基于空间分异的高标准农田建设空间特征判别系统设计与实现

为提升高标准农田监管效能,该文基于空间分异规律,依据相关标准和规划,构建了差别化的高标准农田建设空间特征判别指标体系,在此基础上,使用C#.NET、ArcObject技术,设计和实现了高标准农田建设空间特征判别系统。系统的实证案例表明:用于监测评价场景的黄土高原案例区符合高标准农田空间特征的田块38.33 hm^2,与验收后实际确认的高标准农田相比,总体判别精度为94.38%。2)用于设计评审场景的南方山地丘陵案例区符合高标准农田空间特征的30.07 hm^2,较批复立项的高标准农田多10.34 hm^2,造成该差异的主要因素是部分田块尚未划定为永久基本农田,如扣除永久基本农田划定因素,总体判别精度为100%。从实例结果看,使用该系统可从空间特征方面辅助判别高标准农田,分析高标准农田建设在田块平整、道路和灌排设施配套、农田防护方面的不足,为丰富高标准农田监测手段、提升管理效能提供参考。

基于特征空间判别分析的高光谱遥感图像分类

高光谱遥感图像包含了相当大的数据量,不同地物信息丰富,谱间相关性强,而且也有跟多的冗余信息。使得处理数据过程变得特别的复杂,还会影响地物识别和分类精度,给高光谱遥感图像分类技术带来了诸多的问题和挑战。因此,数据降维是高维数据分类之前的重要步骤。笔者提出基于特征空间判别分析(FSDA)的高光谱遥感图像分类算法,首先,最大化光谱间散射矩阵以增加提取的特征之间的差异;第二步,最大化类间散布矩阵同时最小化类内散度矩阵。最后利用支持向量机(SVM)对降维后的数据进行分类。实验结果表明,相比直接利用SVM分类本文算法有更好的分类效果。

Texture Analysis and Characteristic Identification About Plaque Tissues of IVUS

Intravascular ultrasound can provide clear real-time cross-sectional images,including lumen and plaque.In practice,to identify the plaques tissues in different pathological changes is very important.However,the grayscale differences of them are not so apparent.In this paper a new textural characteristic space vector was formed by the combination of Co-occurrence Matrix and fraction methods.The vector was projected to the new characteristic space after multiplied by a projective matrix which can best classify those plaques according to the Fisher linear discriminant.Then the classification was completed in the new vector space.Experimental results found that the veracity of this classification could reach up to 88%,which would be an accessorial tool for doctors to identify each plaque.