国家自然科学基金(40471113)
- 作品数：6 被引量：36H指数：4
- 相关作者：毛政元蔡银桥刘建华李二振黄利文更多>>
- 相关机构：福州大学黄河上中游管理局武汉大学更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划国家重大基础研究前期研究专项更多>>
- 相关领域：自动化与计算机技术天文地球更多>>
- 集聚型空间点模式结构信息提取研究(英文)被引量：5
- 2007年
- 空间点模式是一个2维离散点集,点集中的每一个元素代表地球表面一个点状目标的空间位置。当2维离散点集具有集聚特征时,称其为集聚型空间点模式,它与空间聚类、制图综合和空间分析的许多具体应用紧密相关。如何提取集聚型空间点模式的结构信息(集聚子群的个数和对应的集聚中心)是其中尚未彻底解决的问题。作者以几何概率为理论基础,提出测度正方形区域内2维离散点集分布特征的H函数并推导其解析表达式,运用H函数设计和实现了集聚型2维离散点集结构信息提取的通用算法。利用该算法处理一个由居民地坐标数据得到的具有集聚特征的空间点模式,提取出其结构信息并进行可视表达。分别以该空间点模式中的各离散点为顶点和发生元生成Delaunay三角网和Voronoi图,在Delaunay三角网中保留面积最小的前1/10、前1/100三角形的顶点,在Voronoi图中保留面积最小的前1/10、前1/100邻近多边形的发生元,将可视表达的点集结构信息分别与依据Delaunay三角网和Voronoi图得到的结果进行对比分析。结果表明,运用H函数能够有效地提取出集聚型空间点模式的全局性结构信息,而Delaunay三角网和Voronoi图虽然能够反映其局部密度,但在提取全局结构信息时存在局限性。
- 毛政元
- 关键词：聚类
- 顾及分割效果的QuickBird影像融合方法对比研究被引量：6
- 2010年
- 影像融合是实现高空间分辨率遥感影像中全色数据与多光谱数据优势互补的基本途径,已有的融合方法比较侧重融合图像的视觉效果,较少考虑针对融合影像的分割、分析等后续处理与应用环节。以北京市某地区的QuickBird影像为研究数据,将融合、分割实验研究结果与定量分析相结合,从光谱和几何特征两方面对现有基于像素的主流融合方法IHS、PCA、HPF(高通滤波)、Wavelet-PC(WPC)、Ehlers(ELS)及GS(正交变换)进行对比研究,结果表明,不同融合方法针对同一数据源得到的融合影像在目视效果与定量指标两个方面均存在明显的差异,若顾及后续分割与分析,则以GS融合法的综合效果最佳。
- 刘建华
- 关键词：影像融合影像分割
- 基于几何概率的聚类分析方法及其在遥感影像分类中的应用被引量：4
- 2007年
- 针对现有非监督分类方法不能自动确定最佳分类数、对包含噪声的大数据集适应性差的问题,提出了一种基于几何概率的聚类分析方法,即按照先分大类、后分小类、逐层细分的顺序来确定分类方案,其同一分类层次上不同子类进一步细分的步骤相同,但执行过程彼此相互独立。在每一分类层次上,以几何概率为理论基础,根据样本在特征空间中的分布结构确定类的数目、提取类的中心位置、搜索类的边界。通过TM遥感影像的分类实例及其与ERDAS中的监督、非监督分类方法进行对比的结果表明,基于几何概率的聚类分析方法能明显提高分类精度。
- 黄利文毛政元李二振汪小钦吴升
- 关键词：聚类分析遥感影像分类
- 多时相土地利用/覆盖遥感数据处理及其精度评定——以武汉城市圈为例
- 2009年
- 以武汉城市圈为例,在常规遥感数据处理的基础上,针对数据源和区域特征制定适合该区的遥感数据处理方法和流程,得到武汉城市圈LUCC分类数据。对处理结果进行精度评定,结果表明,武汉城市圈1987年、1996年、2005年三个时期的总分类精度分别为85.4%、85.04%、86.11%,总的Kappa值分别为0.7963、0.7805、0.8041.处理精度较高。
- 曾群殷宝库蔡明祥蔡诚张政林冬梅
- 关键词：多时相遥感数据处理武汉城市圈
- 基于多特征对象的高分辨率遥感影像分类方法及其应用被引量：20
- 2007年
- 提出了基于多特征对象的高分辨率遥感影像分类方法,分析了该方法相对于基于像元的和单纯依靠光谱特征的传统处理方式所具有的优势,总结了该方法的特点,并给出了相关实验结果。实验表明,对于高分辨率遥感影像,基于多特征对象的分类技术能产生较好的结果。
- 蔡银桥毛政元
- 关键词：遥感影像影像分割ECOGNITION
- 一种基于几何概率的聚类有效性函数被引量：1
- 2008年
- 聚类有效性是聚类分析中尚未解决的基本问题,最佳聚类数的确定是聚类有效性问题中的主要研究内容。以几何概率为理论依据,针对2维数据集提出了一种新的聚类有效性函数,用于确定最佳聚类数。该函数利用2维数据集与2维离散点集之间存在的对应关系,以2维离散点集在特征空间中的分布特征为依据,测度对应数据集的聚类结构,思路直观、容易理解。测度过程中,将点集中的点两两相连生成一个线段集合保存点集的结构信息,通过比较线段集合中线段方向取值与完全随机条件下线段方向取值的相对大小,构造聚类有效性函数。实验结果表明,针对给定的样本数据集,生成该函数的曲线,再根据曲线的形态能够有效地确定2维数据集的最佳聚类数,指导聚类算法设计。
- 李晓雯毛政元李建微
- 关键词：聚类有效性聚类分析最佳聚类数
