the cardinal direction models and the iso-dis-tance-relation models, this paper gives three sorts of relation resolution representations for topological, distance and orientation relation, respectively. Two mapping implementations in map generalization is discussed.     

城乡一体化地籍中道路自动综合研究

本文介绍了分形分析与制图综合的关系,把分形分析理论应用到城市道路自动综合中,利用分形分析理论与方法对城市道路进行自动综合,沿用已有算法针对城市道路的地理特征,改进了城市地图中基于道路几何特征的综合算法.结合分形分析方法进行制图综合,使制图综合中抽象的问题具体化,分形分析方法中自相似性给出了制图对象的局部和整体间在结构特...     

多尺度空间关系相似性研究

如何快速、自动地实现多尺度地图自动综合结果质量评价,对提高空间数据质量、加快空间数据生产周期等具有重要意义.本文在综合考虑拓扑关系、方向关系和距离关系的基础上,基于SRM模型提出了基于面状目标的空间关系相似性的度量方法,为地图自动综合提供空间关系评价和维护的参考.     

基于线要素综合的形状相似性评价模型

从面状要素形状描述模型中导出线状要素的相似性评价模型:将线状要素以首尾点的连线为对称轴作镜像处理构建其对偶面,以其对偶面的傅立叶形状描述子为其形状向量,以向量的欧氏距离来度量曲线的相似程度。为保证一定的评价精度,通过计算傅立叶第K项X、Y的增量值,来决定K值大小。最后对给定曲线运用不同的化简算法进行多层级的化简,通过本模型对形状的保真度进行分析。该模型具有数学严密性和实用性,能为选择曲线化简算法提供一种参考依据。     

GIS环境下的制图自动综合方法研究

制图综合一直是地图学领域研究的重要课题,近年来又成为国际GIS领域内的热点和前沿问题之一。借助GIS的可视化以及GIS的空间分析工具,制图自动综合的研究进入了一个新阶段。本文简要介绍了在GIS环境下制图自动综合的概念和特点,以及相关内容,并从知识表示方面分析了制图综合的理论。其中重点讨论了制图综合的综合算法以及模型综合,而模型综合是地理信息的概念层次上的综合,是地图综合的前提和基础。     

GIS中曲线综合平差模型的建立

针对大中比例尺地图中的行政界线、地块权属界线的制图综合问题,利用Douglas Peuker算法,提出距离阈值自适应求解算法对图形进行综合;将平差理论应用于综合后图形的处理中,保证图形的综合质量。讨论了面积、长度、固定点、直角/直线条件的建立,结合实例,研究了综合、平差的算法框架与实施步骤。     

DLG空间要素网格综合法研究

通过将网格法用于DLG空间要素综合的数学计算过程的研究,提出DLG要素综合的一种新方法——网格综合法。通过对点、线、面要素网格综合法的系统分析,重点论述线、面典型空间要素的网格综合法的理论和方法,并提出数学模型,为空间要素自动地综合提出一种有效的技术途径,这在各级地理信息空间数据采集和建库中具有重要意义。     

DLG空间要素网格综合法研究

通过将网格法用于DLG空间要素综合的数学计算过程的研究,提出DLG要素综合的一种新方法——网格综合法。通过对点、线、面要素网格综合法的系统分析,重点论述线、面典型空间要素的网格综合法的理论和方法,并提出数学模型,为空间要素自动地综合提出一种有效的技术途径,这在各级地理信息空间数据采集和建库中具有重要意义。     

基于弹性力学思想的居民地点群目标位移模型

本文引入弹性力学思想对空间目标进行冲突探测及受力分析 ,用空间距离聚类及建立最小生成树的方法把空间关系较近的、相互独立的点状要素聚类组合成多个有机的整体 ,对每个整体用有限元的方法通过多次迭代。本算法的实验结果满足了诸多的制图约束条件 ,能够很方便地应用在制图综合中的位移操作中     

顾及密度差异的河系简化

河系简化是地图综合中经常需要处理的任务,其难点主要在于依据上下文环境对河流进行结构化选取,以保持河网密度差异等宏观特征。提出一种新的河流等级规则,依据河流的各级支流的数量确定河流的等级,以反映河流的密度差异;设计一种结合河流等级、长度与所在层次的综合指标进行河流选取;探讨在自动构建河系树的基础上计算河流等级、所在层次等指标的方法;最后使用综合指标进行河流结构化选取试验。结果表明,以新等级规则为基础的综合指标切实可行,能够在一定程度上保持河网密度的区域差异。