測(cè)繪科學(xué)技術(shù)

DEM輔助下的河道細(xì)小線性水體自適應(yīng)迭代提取

朱長(zhǎng)明，駱劍承，沈占鋒，等

摘要：目的：針對(duì)河道細(xì)小線性水體高精度自動(dòng)化提取比較困難。提出一種河流線狀水體遙感自動(dòng)識(shí)別方法，通過地理空間位置特征融入和光譜空間“全域—局部”自適應(yīng)迭代計(jì)算，降低信息提取過程復(fù)雜環(huán)境背景信號(hào)的干擾，突出計(jì)算的主動(dòng)性，提高山區(qū)河道提取的精確化、自動(dòng)化水平。方法：綜合考慮河流在地理空間的位置分布特征與遙感影像的光譜表現(xiàn)特征，根據(jù)“全域—局部”自適應(yīng)分步迭代思想，設(shè)計(jì)了DEM的輔助下“圖—譜”（空間和光譜）耦合自適應(yīng)迭代的提取算法。首先，利用全球30 m ASTER DEM數(shù)據(jù)生成流域的水系分布圖，提取河道可能分布的地理空間位置信息；然后，根據(jù)歸一化水體指數(shù)（NDWI）公式，計(jì)算遙感影像的歸一化水體指數(shù)；第三，根據(jù)水系周邊的高程信息和緩沖區(qū)分析創(chuàng)建信息提取的目標(biāo)靶區(qū)，以減少環(huán)境背景信號(hào)的干擾；第四，通過“全域—局部”自適應(yīng)分步迭代計(jì)算達(dá)到水體信息精確識(shí)別。全局初始分割閾值根據(jù)目標(biāo)靶區(qū)內(nèi)NDWI直方圖分布特征確定，局部分割閾值通過局部窗口內(nèi)部的河道水體單元迭代反饋運(yùn)算，自適應(yīng)動(dòng)態(tài)調(diào)整以達(dá)到局部河道水體識(shí)別最佳效果；最后，通過形態(tài)學(xué)運(yùn)算等后處理，矢量化出圖。結(jié)果：本文的算法在提高精度的同時(shí)，增強(qiáng)了遙感信息計(jì)算的針對(duì)性，大大地提高了河流提取效率。從算法執(zhí)行效率看，本文的算法耗時(shí)差不多是全局—局部迭代閾值分割算法的一半；特別是在河流斷線方面，文中的方法提取的結(jié)果正常情況下幾乎沒有什么斷線，只需要人工打開查看、檢查錯(cuò)誤，大大降低了后處理工作量。從自動(dòng)識(shí)別精度看，通過隨機(jī)選取了80個(gè)驗(yàn)證點(diǎn)（50個(gè)水體，30個(gè)非水體），簡(jiǎn)單閾值分割算法精度約為75%，全局—局部迭代水體算法精度約為87.5%，而本文中的方法對(duì)河流水體提取的總體精度達(dá)到了95%，尤其是對(duì)非水體的辨?zhèn)温剩岣叻浅Ｃ黠@。結(jié)論：（1）通過空間位置信息融入建立信息提取目標(biāo)靶區(qū)，可有效降低背景干擾、突出目標(biāo)細(xì)小水體信息，提高信息計(jì)算的針對(duì)性和算法效率；（2）通過局部分割閾值自適應(yīng)迭代計(jì)算，可有效地識(shí)別局部細(xì)小水體單元，提高分類精度。

來源出版物：測(cè)繪學(xué)報(bào), 2013, 42(2): 277-283

入選年份：2016

結(jié)合空間像素模板和Adaboost算法的高分辨率遙感影像河流提取

慎利，唐宏，王世東，等

摘要：目的：高分辨率遙感影像的可獲取性日益增強(qiáng)，使得在較小的空間尺度上監(jiān)測(cè)地表的細(xì)節(jié)成為可能。在傳統(tǒng)基于光譜特征分類的基礎(chǔ)上，充分挖掘像素間的空間關(guān)系已成為高分辨率遙感影像自動(dòng)解譯的關(guān)鍵之一。結(jié)合特征選擇方法和Adaboost集成學(xué)習(xí)手段，研究高分辨率遙感影像河流提取方法。方法：利用特征選擇方法自動(dòng)生成空間像素模板，以此度量空間鄰域關(guān)系，并結(jié)合Adaboost算法來實(shí)現(xiàn)高分辨率影像上河流的精確提取。首先，定義空間像素模板為表征像素間空間相關(guān)關(guān)系特征的鄰域模式，并將給定大小窗口內(nèi)最佳模板的確定視作一個(gè)特征選擇問題?；谶^濾式特征選擇方法實(shí)現(xiàn)模板的自動(dòng)生成。然后，以該模板遍歷整幅影像，為影像中每個(gè)像素構(gòu)建包含空間上下文信息的多維特征向量；最后，利用Adaboost集成學(xué)習(xí)方法實(shí)現(xiàn)多維特征的加權(quán)集成利用，從而最終精確地提取河流。選取一幅1235×852的山區(qū)IKONOS多光譜遙感影像（3個(gè)波段，分辨率4 m）和一幅1000×1000的農(nóng)村區(qū)域EROSB全色影像（分辨率0.6 m）作為實(shí)驗(yàn)數(shù)據(jù)。采用基于像素的SVM方法、SVM＋過分割投票方法以及基于高斯混合模型＋馬爾科夫隨機(jī)場(chǎng)方法作為對(duì)比方法，驗(yàn)證所提出方法的有效性。以人工目視解譯的河流地表真實(shí)值，作為評(píng)價(jià)不同方法結(jié)果有效性的依據(jù)。結(jié)果：（1）由于同物異譜現(xiàn)象的存在，SVM算法分類結(jié)果中IKONOS影像上山體陰影和河流、EROS-B影像上河流和農(nóng)田存在明顯的混分；此外，基于像素的SVM方法，兩個(gè)場(chǎng)景影像中提取的河流結(jié)果均呈現(xiàn)嚴(yán)重的斑點(diǎn)噪聲。（2）基于空間像素模板的Adaboost方法、SVM＋過分割投票方法和基于高斯混合模型＋馬爾科夫隨機(jī)場(chǎng)方法由于考慮了像素間的空間相關(guān)性，河流提取結(jié)果更加緊湊，孤立的像素簇較少。（3）但是，本文提出的方法利用像素間空間關(guān)系的機(jī)制與另外兩種方法不盡相同，其通過空間像素模板能夠獲取不同類別之間的共存關(guān)系，因此在區(qū)分光譜接近的不同地物時(shí)，能夠利用鄰近像素的類別來輔助判定待識(shí)別目標(biāo)。（4）另外兩種方法利用空間關(guān)系的本質(zhì)是在SVM算法或高斯混合模型的基礎(chǔ)上加入一個(gè)先驗(yàn)性約束：即鄰近像素應(yīng)該具備相同的類別，因此盡管這兩種方法也能夠保證目標(biāo)提取結(jié)果的空間一致性，但是其內(nèi)在模型決定它們并沒有區(qū)分同譜異物的能力。（5）定量化評(píng)價(jià)指標(biāo)（總體精度和Kappa系數(shù)）的對(duì)比進(jìn)一步驗(yàn)證了所提出方法的優(yōu)越性。結(jié)論：如何有效顧及像素之間的空間關(guān)系，成為提高高分辨率遙感影像解譯精度的關(guān)鍵。提出了一種有效的高分辨率遙感影像河流提取方法，它包括一種能夠度量空間鄰域關(guān)系的空間像素模板和adaboost集成學(xué)習(xí)算法。該方法能夠同時(shí)保證河流提取結(jié)果空間平滑性和語義連續(xù)性。

來源出版物：測(cè)繪學(xué)報(bào), 2013, 42(3): 344-350

入選年份：2016

利用位置簽到數(shù)據(jù)探索城市熱點(diǎn)與商圈

胡慶武，王明，李清泉

摘要：目的：城市熱點(diǎn)探測(cè)和商圈分析對(duì)城市圈區(qū)域經(jīng)濟(jì)規(guī)劃至關(guān)重要。為及時(shí)、準(zhǔn)確探測(cè)城市熱點(diǎn)和客觀高效分析商圈，提出了一種基于社交網(wǎng)絡(luò)眾源位置簽到數(shù)據(jù)的城市熱點(diǎn)探測(cè)與商圈挖掘方法。方法：首先，對(duì)離散簽到數(shù)據(jù)進(jìn)行格網(wǎng)化處理，將大數(shù)據(jù)量、離散簽到位置點(diǎn)轉(zhuǎn)化成具有空間連續(xù)性與鄰接性并能夠更好反映簽到事件集聚密度的格網(wǎng)數(shù)據(jù)。其次，運(yùn)用探索性空間數(shù)據(jù)分析（ESDA，exploratory spatial data analysis）度量簽到數(shù)據(jù)的空間相關(guān)性，量算其空間結(jié)構(gòu)和全局分布模式，以確定熱點(diǎn)探測(cè)和商圈聚類的最佳模式。再次，采用空間聚類分析識(shí)別出具有統(tǒng)計(jì)顯著性的熱點(diǎn)、冷點(diǎn)和空間異常值位置。最后，通過度量聚類分析結(jié)果的地理空間分布，得到具有統(tǒng)計(jì)顯著性的聚類地理要素的空間特征：包括商圈范圍、中心變化趨勢(shì)和方向發(fā)展趨勢(shì)。結(jié)果：以武漢市為例，對(duì)街旁網(wǎng)截止到2011年9月30日位置簽到數(shù)據(jù)進(jìn)行城市熱點(diǎn)探測(cè)與商圈挖掘，結(jié)果表明，武漢形成了以武昌、漢口、漢陽為主要格局的商業(yè)商務(wù)板塊以及具有一定規(guī)模的數(shù)十個(gè)大中型商圈，符合武漢三鎮(zhèn)商圈實(shí)際分布情況，與區(qū)域功能特征以及人口分布特征吻合。武昌商圈商業(yè)熱點(diǎn)數(shù)已超過漢口，可見，武昌作為傳統(tǒng)科教文化政治中心，在經(jīng)濟(jì)商業(yè)方面有趕超漢口這一個(gè)傳統(tǒng)經(jīng)濟(jì)中心的趨勢(shì)，主要原因是依托東湖高新技術(shù)開發(fā)區(qū)政策導(dǎo)向形成的魯巷光谷商圈與高校教育科技資源聚集的街道口商圈影響。相比之下，位于漢陽的武漢經(jīng)濟(jì)技術(shù)開發(fā)區(qū)商業(yè)規(guī)模處于起步與發(fā)展階段，商圈中商業(yè)網(wǎng)點(diǎn)相當(dāng)較少。較漢口商業(yè)模式，武昌商圈在總體上地理分布較為離散，表現(xiàn)出了明顯的商圈區(qū)域性分布。漢口方面，傳統(tǒng)的江漢路商圈、武廣世貿(mào)商圈依舊發(fā)揮著砥柱中流的作用，新興的武漢天地商圈、菱角湖（萬達(dá)）商圈也扮演著越來越重要的角色。從各商圈空間特征來看，其中心趨勢(shì)、分布范圍以及方向趨勢(shì)特征基本符合武漢市社會(huì)經(jīng)濟(jì)發(fā)展規(guī)劃和趨勢(shì)，準(zhǔn)確反映出當(dāng)前武漢地區(qū)商業(yè)經(jīng)濟(jì)集散地的空間模式與分布特征。結(jié)論：眾源位置簽到數(shù)據(jù)商圈探測(cè)通過以興趣點(diǎn)簽注人數(shù)為權(quán)重的聚類分析和構(gòu)建標(biāo)準(zhǔn)差橢圓的方法，精確確定城市商圈的范圍與分布情況，從中觀層面利用空間分析和挖掘等手段對(duì)城市熱點(diǎn)和商圈進(jìn)行探測(cè)與分析。與傳統(tǒng)的商圈測(cè)定與分析方法相比，本文方法具有數(shù)據(jù)客觀、實(shí)時(shí)性好、準(zhǔn)確性高等特點(diǎn)，基于眾源位置簽到數(shù)據(jù)分析得到武漢商圈分布結(jié)果符合客觀事實(shí)且更為細(xì)致，反映了大眾日常生活行為與武漢地區(qū)商業(yè)經(jīng)濟(jì)分布的高度相關(guān)性，為監(jiān)測(cè)城市商業(yè)圈分布及其發(fā)展趨勢(shì)提供了一種新的方法，也為城市規(guī)劃和行政決策提供了比較直觀的參考。

來源出版物：測(cè)繪學(xué)報(bào), 2014, 43(3): 314-321

入選年份：2016