測繪科學(xué)技術(shù)

中國區(qū)域IGS基準(zhǔn)站坐標(biāo)時(shí)間序列噪聲模型建立與分析

李昭，姜衛(wèi)平，劉鴻飛，等

摘要：目的：分析長時(shí)間累積的全球IGS基準(zhǔn)站位置時(shí)間序列可以獲得測站精確的運(yùn)動(dòng)趨勢，從而更深層次地研究造成測站運(yùn)動(dòng)的內(nèi)部驅(qū)動(dòng)機(jī)制，具有重要的理論意義和應(yīng)用前景。本文的主要目的在于利用更長的GPS坐標(biāo)時(shí)間序列，采用更多種類的噪聲模型組合更可靠地分析中國區(qū)域IGS基準(zhǔn)站坐標(biāo)時(shí)間序列的隨機(jī)特征，同時(shí)計(jì)算地表質(zhì)量負(fù)載造成的測站位移，給出負(fù)載改正前后中國區(qū)域代表性GPS基準(zhǔn)站各分量的最優(yōu)噪聲模型。方法：選取ITRF2005框架下中國區(qū)域（包括臺(tái)灣地區(qū)）11個(gè)IGS基準(zhǔn)站1995—2010年的坐標(biāo)時(shí)間序列，根據(jù)極大似然估計(jì)（Maximum Likelihood Estimation，MLE）方法，選取FN+WN，F(xiàn)N+VW，RW+WN，F(xiàn)N+RW+WN，PL+WN，F(xiàn)OGM+RW+WN以及BPPL+WN共7種噪聲模型，基于CATS軟件對11個(gè)基準(zhǔn)站進(jìn)行噪聲分析。采用QOCA軟件計(jì)算包括大氣壓、非潮汐海洋及水文負(fù)載在內(nèi)的地表質(zhì)量負(fù)載造成的基準(zhǔn)站位移，并對負(fù)載改正后的時(shí)間序列重新進(jìn)行噪聲分析。結(jié)果：（1）中國區(qū)域IGS基準(zhǔn)站坐標(biāo)時(shí)間序列的噪聲模型存在多樣性，且 N、E、U方向分量表現(xiàn)出不同的噪聲特性。未計(jì)算地表質(zhì)量負(fù)載改正前，僅55%的測站分量采用FN+WN模型描述最為合適，其他復(fù)雜噪聲模型均占一定比例；（2）對于FN+WN模型而言，不同復(fù)雜噪聲模型對測站速度的影響約為0.01～0.3 mm/a，少數(shù)測站U分量超過1 mm/a。速度不確定度受噪聲模型的影響較大，量級約為亞毫米/年（0.1～0.8 mm/a），建立毫米級參考框架及板塊運(yùn)動(dòng)分析時(shí)需顧及這種差異；（3）地表質(zhì)量負(fù)載會(huì)造成測站的噪聲特性變化，主要體現(xiàn)在N、U方向分量。計(jì)算負(fù)載改正后，F(xiàn)N+WN模型的比例增大（64%），F(xiàn)N+RW（3%）及BPPL+WN（21%）模型比例減小。結(jié)論：率先提出中國區(qū)域IGS基準(zhǔn)站的噪聲模型存在多樣性，且各分量具有不同的噪聲特性，主要表現(xiàn)為閃爍噪聲+白噪聲和帶通冪律噪聲+白噪聲。該模型較已有的白噪聲+閃爍噪聲組合模型更能合理解釋坐標(biāo)時(shí)間序列所反應(yīng)的信號(hào)。此外，地表質(zhì)量負(fù)載會(huì)造成測站的噪聲特性變化，主要表現(xiàn)為帶通及隨機(jī)漫步噪聲特征。不同復(fù)雜噪聲模型對測站線性速度及不確定度會(huì)產(chǎn)生一定影響，少數(shù)測站高程分量差異甚至超過 1 mm/a。

來源出版物：測繪學(xué)報(bào), 2012, 41(4)： 496-503

入選年份：2017

車載激光掃描數(shù)據(jù)的結(jié)構(gòu)化道路自動(dòng)提取方法

方莉娜，楊必勝

摘要：目的：道路信息是基礎(chǔ)地理信息的重要組成部分之一，準(zhǔn)確、高精度的道路信息對于城市建模、交通控制以及導(dǎo)航與位置服務(wù)等具有重要的作用。車載激光掃描系統(tǒng)能夠獲取城市街道的幾何數(shù)據(jù)和紋理信息，為道路信息快速獲取、更新以及三維道路環(huán)境自動(dòng)提取開辟了新的途徑。但車載激光掃描系統(tǒng)獲取的復(fù)雜道路環(huán)境點(diǎn)云數(shù)據(jù)量大、目標(biāo)復(fù)雜，難以有效提取出道路的點(diǎn)云。本文通過分析掃描線上激光點(diǎn)云的空間分布和統(tǒng)計(jì)特征，提出一種適用于復(fù)雜道路環(huán)境的道路點(diǎn)云自動(dòng)提取方法。方法：本文方法首先根據(jù)掃描點(diǎn)的GPS時(shí)間或角度差，將掃描點(diǎn)分割為一系列有序的二維條帶，從離散點(diǎn)云中提取出掃描線。然后根據(jù)道路表面在掃描線上呈近似水平分布的空間分布特征，利用移動(dòng)窗口法對每一條掃描線從兩端往中間逐點(diǎn)分析連續(xù)相鄰窗口的高程差值，確定地面的2個(gè)邊界區(qū)域進(jìn)行地面濾波。經(jīng)過高程濾波后的地面點(diǎn)云由道路點(diǎn)云、道路邊界（路坎）以及道路周圍人行道點(diǎn)云構(gòu)成，相對于道路表面而言路坎部分的掃描點(diǎn)分布較為密集，且這些點(diǎn)的水平坐標(biāo)相近、垂直方向上存在一定的高差。根據(jù)路坎連接路面角度不同，構(gòu)建3種的常見路坎類型，并用高程、點(diǎn)密度和坡度3個(gè)指標(biāo)構(gòu)建路坎模型，從地面點(diǎn)云中提取精確的路坎點(diǎn)云；最后利用相鄰掃描線中的路坎分布具有相似性特點(diǎn)，對提取的路坎點(diǎn)進(jìn)行跟蹤和優(yōu)化，從而實(shí)現(xiàn)道路的快速準(zhǔn)確提取。結(jié)果：為了驗(yàn)證本文方法的有效性，采用Optech公司的Lynx Mobile Mapper系統(tǒng)采集的居民區(qū)和城市街區(qū)兩份數(shù)據(jù)進(jìn)行試驗(yàn)。其中，居民區(qū)數(shù)據(jù)的掃描范圍大致為460 m×375 m，共8139716個(gè)數(shù)據(jù)點(diǎn)；街區(qū)數(shù)據(jù)的掃描范圍大致為400 m×2115 m，共32123587個(gè)數(shù)據(jù)點(diǎn)。居民區(qū)數(shù)據(jù)中包括大量的房屋，草坪以及柵欄等地物，整個(gè)區(qū)域地形起伏比較大；而街區(qū)道路環(huán)境包括大量高層建筑物立面信息，茂盛的行道樹，以及大量的路燈，電力線等地物，道路中央存在大量的異型非規(guī)則花壇。因?yàn)樵搶?shí)驗(yàn)數(shù)據(jù)源沒有提供標(biāo)定道路中心線等參考數(shù)據(jù)，無法得到參考的路面點(diǎn)云（手工亦無法統(tǒng)計(jì)大范圍的路面點(diǎn)云），本文只驗(yàn)證道路邊界（路坎）提取的精度。本文先將提取的矢量路坎點(diǎn)云轉(zhuǎn)換成Keyhole Markup Language（KML）文件，通過Google Earth與其地面數(shù)據(jù)進(jìn)行套和進(jìn)行直觀視覺精度評價(jià)。然后通過人工方法多次測量的手段統(tǒng)計(jì)以下數(shù)據(jù)：參考路坎高度（HR）（測量的平均高程值）；② 未檢測出的路坎長度（FN）；③ 檢測出錯(cuò)誤路坎長度（FP），然后計(jì)算如下的精度評價(jià)指標(biāo)：準(zhǔn)確度、完整度、提取質(zhì)量。在Optech公司提供的兩份車載激光掃描點(diǎn)云數(shù)據(jù)中，道路提取結(jié)果的完整率、準(zhǔn)確率、提取質(zhì)量相應(yīng)地超過94.92%、95.80%、91.13%，絕大多數(shù)路坎都被正確提取，并且提取的路坎高度與參考的路坎高度的相近。通過定性和定量的分析都表明本文算法能夠從道路環(huán)境提取精確的路坎和路面點(diǎn)云。結(jié)論：本文以車載激光掃描點(diǎn)云數(shù)據(jù)為研究對象，將離散點(diǎn)云轉(zhuǎn)化成掃描線，并用高程、點(diǎn)密度和坡度3個(gè)指標(biāo)構(gòu)建路坎模型，提出一種適合大范圍道路環(huán)境的道路提取方法。并通過Optech公司提供的車載激光點(diǎn)云進(jìn)行了驗(yàn)證。結(jié)果表明，無論從目視解譯還是定量的指標(biāo)評價(jià)，本文方法都能提取出精確的道路點(diǎn)云，并且能夠從復(fù)雜的道路環(huán)境中提取規(guī)則和非規(guī)則的道路點(diǎn)云。這解決了單純利用道路幾何屬性信息只能提取簡單道路，再無輔助數(shù)據(jù)（如：影像、路網(wǎng)數(shù)據(jù)）支持的條件下難以從復(fù)雜大場景道路環(huán)境中提取道路點(diǎn)云的問題。

來源出版物：測繪學(xué)報(bào), 2013, 42(2)： 260-267

入選年份：2017

多核處理器的機(jī)載激光雷達(dá)點(diǎn)云并行三角網(wǎng)漸進(jìn)加密濾波方法

亢曉琛，劉紀(jì)平，林祥國

摘要：目的：機(jī)載激光雷達(dá)（light detection and ranging，LiDAR）點(diǎn)云數(shù)據(jù)已經(jīng)廣泛應(yīng)用于數(shù)字高程模型（DEM）生成、城市環(huán)境三維建模、災(zāi)害調(diào)查、環(huán)境監(jiān)測等領(lǐng)域。點(diǎn)云數(shù)據(jù)的濾波過程，即將激光腳點(diǎn)區(qū)分為地面點(diǎn)和非地面點(diǎn)，是點(diǎn)云數(shù)據(jù)處理的關(guān)鍵步驟之一。濾波處理及質(zhì)量控制所消耗的時(shí)間占到整個(gè)處理時(shí)間的60%～80%。如何提高濾波的計(jì)算效率已成為重要研究問題之一。本文提出一種基于多核處理器的并行漸進(jìn)加密濾波方法來提高濾波處理效率，其中包括三角網(wǎng)并行構(gòu)網(wǎng)算法與并行腳點(diǎn)判別算法。方法：漸進(jìn)加密濾波方法通過多次迭代執(zhí)行地面點(diǎn)加密構(gòu)網(wǎng)和腳點(diǎn)判別計(jì)算來區(qū)分地面點(diǎn)與非地面點(diǎn)，其并行化的關(guān)鍵在于對三角網(wǎng)構(gòu)建過程與腳點(diǎn)判別過程進(jìn)行并行加速。以開源的不規(guī)則三角網(wǎng)構(gòu)建庫Triangle為基礎(chǔ)，在漸進(jìn)加密中將首次濾波得到的地面點(diǎn)集合以速度最快的分治法構(gòu)網(wǎng)，而后續(xù)濾波得到的少量地面點(diǎn)以增量插入法順序加入到三角網(wǎng)中。分治構(gòu)網(wǎng)時(shí)，首先將地面腳點(diǎn)在空間上劃分為N個(gè)點(diǎn)數(shù)近似相等的數(shù)據(jù)帶；然后對各數(shù)據(jù)帶進(jìn)行并行獨(dú)立構(gòu)網(wǎng)，結(jié)束后會(huì)生成N個(gè)子三角網(wǎng)；最后對相鄰子三角網(wǎng)執(zhí)行N-1次拼接生成整個(gè)三角網(wǎng)。濾波計(jì)算中，引入一種三角網(wǎng)的隨機(jī)分配方式，通過模運(yùn)算使三角網(wǎng)對應(yīng)的三角形元素盡可能離散分布到N個(gè)子集中，使點(diǎn)云分布差異造成的負(fù)載失衡盡可能最小化，最后通過并行濾波加速得到最終計(jì)算結(jié)果。結(jié)果：在濾波處理中，并行數(shù)N可動(dòng)態(tài)調(diào)整以確定計(jì)算資源的使用比例與算法性能。最大加密次數(shù)I可預(yù)先設(shè)定，一般5～6次可達(dá)到較為理想效果。最大地物尺寸M由處理的具體數(shù)據(jù)決定。并行漸進(jìn)加密濾波方法的實(shí)現(xiàn)需要將點(diǎn)云數(shù)據(jù)及三角網(wǎng)存儲(chǔ)于共享內(nèi)存中，以便于實(shí)現(xiàn)多線程的并發(fā)讀寫。OpenMP（open multi-processing）作為一種主流的共享內(nèi)存并行編程模型，為編寫并行應(yīng)用程序提供了一套標(biāo)準(zhǔn)的、可移植的 API接口，適合作為并行加密濾波的處理框架。試驗(yàn)選用大連市城區(qū)局部范圍點(diǎn)云數(shù)據(jù)，點(diǎn)數(shù)約為1000萬，點(diǎn)密度為5.0/m2。該數(shù)據(jù)分布均勻，經(jīng)處理得到正態(tài)分布與集聚分布兩種常見分布形態(tài)。選用8核處理器CPU進(jìn)行測試，發(fā)現(xiàn)各次加密濾波均得到較為理想的并行效果。隨著并行線程數(shù)的增加，加速比值獲得顯著提高。同時(shí)，隨機(jī)分配策略下的并行方法能夠較好的適應(yīng)不同分布形態(tài)數(shù)據(jù)，其原因在于計(jì)算量較高或者較低的數(shù)據(jù)區(qū)域被劃分到不同數(shù)據(jù)集，各計(jì)算線程被分派的計(jì)算量近似相等。結(jié)論：并行漸進(jìn)加密濾波方法對不同分布形態(tài)點(diǎn)云數(shù)據(jù)具有良好的適應(yīng)性，可以很好的解決計(jì)算量分布不均問題，從而提高算法效率。本文研究重點(diǎn)在于借助處理器多核計(jì)算技術(shù)來提高漸進(jìn)加密濾波方法的實(shí)際效率。通過對三角網(wǎng)構(gòu)網(wǎng)與腳點(diǎn)判別兩個(gè)最為耗時(shí)的計(jì)算過程進(jìn)行并行優(yōu)化，極大提高了漸進(jìn)加密濾波方法的實(shí)際性能。8核環(huán)境下，并行加密濾波方法的加速比約為 3.1，千萬級點(diǎn)云數(shù)據(jù)的迭代濾波僅耗時(shí)16 s左右。從數(shù)據(jù)角度分析，計(jì)算量分布不均是一般濾波方法并行化中普遍存在的問題，論文研究內(nèi)容為實(shí)現(xiàn)復(fù)雜場景下串行濾波方法的并行優(yōu)化提供了一種可行的技術(shù)思路。

來源出版物：測繪學(xué)報(bào), 2013, 42(3)： 331-336

入選年份：2017

高分辨率衛(wèi)星遙感影像姿態(tài)角系統(tǒng)誤差檢校

袁修孝，余翔

摘要：目的：由于國產(chǎn)高分辨衛(wèi)星遙感影像的幾何處理精度較國外同等分辨率的衛(wèi)星遙感影像要低1～2個(gè)數(shù)量級，難以滿足國民經(jīng)濟(jì)和國防建設(shè)的應(yīng)用需求，嚴(yán)重降低了國產(chǎn)高分辨衛(wèi)星遙感影像的使用效率。本文基于衛(wèi)星遙感影像嚴(yán)格幾何處理模型，研究了影像姿態(tài)角系統(tǒng)誤差的檢校模型和方法，以提高國產(chǎn)高分辨衛(wèi)星遙感影像的對地目標(biāo)定位精度。方法：衛(wèi)星遙感影像的姿態(tài)角誤差是制約其對地目標(biāo)定位精度的主要因素，基于衛(wèi)星遙感影像嚴(yán)格幾何處理模型，在不考慮傳感器位置誤差的前提下，對擴(kuò)展共線條件方程中角元素隨成像時(shí)刻線性變化、并輔之合適的像平面坐標(biāo)系統(tǒng)誤差改正而進(jìn)行影像定向。將所獲得的“精確”影像姿態(tài)角與傳感器姿態(tài)測量數(shù)據(jù)進(jìn)行比較，以求得傳感器姿態(tài)角的系統(tǒng)誤差補(bǔ)償參數(shù)，進(jìn)而實(shí)現(xiàn)對影像姿態(tài)角的系統(tǒng)誤差檢校。結(jié)果：分析衛(wèi)星遙感影像姿態(tài)角系統(tǒng)誤差檢校結(jié)果發(fā)現(xiàn)，俯仰角和偏航角的誤差會(huì)隨影像成像掃描時(shí)間呈單一線性變化，而滾轉(zhuǎn)角的誤差則隨影像成像掃描時(shí)間呈拋物線變化，且偏航角的誤差相對較大，俯仰角的誤差次之，而滾轉(zhuǎn)角的誤差最小。相對于CBERS-02B影像，SPOT-5影像的行積分跳變要平緩許多，當(dāng)用推掃時(shí)間的二次函數(shù)來擬合此項(xiàng)誤差時(shí)，SPOT-5影像比CBERS-02B影像可獲得更佳的對地目標(biāo)定位精度。采用本文提出的姿態(tài)角系統(tǒng)誤差模型補(bǔ)償后，衛(wèi)星遙感影像的直接對地目標(biāo)定位精度均有了大幅度的提高：SPOT-5影像的直接對地目標(biāo)定位精度幾乎達(dá)到了像素級水平，而CBERS-02B影像的直接對地目標(biāo)定位精度由千米級躍升到了米級。這說明本文提出的姿態(tài)角系統(tǒng)誤差檢校方法是行之有效的，并且具有一定的普適性。結(jié)論：本文基于高分辨率衛(wèi)星遙感影像嚴(yán)格幾何處理模型建立了影像姿態(tài)角誤差檢校模型，利用該模型對影像姿態(tài)角誤差進(jìn)行補(bǔ)償后，能大幅度提高衛(wèi)星遙感影像的直接對地目標(biāo)定位精度，將CBERS-02B影像的對地目標(biāo)定位精度提升到了±2～3像素的水平。本文提出的影像姿態(tài)角誤差檢校方法比姿態(tài)角常差檢校方法理論更加嚴(yán)密，充分顧及了傳感器運(yùn)行過程中姿態(tài)角誤差隨成像時(shí)刻呈線性變化的特點(diǎn)，這對于高分辨率衛(wèi)星遙感影像內(nèi)在幾何精度的改善及影像的外推定位是有益的。

來源出版物：測繪學(xué)報(bào), 2012, 41(3)： 385-392

入選年份：2017

實(shí)時(shí)GIS時(shí)空數(shù)據(jù)模型

龔健雅，李小龍，吳華意

摘要：目的：隨著位置服務(wù)技術(shù)（LBS）和天空地各種傳感器的廣泛應(yīng)用，產(chǎn)生了海量的時(shí)空序列數(shù)據(jù)。為了快速接入、存儲(chǔ)、管理這些時(shí)空序列數(shù)據(jù)，維護(hù)時(shí)空關(guān)系，描述和分析時(shí)空變化過程，滿足對日益頻發(fā)的各種自然與人為突發(fā)事件的檢測、預(yù)警、應(yīng)急響應(yīng)以及智慧城市等需求，國家863地球觀測與導(dǎo)航領(lǐng)域“十二五”期間列立了“時(shí)空過程模擬與實(shí)時(shí)GIS系統(tǒng)”主題項(xiàng)目，研發(fā)一種面向動(dòng)態(tài)地理對象與動(dòng)態(tài)過程模擬的新一代實(shí)時(shí)GIS系統(tǒng)，現(xiàn)有的靜態(tài)數(shù)據(jù)模型和時(shí)空數(shù)據(jù)模型不能滿足要求，為了支持實(shí)時(shí)GIS中動(dòng)態(tài)地理數(shù)據(jù)的儲(chǔ)存管理時(shí)空過程模擬，需要建立一個(gè)新的合適的時(shí)空數(shù)據(jù)模型。方法：時(shí)空變化是客觀世界永恒不變的主題，每個(gè)復(fù)雜地理現(xiàn)象是由不定數(shù)量的地理對象組成，表現(xiàn)為多個(gè)隨時(shí)間變化的地理對象及其相互作用，地理對象之間的相互作用通過事件來傳遞。事件是地理對象變化達(dá)到某種程度時(shí)生成的，并且傳遞給相關(guān)的地理對象，在某種條件下驅(qū)動(dòng)相關(guān)地理對象發(fā)生相應(yīng)的變化，而地理對象的變化通過該對象的狀態(tài)序列來記錄。為實(shí)時(shí)表現(xiàn)時(shí)空變化，地理對象的狀態(tài)序列數(shù)據(jù)可直接來自傳感器的實(shí)時(shí)觀測。經(jīng)過以上分析，本文利用事件驅(qū)動(dòng)的方法構(gòu)建一個(gè)時(shí)空數(shù)據(jù)模型。結(jié)果：本文提出一個(gè)新的通用的實(shí)時(shí)GIS時(shí)空數(shù)據(jù)模型，用于存儲(chǔ)與管理在復(fù)雜地理現(xiàn)象時(shí)空變化過程中所涉及到的時(shí)空數(shù)據(jù)，以便支撐實(shí)時(shí)GIS可視化與分析應(yīng)用。時(shí)空過程是地理現(xiàn)象時(shí)空變化的總稱，它就像一個(gè)大的場景或容器，包含著有限多個(gè)地理對象和事件。地理對象是時(shí)空過程的主要實(shí)體部分，地理對象隨時(shí)間的變化是時(shí)空過程的外在表現(xiàn)。在時(shí)空過程中，使用不同的圖層對地理對象進(jìn)行組織與管理，便于對地理對象進(jìn)行檢索與控制。事件是時(shí)空過程的另外一個(gè)重要的組成部分，它是地理對象相互作用的表現(xiàn)形式，也是地理對象相互聯(lián)系的紐帶。事件類型注冊到地理對象中，指明了地理對象生成該種類型的事件的生成條件，或者是地理對象受到該種類型事件驅(qū)動(dòng)而產(chǎn)生變化時(shí)的驅(qū)動(dòng)條件。當(dāng)?shù)乩韺ο蟮臅r(shí)空變化滿足事件類型所規(guī)定的條件時(shí)，地理對象就會(huì)生成一個(gè)該類型的事件，同樣，當(dāng)事件的屬性滿足事件類型所規(guī)定的條件時(shí)，地理對象就對事件的驅(qū)動(dòng)做出響應(yīng)，從而使整個(gè)時(shí)空過程處于一個(gè)動(dòng)態(tài)變化的過程中。為保證系統(tǒng)的實(shí)時(shí)性，觀測通過傳感網(wǎng)的傳感器觀測服務(wù)（sensor observation service，SOS），獲取傳感器觀測數(shù)據(jù)，并將實(shí)時(shí)數(shù)據(jù)寫入對應(yīng)的地理對象中。地理對象根據(jù)變化的觀測數(shù)據(jù)，構(gòu)建相應(yīng)的對象狀態(tài)序列。通過對地理現(xiàn)象時(shí)空變化相關(guān)要素及其相互關(guān)系的分析，本文采用統(tǒng)一建模語言（UML）描述實(shí)時(shí)GIS時(shí)空數(shù)據(jù)模型，目的是表達(dá)時(shí)空過程、地理對象、事件、事件類型、狀態(tài)、觀測之間的關(guān)系，為實(shí)時(shí)GIS時(shí)空數(shù)據(jù)的存儲(chǔ)與管理提供支持，并利用實(shí)時(shí)GIS時(shí)空數(shù)據(jù)模型進(jìn)行了移動(dòng)對象位置變化、原位對象專題屬性變化、視頻對象視頻播放、以及過程模擬對象專題屬性變化等4個(gè)實(shí)驗(yàn)。結(jié)論：本文分析了復(fù)雜地理現(xiàn)象時(shí)空變化的特點(diǎn)和現(xiàn)代時(shí)空數(shù)據(jù)模型的研究成果，提出了一種實(shí)時(shí)GIS時(shí)空數(shù)據(jù)模型，將時(shí)空過程、地理對象、事件、事件類型、狀態(tài)和觀測等要素有機(jī)地結(jié)合在一起。并且通過對多源傳感器觀測數(shù)據(jù)的實(shí)時(shí)接入、存儲(chǔ)與可視化的實(shí)現(xiàn)，驗(yàn)證了模型的可行性和易用性。與以往時(shí)空數(shù)據(jù)模型相比，本模型更強(qiáng)調(diào)實(shí)時(shí)性。而采用面向?qū)ο蟮脑O(shè)計(jì)思想，也使得模型具有良好的可實(shí)現(xiàn)性和擴(kuò)展性。

來源出版物：測繪學(xué)報(bào), 2014, 43(3)： 226-232

入選年份：2017

遙感大數(shù)據(jù)自動(dòng)分析與數(shù)據(jù)挖掘

李德仁，張良培，夏桂松

摘要：目的：隨著成像方式的多樣化以及遙感數(shù)據(jù)獲取能力的增強(qiáng)，遙感領(lǐng)域進(jìn)入了多元化和海量化的遙感大數(shù)據(jù)時(shí)代。然而，現(xiàn)有的遙感影像分析和海量數(shù)據(jù)處理技術(shù)難以滿足當(dāng)前遙感大數(shù)據(jù)應(yīng)用的要求。發(fā)展適用于遙感大數(shù)據(jù)的自動(dòng)分析和信息挖掘理論與技術(shù)，是目前國際遙感科學(xué)技術(shù)的前沿領(lǐng)域之一。本文圍繞遙感大數(shù)據(jù)自動(dòng)分析和數(shù)據(jù)挖掘等關(guān)鍵問題，深入調(diào)查和分析了國內(nèi)外的研究現(xiàn)狀和進(jìn)展，指出了在遙感大數(shù)據(jù)自動(dòng)分析和數(shù)據(jù)挖掘的科學(xué)難題和未來發(fā)展方向。方法：本文主要討論遙感大數(shù)據(jù)的智能分析與信息挖掘問題。對于遙感大數(shù)據(jù)的智能分析問題，本文主要從數(shù)據(jù)表達(dá)與融合、遙感數(shù)據(jù)的檢索、大數(shù)據(jù)內(nèi)容理解以及遙感大數(shù)據(jù)云技術(shù)4個(gè)方面進(jìn)行了研究與分析，探討了該領(lǐng)域的核心科學(xué)問題、社會(huì)價(jià)值和應(yīng)用前景。對于信息挖掘問題，本文明確了遙感大數(shù)據(jù)挖掘的研究內(nèi)容，并就挖掘過程、遙感大數(shù)據(jù)和廣義遙感大數(shù)據(jù)的綜合挖掘進(jìn)行了詳細(xì)討論。文章指出，現(xiàn)有的數(shù)據(jù)挖掘技術(shù)并不能應(yīng)對海量數(shù)據(jù)帶來的挑戰(zhàn)，無法發(fā)揮其再智慧城市中的作用。因此，遙感大數(shù)據(jù)的研究應(yīng)該關(guān)注于自動(dòng)化的數(shù)據(jù)智能處理和挖掘方法及時(shí)空數(shù)據(jù)挖掘的新理論上，同時(shí)發(fā)展時(shí)空數(shù)據(jù)的智能挖掘技術(shù)以提取出初始數(shù)據(jù)中所隱含的有用信息及知識(shí)。結(jié)論：未來10年，我國遙感數(shù)據(jù)的種類和數(shù)量將飛速增長，對地觀測的廣度和深度將進(jìn)一步提高。因此，亟須開展對于遙感大數(shù)據(jù)的理論和技術(shù)研究。然而，通過衛(wèi)星等手段收集遙感數(shù)據(jù)只是遙感對地觀測的第一步，如何高效地處理和利用已有的和即將采集的多源異構(gòu)遙感大數(shù)據(jù)，將遙感大數(shù)據(jù)轉(zhuǎn)化成更符合社會(huì)需求、更易于人們使用的形式是主要的理論挑戰(zhàn)和技術(shù)瓶頸。研究遙感大數(shù)據(jù)的自動(dòng)分析和數(shù)據(jù)挖掘，能為突破這一難題提供有效的方法，有望顯著提高對遙感數(shù)據(jù)的利用效率，從而加強(qiáng)遙感在環(huán)境遙感、城市規(guī)劃、地形圖更新、精準(zhǔn)農(nóng)業(yè)、智慧城市等方面的應(yīng)用效力。因此，遙感大數(shù)據(jù)的研究具有非常重大的科學(xué)意義和應(yīng)用價(jià)值。

來源出版物：測繪學(xué)報(bào), 2014, 43(12)： 1211-1216

入選年份：2017

k均值聚類引導(dǎo)的遙感影像多尺度分割優(yōu)化方法

王慧賢，靳惠佳，王嬌龍，等

摘要：目的：隨著遙感技術(shù)的發(fā)展，高分辨率影像能夠提供越來越詳盡的地面特征，既有如水體、農(nóng)田等大尺度地物，又有如汽車、交通標(biāo)記等小尺度地物，多尺度特征表現(xiàn)的更加明顯，基于多尺度的分割方法隨之應(yīng)運(yùn)而生。在多尺度分割中最優(yōu)尺度閾值參數(shù)的選擇一直是一個(gè)難點(diǎn)，大尺度地物適合時(shí)，小尺度地物欠分割；小尺度地物適合時(shí)，大尺度地物過分割，很難得到一個(gè)滿足不同尺度地物需求的結(jié)果。本文提出了一種k均值聚類引導(dǎo)的多尺度分割優(yōu)化方法，該方法可以降低對尺度參數(shù)的依賴，同時(shí)獲得適應(yīng)不同地物類型的分割結(jié)果。方法：k均值聚類引導(dǎo)的多尺度分割優(yōu)化方法首先對原始影像采用FNEA多尺度分割方法（以它為例，可以擴(kuò)充到其他的分割方法）進(jìn)行小尺度的初步分割，得到較小的分割對象，同時(shí)對圖像進(jìn)行k均值聚類；然后利用k均值聚類結(jié)果來引導(dǎo)對象優(yōu)化合并，優(yōu)化策略包括3個(gè)步驟：1）判斷對象層中每個(gè)對象和其鄰域?qū)ο蟮念悇e。結(jié)合k均值聚類的結(jié)果，統(tǒng)計(jì)FNEA小尺度分割結(jié)果每個(gè)對象的類別直方圖。判定標(biāo)準(zhǔn)：如果該對象中絕大多數(shù)像素即第一主類的百分比大于k均值聚類影響控制因子，則定義該對象為第一主類所屬類別；反之則不對該影像進(jìn)行處理。2）計(jì)算當(dāng)前對象與類別相同的鄰域?qū)ο蟮念悇e同質(zhì)度，并得到最大的類別同質(zhì)度Hdmax。3）該對象與類別同質(zhì)度最大的鄰域?qū)ο蠛喜?。在合并過程中利用Otsu閾值方法來自動(dòng)選擇k均值聚類的影響因子，最后得到適應(yīng)不同尺度地物的分割結(jié)果。結(jié)果：利用模擬數(shù)據(jù)和真實(shí)的GeoEye-1影像數(shù)據(jù)進(jìn)行相關(guān)試驗(yàn)。從模擬數(shù)據(jù)分割結(jié)果的目視效果可以看出FNEA方法在較小尺度時(shí)存在過分割現(xiàn)象，而在較大尺度時(shí)誤分割嚴(yán)重。與FNEA各個(gè)尺度分割結(jié)果相比，本文方法分割結(jié)果能夠較好地滿足各種尺度地物的分割需要，分割效果均有很大提高。在定量評價(jià)上，整體評價(jià)指標(biāo)中本文方法的VI值為0.063、OCE值為0.159均最小，同時(shí)對于單個(gè)對象1，相比FNEA方法不同尺度參數(shù)的分割結(jié)果來說，本文方法CPS，CRS和SI值更接近于參考分割結(jié)果。從真實(shí)GeoEye-1圖像分割結(jié)果可以看出，F(xiàn)NEA方法在各種尺度下都存在明顯的誤分割現(xiàn)象，在較小分割尺度，存在明顯的過分割現(xiàn)象。隨著尺度參數(shù)的增加，較小尺度地物沒有分割出來，即存在欠分割現(xiàn)象。本文方法不僅糾正了誤分割現(xiàn)象，解決了FNEA小尺度參數(shù)的過分割現(xiàn)象和大尺度參數(shù)的欠分割現(xiàn)象，而且很大程度上保留了分割對象邊界的細(xì)節(jié)信息，分割精度得到了較大的提高。在定量評價(jià)上，整體評價(jià)指標(biāo)中，本文方法的VI值為0.497，低于FNEA各個(gè)尺度參數(shù)分割結(jié)果的最小值 1.296，表明本文方法所得分割結(jié)果與理想分割結(jié)果相比，信息變化量較少；本文方法的OCE值為0.635，小于FNEA各個(gè)尺度參數(shù)分割結(jié)果的最小值 0.676，表明本文方法所得分割結(jié)果與參考分割結(jié)果最為一致。選取3個(gè)有代表性的對象區(qū)域的平均情況進(jìn)行定量評價(jià)結(jié)果，可以看出本文方法的SI值平均差異為21.135%，較FNEA各個(gè)尺度參數(shù)分割結(jié)果74.787%更接近0。綜上可知，本文方法在FNEA小尺度分割結(jié)果的基礎(chǔ)上再進(jìn)行一次對象合并，能較好地保持小尺度分割結(jié)果中的細(xì)節(jié)，如尺寸很小的房子（對象1），同時(shí)也得到了更加完整、規(guī)則的較大尺度地物，如水體、植被等。結(jié)論：針對傳統(tǒng)多尺度分割方法過分依賴尺度參數(shù)，大尺度地物和小尺度地物分割難以得到權(quán)衡的問題，本文提出一種k均值聚類引導(dǎo)的多尺度分割優(yōu)化方法。模擬影像和真實(shí)遙感影像的試驗(yàn)結(jié)果表明與傳統(tǒng)FNEA方法相比，本文方法在分割精度和細(xì)節(jié)方面有較大的提高，能夠得到適合多種尺度地物較好的分割結(jié)果，無需進(jìn)行多次嘗試得到最優(yōu)尺度參數(shù)，基本解決了傳統(tǒng)FNEA方法的分割結(jié)果對尺度參數(shù)過度依賴的問題。

來源出版物：測繪學(xué)報(bào), 2015, 44(5)： 526-532

入選年份：2017