结合全局特征与局部互通的河流断流接续优化

高分辨率遥感影像的水体提取常因地物类型复杂、部分河流狭窄等因素导致水体提取结果不完整、不连续。因此,结合水体自身光谱和纹理特征,提出了一种结合全局特征与局部互通的遥感影像水体提取优化方法。首先,在水体提取初始结果的基础上,通过多尺度Frangi滤波和大津法(OTSU)分割算法提取线性支流,对河流进行补充得到初步优化结果。然后,结合局部互通的断流接续算法,对初步优化结果中的断流部分进行连接。最后,通过K-means聚类提取水体部分,并与精确优化结果进行拓扑检查及光谱检查,实现块状水体的验证筛选。实验结果表明,本文方法能够提取到细小支流,提高优化的准确度;断流接续算法的加入,有助于提高河流提取的完整性。与其他方法相比,本文方法的总体精度分别提高1.04%、1.50%,F1分别提高5.84%、8.28%,可以作为有效提升水体优化后处理的手段,提高了水体提取的完整度和精度。

毛乌素沙漠植被的神经网络提取方法研究

地表植被作为人类自然生态系统的一个重要组成部分,在减轻土壤侵蚀、维持生态平衡、提高防风固沙能力,以及维持局部区域经济可持续发展等许多方面都发挥着重要的主导作用。近年来,卫星遥感技术凭借其大范围、多尺度、多时相的优势,已经成为一种低成本、高效率的植被覆盖估计算法,在植被提取和变化监测中表现出了重要的应用价值。论文以榆林市毛乌素沙漠地区为主要研究区域,利用手机可视化虚拟图像处理环境(Environment for Visualizing Images,ENVI)分析软件对landsat8遥感影像进行地表植被的信息提取,采用不同的监督分类方法对植被信息进行分类提取,并对不同的监督分类结果进行质量精度分析评定。结果表明,神经网络方法较其他方法在沙漠植被提取方面表现出较优的性能,可以实现对沙漠植被的动态变化监测。

珞珈一号融合多源数据的建成区提取

针对使用夜间灯光影像提取建成区存在灯光溢出、过饱和等所导致提取精度受限的问题,采用空间分辨率更高的珞珈一号影像,分别结合高精度的兴趣点、道路、归一化差异植被指数和地温数据,构建多个夜间灯光修正指数,引入最大类间方差算法优化动态阈值法来提取建成区,以武汉市为例对建成区提取精度进行研究。结果表明,综合多源数据的城市建成区提取效果普遍要优于单一数据源,但并非融合的数据类型越多建成区提取精度就越高。使用几何平均值法融合珞珈一号、兴趣点和地温数据构建的LPALUI指数提取建成区最精确,可保留丰富的边界和内部空间信息,其总体精度、Kappa系数和F1-score高达93.7%、0.608、0.957,是城市建成区提取的理想多源数据指数。

基于航空流的中国城市网络结构特征演变研究

探讨航空网络的结构特征和演变规律,可以为航空网络的调整和优化提供理论依据。本文基于1995、2000、2005、2010、2015、2019年中国航空统计数据,采用复杂网络分析法和地理探测器方法,探究中国城市网络结构特征和演变规律,并对其驱动因素进行分析。结果表明:①中国城市网络具有明显的小世界性和一定的类无标度特征,城市网络规模不断扩大,并逐渐由东部向中西部地区扩散。②全国中心城市数量不断增加,中国城市网络呈现出多中心、均衡化发展趋势。③中国城市网络逐渐形成“菱形结构”的核心框架,并呈现出两头高、中间低的鞍型结构。④城市网络联系强度不断提高,形成了4个联系层级,城市网络呈现出明显的等级层次结构。⑤城市网络结构的演变受多重因素共同驱动,城市行政等级、旅游总收入和地方生产总值是影响城市网络结构的主要因素。

基于LightGBM的南阳市西部地区山洪灾害风险评价

山洪灾害是对人类影响较大的自然灾害之一,给国民经济和人民生命财产造成了巨大的损失。开展山洪灾害风险评价是防御山洪灾害的有效方式之一,准确评价山洪灾害风险可为山洪防治工作和决策部署提供有力的技术支撑。研究以南阳市西部地区为研究区域,基于415个历史山洪灾害点,选取高程、坡度、年平均降水量和年最大3 h降水量均值等12项风险指标,构建了轻量级梯度提升LightGBM(Light Gradient Boosting Machine)山洪灾害风险评价模型。同时结合随机森林RF(Random Forest)和极端梯度提升XGBoost(Extreme Gradient Boosting)两种方法,通过准确度、精度等5种主要评价指标对比分析各模型精度,最后采用性能最佳模型绘制研究区山洪灾害风险图,并在此基础上,生成多尺度山洪灾害风险评价图,借此对南阳市西部地区山洪灾害分布特征进行探究,分析山洪灾害成因。结果表明:①LightGBM模型性能最好,精度为91.57%。RF模型性能较差,精度为84.62%;②坡度、高程和年平均降水量是影响研究区山洪发生的主要风险指标;③研究区山洪灾害风险评价结果与实际山洪发育情况基本一致,极高风险区与高风险区的面积占总面积的21%,且主要分布于山脉附近、河流周边最低处以及农田生产潜力大的区域。LightGBM是山洪灾害风险评价的有效方法,可以给南阳市的山洪灾害防御管理规划工作提供指导作用。

高分遥感影像云雪共存区轻量云高精度检测方法

云检测是遥感图像预处理过程中的关键步骤,但是当场景的下垫面中存在雪时,常用的云检测方法易受到干扰而降低云检测精度。此外,现有云检测数据集多为中等分辨率,且并未强调探讨云雪共存区域。因此,本文创建发布了基于高分辨率云雪共存遥感影像的云检测数据集CloudS,并提出了一种面向高分辨率云雪共存场景的轻量云检测卷积神经网络RDC-Net。RDC-Net中包含可重构多尺度特征融合模块以用于多尺度云特征的提取;双重自适应特征融合模块以对有效云特征实现表征重建;可控深层梯度指导流模块进行网络梯度下降的无偏指导。受益于上述几个技术组件,该网络能进一步提升复杂区域云检测的稳健性并促进部署的轻量化。试验结果表明,本文方法对遥感影像中的薄云及雪域上空的云具有极佳的提取能力,同时对雪等高亮地物具有良好的抗干扰能力。此外,RDC-Net具有极少的参数量与前向推理浮点运算量,这也使得其适合于实际的工业生产部署。

顾及多分辨率特征的复合字典城中村识别方法

城中村作为一种特殊的城市聚落类型,对其进行精确有效的监控识别有助于实现城乡协调发展、优化城乡生态环境。现有面向对象的城中村识别方法通常需要大量样本数据,导致训练成本较高,数据更新效率偏低。针对以上问题,本文提出了顾及多分辨率特征的复合字典城中村识别方法。首先通过密集格网采样提取尺度不变特征转换(SIFT)全局特征,并与多分辨率颜色矢量角直方图特征融合,形成视觉词典;然后将影像表示为视觉词频率直方图;最后使用随机森林分类器进行分类,以实现场景尺度的城中村识别。以高分二号影像为测试数据对该方法进行验证,结果表明,其总体精度达90.08%,Kappa系数达80.16%,相较于加速稳健特征(SURF)、SIFT、VGG16、ResNet50,总体精度分别高出8.99%、3.51%、4.78%、2.28%。

基于LRC的城市发展水平时空演变特征及驱动因素分析——以湖北省为例

城市发展水平是衡量一个地区城市化发展程度的重要指标。本文基于谷歌地球引擎(GEE)平台提供的陆地卫星(Landsat)遥感影像,采用随机森林算法识别湖北省2010—2020年建设用地,提取城市中心并计算边路径中心度,利用空间自相关分析模型、变异系数法、标准差椭圆等方法探究其时空演变特征,并借助地理探测器进一步定量分析影响城市发展的驱动因素。结果表明:湖北省城市发展水平区域特征明显;研究期内湖北省城市发展水平全局莫兰指数均为正数,整体呈“N”形趋势增长,高-高聚集和低-低聚集现象显著;城市发展分布中心向西南方向移动,呈西北—东南走向蔓延;城市发展水平差异均有所减小,多数地市差异系数在[-0.2,0.2]范围变化;年降水量和人口密度分别是最影响城市发展的自然因素和社会经济因素,且湖北省城市发展受多重因素的协同作用。

多级索引框及移动向量联合的接触网提取方法

电气化铁道接触网的非接触式检测研究对保障铁道的安全运营具有重要意义,检测工作需要大量的精确接触网点云数据支持,目前存在接触网部件间不易分割导致难以提供精确接触网点云数据支持的问题。针对该问题,本文提出了多级索引及移动向量联合的接触网提取方法。首先利用多级索引框简化铁道场景数据;然后通过轨迹线构建提取通道获取支柱底部中心点集,以计算沿轨移动向量;最后进行二级索引框的姿态调整,实现接触网的准确提取。本文设计了参数分析与对比试验,在10 km铁道场景中进行试验分析。结果表明,本文算法对接触网提取的查准率、查全率、F1均在约99%,均优于参照算法,表明本文算法能够适应复杂场景。

航空摄影过程中云的实时自动检测

云的存在严重影响遥感影像质量。在航空影像的获取过程中,实时的云检测能够及时提供准确的云遮挡比例以评价影像质量,进而指导飞行方案以获取满足质量要求的影像。采用光谱特征阈值的方法,通过分析云光谱的特性,选取能够有效检测云的亮度特征I和归一化差值特征P进行组合。为实现自动检测,在一维Otsu自动阈值和带限定条件Otsu阈值的基础上,设计了阈值的分级配置策略为云特征配置合适的自动阈值,策略的主要思想是:首先采用多级分类标准对影像进行无云、薄云、厚云的类别判定,再对不同类别的影像采取不同的特征阈值配置方案,其中厚云影像的检测需要进一步分类配置阈值。该策略实现了有云情况下能准确检测云、无云情况下检测不到云的应用目标。再结合选择性自动后处理方案,真正做到云的自动、高效、准确的检测。通过与不同方法的检测结果对比分析,表明该方法的检测效率高,精度满足实时质量评定的要求,通用性强。

高分辨率遥感影像阴影的自动检测与自动补偿

提出了高分辨率遥感影像中阴影的检测与补偿的全自动处理方法.首先,利用简单阴影特征构造复合特征的方法联合构建多种光谱阈值检测条件,结合相应自动阈值获取方案实现阴影自动初检测,并设计自动形态学处理方法对初检测结果进行后处理;然后,以补偿模型为基础,通过统计阴影与非阴影区域的亮度均值与均方差、采用特征点提取与匹配的方法自动获取模型参数,再综合区域级整体补偿和窗口级局部补偿两种结果实现阴影的全自动补偿.结果表明,多条件联合检测与自动形态学处理可提升检测结果的总体精度和区域完整性,补偿模型参数自动获取方法可靠有效,综合补偿法充分结合整体与局部补偿的优势,提升整体亮度,突显纹理细节,使得被阴影遮挡的信息得以真实再现.

单幅航空影像中云阴影的自动去除

云阴影的存在严重影响了高分辨率航空遥感影像的视觉效果和影像质量.为去除云阴影,提出了一种无需人工参与的自动处理方法.首先采用光谱特征阈值法初步检测云阴影,再结合形态学方法进行后处理,提取完整的云阴影区域;阴影去除时,设计了一种利用非阴影区域信息、阴影整体区域信息、阴影像素局部窗口及像素本身信息的综合补偿模型,所需参数均可自动获取,进而实现阴影的自动去除.实验表明,区域级、窗口级和像素级多层次信息的引入,使模型的细节敏感度增强,提升了对比度,能灵活根据复杂的云阴影遮挡情况对阴影进行合理提升,有效解决了部分补偿方法存在的补偿效果不均匀的问题,阴影中地物的色彩与纹理等信息均得到更真实的再现.

面向计算思维的Web程序设计教学思考

近些年,越来越多高校的计算机科学与技术专业将锻炼及培养学生的计算思维能力作为计算机基础教学的核心任务.计算思维在地理信息科学专业也越来越受到人们的关注.《Web程序设计》是一门综合性和实践性较强的课程,对于学生操作技能、创新能力以及其综合素质等方面有着举足轻重的作用.对基于计算思维能力培养的Web程序设计教学进行研究和分析,设计以计算思维模式为主线的课程教学目标及内容.

C#程序设计课程数据库编程技术教学研究

针对C#程序设计数据库编程教学中存在的数据源种类多、不理解参数化和存储过程的意义和使用等问题,重新梳理知识点,提出将实践任务融入教学,具体融合知识点并映射为实践任务、实现理论与实践一体化教学,该教学方式有助于培养学生编程思维和实践能力。

GIS专业C#程序设计课程中集合与泛型教学思考

针对C#程序设计中集合与泛型章节教学中存在知识点繁多、关联性差且实践要求高等问题,文章引入面向对象的思想,剖析泛型的由来及发展趋势,对集合与泛型知识点进行梳理,重新组织教学思路与结构,厘清知识点之间的相互关系。并通过改进课堂讲授方法,增加课堂交互及学生授课活动等手段,锻炼学生的编程思维能力,提高学生对知识点的理解、兴趣及实践水平。对学生进行该部分知识点上机测试教学评价,取得良好的教学效果。

道路网多特征匹配优化算法

同名道路匹配技术是道路数据集成、更新和融合的重要前提。道路网匹配在智能交通(intelligent transportation system,ITS)与位置服务(location-based service,LBS)等方面具有重要的研究价值和应用意义。本文提出了一种道路网多特征匹配优化算法:首先从形状、距离、语义3方面分别设计了基于面积累积的形状差、综合中值Hausdorff距离和全局加权属性项距离3种相似性度量,以更准确地描述道路待匹配对之间的特征差异;然后通过SVM对相似性特征样本集训练,以构建道路网回归匹配模型;最后利用此模型对未知匹配结果道路待匹配对进行匹配结果预测。大量试验结果表明,本文算法对非线性偏差明显的道路网数据能够实现较高的匹配准确率和召回率,能有效地用于包含多重匹配关系的道路网匹配。

基于地面激光技术的隧道变形监测技术

研究了将地面激光技术应用于地铁隧道变形监测,运用基于点云法向量差异的点云分割算法对点云数据进行抽稀,使用抽稀后点云数据构建地铁隧道模型,对隧道进行整体变形分析,构建地铁隧道三维模型不仅提高了变形监测精度,而且能够反映隧道整体变形趋势。将此方法应用于天津地铁一号线隧道变形监测,通过与光纤位移计结果对比,变形监测精度在4 mm以内,能够满足地铁隧道变形监测的需要。

基于POI数据的长沙市文化设施时空分布格局研究

基于2010年、2015年和2020年的长沙市文化设施POI数据,采用ArcGIS空间分析方法和地理探测器工具定量分析了该市文化设施时空分布格局及其影响因素。结果表明:(1)长沙市文化设施数量持续增加,但各区分布不均衡,各类增幅有差异。(2)城市总体文化设施的集聚程度由"内密外疏"转为"东密西疏",区间差异较大。(3)各类文化设施的空间分布与其自身特点和城市实际发展情况关联密切。(4)交互探测结果显示,作用类型为双因子增强,表明长沙市文化设施的空间分布受多重因素的协同作用,经济发展水平对各类文化设施分布的影响强度最大。

基于双向循环神经网络的汉语语音识别

当前基于深度神经网络模型中,虽然其隐含层可设置多层,对复杂问题适应能力强,但每层之间的节点连接是相互独立的,这种结构特性导致了在语音序列中无法利用上下文相关信息来提高识别效果,而传统的循环神经网络虽然做出了改进,但是只能对上文信息进行利用。针对以上问题,该文采用可以同时利用语音序列中上下文相关信息的双向循环神经网络模型与深度神经网络模型相结合,并应用于语音识别。构建具有5层隐含层的模型,其中第3层为双向循环神经网络结构,其他层采用深度神经网络结构。实验结果表明:加入了双向循环神经网络结构的模型与其他模型相比,较好地提高了识别正确率;噪声对双向循环神经网络汉语识别有重要影响,尤其是训练集和测试集附加噪声类型不同时,单一的含噪声语音的训练模型无法适应不同噪声类型的语音识别;调整神经网络模型中隐含层神经元数量后,识别正确率并不是一直随着隐含层中神经元数量的增加而增加,神经元数量数目增加到一定程度后正确率出现了降低的趋势。

彩色分割的航空影像房屋自动检测

航空影像房屋提取方法的研究中大多基于灰度影像的区域生长算法,此类算法不仅忽略了不同材质的房屋所呈现的光谱特征对提取结果的影响,而且过于依赖种子像素的选取,处理效率不高。为了从高分辨率航空影像中实现房屋的自动检测,综合利用彩色信息与屋顶材料的光谱特征,采用影像分割原理,研究了房屋自动检测的方法。首先对RGB与HIS彩色空间进行转换,利用HIS空间各分量间不相关的特点和屋顶材料光谱特征进行影像分割,分离出红色瓦片屋顶与灰色水泥屋顶区域,并利用标记分水岭算法实现房屋区域的初始分割;然后计算各标记区域内的色调均值选取种子像斑样本,进而以像斑为单元在色调分量中进行区域生长,最后经过消除小斑和矩形拟合优化处理,得到轮廓清晰的房屋区域。与传统的基于像素区域分割算法相比,该方法整个过程无需人工干预且均在一维彩色空间进行处理,计算量明显降低,同时采用改进的基于像斑区域生长算法能够兼顾邻近区域内像素的几何结构信息,使算法精度得到显著提高,采用上述方法对高分辨率航空影像进行了实验,结果证明该方法有着较高的处理效率和准确性,具有实用价值。