一种改进包模型的遥感图像检索方法

提出了一种改进的包模型图像检索方法,使用本底图像构建视觉词汇字典。在建库过程中,通过近似KD-Tree搜索本底图像局部不变特征与入库图像特征间的对应匹配关系,并记录该关系;图像检索时,搜索检索图像与本底图像特征的对应关系,进而计算与入库图像的关系。该方法仅保存本底图像的局部不变特征,可实现感兴趣区域的图像检索。实验结果表明,该方法在提高图像检索准确性的同时,可以减少所需存储局部不变特征的数量。     

基于贝叶斯网络分类的遥感影像变化检测

遥感成像过程中,地面、大气等诸多要素的不确定性和波段之间的相关性等原因影响了分类精度,导致变化检测的不准确性。为了提高分类精度往往需要引入先验知识。贝叶斯网络是一种新的数据表达和推理模型,对数据没有严格的正态分布前提要求,通过动态地调整先验概率密度,能有效提高分类精度。以北京通州地区1996-05-29和2001-05-19两个时相的陆地卫星Landsat TM遥感影像为例,介绍了基于贝叶斯网络的分类算法,并在此基础上实现了两个时相遥感影像的变化检测。实验结果表明:基于贝叶斯网络分类算法的后分类比较变化检测方法是遥感影像变化检测的一种新的有效方法。     

北京环线建设驱动的土地利用变化遥感检测与分析

近年来,北京市的环线建设大大改进了北京的交通状况,促进了环线周边的商业发展和房地产开发的繁荣,同时也带来了环线周边地区的土地利用的变更。在“科技奥运”科技攻关项目和在研自然科学基金项目的支撑下,选择了1988,1994,2001和2003年5—6月份的TM数据,在影像经过几何校正和辐射归一化校正后对其应用高精度的自组织神经网络分类和利用高分辨率的航空照片验证;在分类数据和变更信息的基础上,采用了空间自相关分析模型、频率指数模型和潜力模型分别对北京各种用地类型的频率指数和建设用地的Moran系数和Geary系数,以及城市增长的潜力指她进行计算。一系列计算显示了环线驱动的北京市土地利用变化情况。结果表明:在环线建设的驱动下,北京市的建设用地围绕环线呈快速增长趋势;绿地面积在四环、五环的环线一带也呈增加趋势;城市增长潜力从四环到六环呈逐渐增大趋势。     

基于蚁群规则挖掘算法的多特征遥感数据分类

蚁群算法作为一种新型的智能优化算法,已经成功应用在许多领域,然而应用蚁群优化算法进行遥感数据处理则是一个新的研究热点。蚁群规则挖掘算法是基于分类规则挖掘进行分类,能够处理多特征的数据。因此,论文将蚁群规则挖掘算法应用到多特征遥感数据分类处理中,并采用北京地区的Landsat TM和 Envisat ASAR数据作为实验数据,对选择的遥感数据进行了多特征分类实验。实验结果分别与最大似然分类法、C4.5方法进行对比,分析表明:1)蚁群规则挖掘算法是一种无参数分类的智能方法,具有很好的鲁棒性,2)能够挖掘较简单的分类规则;3)能够充分利用多源遥感数据等。它可以充分利用多特征数据进行土地覆盖分类,从而能够提高分类的效率。     

容差粗糙集与神经网络结合的遥感数据分类方法

神经网络中的BP(Back Propagation)算法越来越多地用在遥感数据分类中. 但BP算法存在的缺点之一是网络训练时可能会导致网络出现全面的低性能. 为避免出现类似问题, 探索采用容差粗糙集方法对训练数据做分类预处理, 去除训练数据中的某些影响训练收敛的因素, 进而提高网络训练的成功率. 实验采用了北京地区2003年5月的TM数据, 分别用分类预处理前数据和经过分类预处理后的数据对BP网络进行了训练. 结果表明, 此方法不仅弥补了BP算法在处理遥感数据时的缺陷而且提高了分类精度.     

OSDS注册用户空间分布特征及影响因素分析

本文以2005年以来中国科学院遥感与数字地球研究所开放式空间数据共享网站（OSDS）平台的注册用户为研究对象,利用最近邻层次空间聚类方法和地理探测器模型,对各省注册用户量的空间分布特征和差异影响因素进行了分析。分析结果表明,整体上用户空间分布很不均衡,主要集中在东部发达地区和几个在测绘和地理信息科学领域卓有建树的地区,信息、科研和教育是主要影响因素,经济、网络和测绘的单因素影响力较低,而与主要影响因素结合的交互影响得到了提升。因此,多因素共同制约着用户群的空间分布格局和区域不均衡性。应用地理探测器能从宏观上把握遥感学者群体的空间分布特征及其影响因素,其分析结果能够指导数据提供者更有针对性地为用户提供服务,也可为遥感产业调整和空间布局优化提供依据。     

一种融合PSO和Isodata的遥感图像分割新方法

针对当前遥感图像分割方法存在的缺点,将人工智能领域的粒子群优化方法应用到遥感图像分割方面,提出了一种融合PSO和Isodata的遥感图像分割新方法。对不同分辨率遥感图像的分割实验结果表明,融合PSO和Isodata的遥感图像分割新方法能够自适应确定聚类数目,避免了聚类过程的随机性,使分割结果更加接近实际情况。     

多波段遥感数据的自组织神经网络降维分类研究

介绍了基于聚类分析的自组织特征映射神经网络分类方法，神经网络的输出层结构选用了3D结构，可以更好地保持多波段遥感数据中的内在拓扑结构；并选择天津大港地区的AsTER数据中的9个波段作为试验数据，通过对验证点的统计，分类精度达到了94％以上。     

白忱鹤迁徙路径与地面条件变化信息的遥感监测

据两千多年来的文字记载 ,候鸟适应了地球系统的气候环流、地表温度和湿地生态系统的分布与季节变化 ,选择了迁徙这种生存方式 ,幼年候鸟在迁徙往返中成长 ,候鸟种群在千里迁徙中优胜劣汰。传统监测候鸟迁徙路线的方法普遍采用的是环志法 ,这种方法的回收率为 1 0 %左右。近年来 ,我们与北海道环境研究所、东京大学 ,围绕鹤类鸟迁徙路径及其地面条件变化问题 ,开展了卫星跟踪数据、遥感成像数据、地表温度数据收集、处理和分析 ,得到了初步的结果。这项研究对中国东部经济快速发展地区和待振兴的东北老工业区的布局和发展 ,以及候鸟保护提供科学依据。本文主要介绍了具有代表性的候鸟 ,白忱鹤的迁徙路径监测和分析结果。     

多时相遥感变化检测的动态贝叶斯网络研究

动态贝叶斯网络是20世纪90年代在贝叶斯网络基础上发展起来的、利用时序动态数据产生可靠概率推理的新方法，动态贝叶斯网络为实现遥感变化检测从静态到动态分析提供了一种新的途径。在实现了贝叶斯网络遥感数据分类的基础上，把握发展动态，探索了利用动态贝叶斯网络对多时相多特征遥感数据进行变化检测的问题。以北京东部地区1994年、2001年和2003年5月Landsat TM遥感数据为例，介绍了利用动态贝叶斯网络进行多时相遥感变化检测的基本过程。实验结果表明：动态贝叶斯网络算法可以一次性输入和处理多个时相的遥感数据，并通过概率和有向无环图表达了不同时间片段之间特征和状态变化的关系。