一种高分辨率遥感影像水体提取技术

针对高分辨率影像水体信息提取,利用小波技术对图像进行膨胀和去噪处理,并提出了一种多窗口线性保持技术对线性水体进行保持,最后利用水体信息的地学特征,对图像进行联合特征去噪,获取最终的水体影像信息.利用以上技术,成功提取了浙江省嵊州市甘霖镇IKONOS全色影像中的水体信息,提取精度达到94.92%,错误率为9.01%,与传统密度分割、监督分类等方法相比较,此算法具有高精度、低噪声、高信噪比的优点.     

基于GPU加速的遥感影像金字塔创建算法及其在土地遥感影像管理中的应用

摘要：为提高单个计算节点创建影像金字塔的速度,本研究首先将GPU并行技术用于加速影像重采样算法.影像重采样算法是影像金字塔创建算法的核心步骤,由于金字塔创建过程中数据量会不断发生变化,而数据量的大小直接影响GPU重采样算法效率.提出了一种基于阈值的金字塔遥感影像创建算法,算法将GPU并行与CPU串行遥感影像重采样算法结合,在创建影像金字塔时,依据阈值动态选择不同的重采样算法,并将本算法应用到土地遥感影像金字塔管理中.实验采用大小为10371×7945的24位遥感影像进行测试,结果表明：①基于GPU的并行重采样算法的速度最快,是基于CPU串行重采样算法的10倍;②采用本文算法创建金字塔速度是ArcGIS9.3创建金字塔速度的3倍以上.     

基于遥感影像的嘉兴市城市扩张与驱动力分析

在当前高速城市化的背景下,为及时了解嘉兴市的城市发展现状,使用遥感手段提取各时间段内城市的建设区域,并分析了扩张过程的时空特征,再结合社会经济数据探究了城市扩张的驱动力因素.结果表明：嘉兴市在1993~2013年间城市扩张明显,扩张速度和强度先增后减,扩张方向由西北转向南,扩张模式经历了“主动型-被动型-稳定型”的转变过程,扩张合理性较差,城市扩张速率高于人口增长速率,扩张驱动因子主要为经济发展、产业结构调整和人口增长.     

一种基于预测分类的小波图像编码

对于小波较像编码，如何有效地组织小波域系数是提高图像压缩效果的关键。本文在研究小波域系数统计特性的基础上，提出一种用于图像压缩的预测分类模式，与基于零树结构的编码不同的是它充分利用了小波域中“重要”系数的各种相关性，并通过结合提出的种子膨胀算法实现系数的分类输出，实验结果表明该方法所取得的压缩效果要优于基于零树结构的图像编码，同时又具有较强的鲁棒性。     

海量遥感影像管理与可视化系统的研究与实现

随着遥感技术的飞速发展,产生了海量的遥感影像数据.为了有效管理和利用这些数据,研究设计了海量遥感影像管理与可视化系统.利用基于扩展的对象关系型数据库,对遥感影像进行组织和管理,并针对海量数据的显示效率问题,提出了优化方法,最后给出了系统运行的实例.实践表明,该系统能够较好地满足海量遥感影像数据的高效管理与可视化要求.     

一种基于影像块组织的遥感数据分布式存储方法

云存储是解决动态增长的海量遥感数据产品存储管理难题的有效手段．针对云存储在遥感数据存储领域中存在的问题,提出了一种基于影像块组织的遥感数据分布式Key-Value存储模型,解决了分布式文件系统存储大规模影像块效率低下的问题,使遥感数据云存储具备了空间区域访问特性;结合开源分布式文件系统HDFS,实现了影像数据的分布式高效存储与空间区域检索．实验与分析表明,系统在多用户并发连接情况下可以维持较高的吞吐率,同时具备良好的可伸缩性和稳定性．     

一种基于影像块组织的遥感数据分布式存储方法

云存储是解决动态增长的海量遥感数据产品存储管理难题的有效手段.针对云存储在遥感数据存储领域中存在的问题,提出了一种基于影像块组织的遥感数据分布式Key-Value存储模型,解决了分布式文件系统存储大规模影像块效率低下的问题,使遥感数据云存储具备了空间区域访问特性;结合开源分布式文件系统HDFS,实现了影像数据的分布式高效存储与空间区域检索.实验与分析表明,系统在多用户并发连接情况下可以维持较高的吞吐率,同时具备良好的可伸缩性和稳定性.     

一种基于域和事件的并行计算模型

基于一对一通信的模型易导致并发操作的不自然表示．本文提出了一种基于域和事件的并行计算模型,其对象间通过广播进行交互,能有效表示各种并发操作．另外,对模型的同步和互斥表示也进行了讨论．     

一种基于J2EE服务器集群的中间件负载平衡系统

基于中间件的负载平衡服务是为J2EE服务器集群提供高可用性和高伸缩性的一种有效方法,针对目前的J2EE服务器集群负载平衡服务还存在客户端和服务器端透明性差、负载平衡策略简单和无自适应能力等缺陷,设计了一种基于J2EE服务器集群的中间件负载平衡系统-JCLBS,较好地解决了上述问题。     

云格环境下基于P2P的动态资源发现机制

为在云计算平台上实现大数据的高效并行处理与访问,针对动态增长的异构资源所具有的集成与共享所形成的超强计算力结合网格计算,从基于服务计算的角度分析了云计算与网格计算2个不同框架体系的集成问题,探讨了一种资源与服务的统一描述机制,提出了云格体系下的一种分组生成树的P2P网络动态资源与服务发现算法,可实现海量数据的高效处理与访问.实验表明该算法具有一定的可行性与针对性.     

大数据量遥感图像处理系统算法模块的设计及实现

介绍了一个采用自顶向下、逐步细分的结构化软件设计方法,以Visual C++6.0为软件开发平台设计并实现的自主版权的大数据量遥感图像数字处理系统的算法模块的设计、结构,以及系统实现中采用的关键技术.提出了美国ERDAS图像处理系统在滤波算法的图像边界处理及图像处理后象元值超限处理两方面的不足,同时提出并实现了新的优化方法.实践证明在这两方面的优化更有利于图像分析和信息提取.     

并行加工机制下纳什均衡的效率分析

分析了并行加工机制下同类机排序博弈的纳什均衡的PoA(The Price of Anarchy),证明了混合纳什均衡的PoA为O(log² m),以及纯纳什均衡的PoA为O〖JB((〗log〖JB((〗〖SX(〗s1〖〗sm〖SX)〗〖JB))〗〖JB))〗.     

医学影像处理的深度学习可解释性研究进展

随着医学影像数据的迅速增长,传统的影像分析方法给医生带来巨大挑战。利用计算机视觉技术提供自动或半自动辅助诊断,可大大缓解人工阅片压力,提高诊断的准确性,促进医疗流程的标准化建设等。目前,深度学习卷积神经网络在医学影像处理中已取得不俗表现,但深度学习“黑匣子”的不可解释性阻碍了智能医疗诊断的发展。为增强对医学影像数据处理的深度学习可解释性的了解,对近几年相关研究进展进行了综述。首先,综述了深度学习在医学领域的应用现状及面临的问题,对神经网络的可解释性内涵进行了讨论;然后,从现有深度学习可解释性的常见方法出发,重点讨论了医学影像处理的深度学习可解释性研究进展;最后,探讨了医学影像处理的深度学习可解释性的发展趋势。     

一种遥感数字图像匹配的合成算法

分析了传统的基于灰度和基于特征的匹配算法,提出了一种基于边缘特征和相关系数的新匹配算法.该算法首先对潜在匹配图像和模板图像利用高斯拉普拉斯(LOG)算子和梯度算子提取影像的边缘,然后提取二值化图像,最后再利用相关系数法对二值化后的边缘影像进行匹配运算,得到正确的匹配结果.该算法融合了传统算法的优点.利用该算法对上海的SPOT 5 m分辨率不同波段的卫星影像进行了匹配试验,获取了比较好的匹配效果.     

基于半监督子空间迁移的稀疏表示遥感图像场景分类方法

利用已有的标记数据对新领域图像进行分类是遥感图像场景分类的重要研究方向。提出了一种基于半监督子空间迁移的稀疏表示（sparse representation method based on semi-supervised transfer learning subspace,SR-SSTLS）遥感图像场景分类方法。为减少源域和目标域数据分布变化,将不同数据域的遥感图像投影至共享子空间。源域和目标域数据在投影子空间协同学习共享字典,使得带标记的源域数据辅助目标域模型的建立。同时,建立了基于源域、目标域、源域-目标域标记数据的拉普拉斯图矩阵和目标域未标记数据的拉普拉斯正则化项,使得目标域中的数据均得到很好编码。在多个遥感图像数据集上的实验结果均证明了SR-SSTLS方法的有效性。     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network,DCNN）的多尺度神经网络（multi-scale neural network,MSNet）模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络（fully convolutional networks,FCN）方法和基于支持向量机（support vector machine,SVM）的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。