一、GIS数据辅助下的线状目标自动提取（论文文献综述）
王鹏[1]（2015）在《快速构建逼真三维虚拟仿真地球场景的若干关键技术研究》文中进行了进一步梳理目前,三维虚拟地球技术、虚拟现实技术（或称为三维虚拟仿真技术）在各自的领域内迅速发展,并取得了丰硕的成果。但是,有一些行业应用,既需要对大规模地理数据的处理、可视化与分析能力,又需要强大的三维虚拟仿真能力,这就产生了一个矛盾,如果选择三维虚拟地球软件,就无法满足三维仿真的需要,如果选择三维虚拟仿真软件,就无法满足对地理数据的处理、可视化与分析能力（虽然目前也有一些平台既支持三维虚拟地球,也支持三维虚拟仿真,但是其都还处于浅层次的融合,没有从技术底层进行深层次的交叉研究,出现的结果就是,三维虚拟地球平台带有很弱的虚拟仿真功能或者是三维虚拟仿真平台带有很弱的空间信息、GIS功能）本文针对这个矛盾,提出了把三维虚拟地球技术与三维虚拟仿真技术从技术深层进行交叉融合的方案,试图通过建立一个从专业深层紧密结合的既包含三维虚拟地球技术、又包含三维虚拟仿真技术的基础平台来解决这个问题,本文称之为三维虚拟仿真地球系统,这个系统应该包含空间信息处理与可视化系统、GIS计算系统、GIS分析系统、渲染系统、对象系统、动画系统、声音系统、物理系统、人工智能系统、通信系统、脚本系统、交互系统、行为系统与其它扩展系统等众多的子系统。但是,限于本文的篇幅与目前的研究程度,无法完整的研究三维虚拟地球仿真系统的全部内容,因此从应用出发选择了较为急需的切入点进行试探性研究：快速构建逼真三维虚拟仿真地球场景的若干关键技术研究。这个切入点的核心思想是虚拟三维地球仿真场景的快速构建与逼真渲染,本文认为这个目标可以在视觉和场景构建要求上满足目前很多三维虚拟地球项目在仿真技术上的需要,为了达到这一目标,本文分别从基本的仿真场景构建、仿真逼真度渲染、线状要素的自动建模、精细化地表的快速构建、真实的水域与大气环境的仿真等几点出发进行研究。在基本的仿真场景构建中,首先提出了一种基于四叉树、八叉树、BSP树分割的混合分割方法,用于综合管理三维虚拟地球场景与仿真场景的不同细节的内容,其次论述了基于线性四叉树的全球地形地貌数据的组织、调度、建模与渲染方法,最后再在地形地貌调度机制的基础之上,论述了全球大规模三维模型数据的组织、调度方法,并把这个方法引申到所有点状要素。在仿真逼真度的研究中,主要结合三维计算机图形学与虚拟现实的几个最新的绘制理论与技术,来研究提升场景画面的逼真度的方法,这些技术包括基于物理渲染的BRDF光照模型、SSAO理论与实现、延迟渲染理论与实现、HDR理论与实现。在线状要素自动建模的研究中,首先结合三维自动建模技术,研究了一般线状地理要素的建模方法,如管道、围墙等,其次,针对性的研究了三维道路的自动建模方法,因为道路是三维虚拟场景中最重要的场景的地理要素之一,最后再论述了大规模的线状要素的组织与管理以及从GIS数据直接快速生成大规模线状地理要素的方法。在精细化地表快速构建的研究中,主要围绕如何快速构建精细、真实的地表环境,研究了地表细节的快速绘制、地形高程的快速修改及光滑、地表覆盖物（森林、草地、沙砾）的快速增删以及效率优化。在真实的水域与大气环境仿真的研究中,首先研究了使用真实的水文数据构建真实的河道水面仿真的方法,包括真实的水位、流速、流向、以及水位淹没情况,其次研究了使用真实的气象预报模式数据仿真大气环境的方法,如三维云、台风、雾霾等；使用真实的数据构建的三维仿真结果,不仅在效果真实度上非常真实,而且其可以视为对专业数据的一种可视化与仿真方法,具有非常重要的社会价值。
丁磊[2]（2016）在《基于矢量数据的遥感影像道路提取与变化检测技术研究》文中研究指明道路作为一种重要的地物目标,其自动化提取与变化检测一直是摄影测量与遥感领域的研究热点与难点问题。利用少量的道路矢量数据,可以获取识别遥感影像上的道路所需的训练样本,提高道路提取的自动化程度。将基于新时相遥感影像提取的道路数据,与旧时相的道路矢量数据进行变化检测,可以评价旧时相矢量数据的现势性。论文针对基于矢量数据的道路自动提取与变化检测技术展开研究,主要研究内容及创新点如下:1、提出了矢量数据辅助下的遥感影像道路自动分割方法。该方法的基本思想是通过道路矢量数据获取一系列种子点,验证影像上与这些种子点相对应的位置处同质化区域（光谱或灰度特征相似的区域）的形状,由此筛选出有效的道路样本点,并利用监督分类方法分割出道路区域,生成分类影像。针对不同分辨率的影像,设计了两种不同的处理流程。通过实验验证了该方法的有效性。2、提出了一种基于方向一致性分割的分类影像道路提纯方法。该方法利用分类影像上道路的局部方向保持一致的特点,将主方向一致的像元合并成对象,并结合线特征指数、面积等几何特征指标来识别出道路对象。通过多组实验并与现有方法进行对比分析,证实了该方法在准确性、计算效率和稳定性等方面均具有优势,对于具有不同道路分布特征和不同分辨率的影像均能够适用,且能够处理具有较多干扰信息的分类影像。3、针对高分辨率分类影像的道路中心线提取问题,提出了一种邻域质心投票算法。该算法通过分析邻域形状和计算邻域多边形的质心来检测道路中心线,同时排除非道路区域的干扰。通过实验验证了该方法的有效性,并与基于二值图像的角度纹理特征方法进行对比分析,证实了该算法在计算效率、稳定性及对不同路宽的适应性等方面具有优势。4、设计了矢量数据辅助下的遥感影像道路自动提取的整体策略。对于高分辨率影像,利用光谱信息分割出道路兴趣区域,并从分割结果中提取道路中心线,经过矢量化和规整处理得到道路提取结果。对中、低分辨率影像,利用灰度或光谱信息进行分割,并对分割结果进行提纯,通过细化和矢量化、规整处理得到最终结果。实验验证了矢量数据辅助下的遥感影像道路自动提取方法的正确性和有效性。5、设计了基于缓冲区思想的道路矢量数据变化检测方法。对遥感影像变化检测的精度评价方法进行改进,设计了利用矢量化道路提取结果进行变化检测的精度评价方法。通过实验,将利用本文方法提取的道路进行变化检测的结果与人工变化检测结果进行对比,验证了本文方法的有效性。
方传海[3]（2014）在《基于精细建模的居民小区三维GIS系统设计与实现》文中研究表明随着计算机软硬件技术的飞速发展，三维GIS必然成为未来GIS的发展趋势三维GIS在表达客观世界方面，对客观对象进行展示的精细程度很高，能让用户产生身临其境的真实感觉，这是二维GIS无法做到的三维立体造型技术能更真实的表达空间信息，包括三维对象间的相对平面位置和相对高差论文对三维GIS的发展现状进行深入研究，分类总结和归纳主流三维数据模型，对三维数据模型进行适用性与优缺点的对比分析重点研究ArcGIS自身的MultiPatch格式及与其他三维模型数据格式间的转换由于GIS软件对三维模型在处理上存在真实感不足的缺点，而且通过分析系统的使用人群发现，用户需求将三维对象更精细的表达以尽量展示细节，因此决定采用外部建模软件进行地物模型的构建通过对比分析主流三维建模软件及对系统的构思，最终提出以SketchUp作为三维精细建模软件以ArcScene作为三维场景浏览和分析操作的载体以GeoDatabase空间数据库来存储二维平面数据和三维模型数据以SQLServer2008数据库记录存储小区服务系统中的用户数据以ArcEngine10.0与Microsoft Visual Studio2010作为系统开发平台C#作为开发语言的技术路线论文最后以一个小区作为该GIS系统的实验区域，将小区二维矢量数据导入SketchUp中进行地物的三维精细建模，再将其加载进ArcScene中完成三维场景的构建，最后利用开发平台实现定制的系统该系统不仅能实现三维可视化和空间分析功能，还具有针对小区业主及物业管理的服务功能论文主要研究成果有：对比分析三维GIS的相关技术理论，最终确定系统使用的三维模型建模方法和开发方式等；使用SketchUp和ArcGIS相结合的方式，成功地实现了对数据进行查询编辑的操作；通过分析对购房者小区业主及物管人员的咨询信息，完成小区建筑属性数据的编制和服务系统的数据库设计，并利用开发平台实现该小区三维GIS系统；在开发平台上使用超链接的方式显示建筑户型图及使用360°全景技术对三维建筑内部进行展示；通过对噪声传播衰减理论的研究，提出一种适用于居民小区的噪声分析方法并在系统中加以实现
邓少平[4]（2013）在《高分辨率极化SAR影像典型线状目标半自动提取》文中研究表明合成孔径雷达（Synthetic Aperture Radar, SAR）作为主动式的微波传感器,具有全天候、全天时的优点,在军用和民用中均发挥着越来越重要的作用。随着雷达技术的发展,数据获取能力得到快速增长,SAR呈现出多波段、多极化、高分辨率的特点。与数据获取能力相比,影像解译技术的发展却相对滞后。其中线状目标提取更是影像解译的重要内容之一,如道路、输电线等典型线状目标的提取与监测在国民经济建设和国防建设中均具有重要意义,然而受到斑点噪声及目标的复杂性等因素影响,典型线状目标提取的可靠性仍面临着较大挑战。高分辨率极化SAR影像包含丰富的空间信息和完整的目标后向散射信息,为这一问题的解决提供了新的途径。如何利用高分辨率极化SAR影像中的丰富信息成为当前线状目标提取的关键问题之一线状目标提取可分为半自动和自动两类,全自动方法是当前研究的热点,也是线状目标提取研究的最终方向,但基于线状的解译理论与技术实现全自动提取还需要一段很长的时间,而半自动提取技术能够融合计算机的精准快速计算能力和作业员的可靠识别能力,是当前条件下一种面向工程应用的较好处理方法,具有重要的实用价值,也是当前研究的热点。道路和输电线作为SAR影像上非常重要的两类典型线目标,是SAR影像线状目标提取技术领域重点研究的对象。道路由于类别多样,形态各异,且受斑点噪声影响,尤其受桥梁（天桥）、车辆等地物严重干扰等问题,提取困难；而输电线存在信杂比极低的问题,基于功率的传统方法难以奏效。本文重点针对道路和输电线的半自动提取问题,利用高分辨率极化SAR影像,从地物散射特性和几何特性出发,深入研究了斑点噪声抑制、边缘检测、基于极化SAR影像单类分类的道路种子点提取、道路半自动跟踪和基于极化相干性的输电线检测等关键技术,提出了从预处理、初级处理等通用处理到道路和输电线等典型目标专用处理的技术路线,从而实现了典型线状目标——道路和输电线的半自动提取。主要研究内容如下：首先针对SAR滤波既要保持线状特征又要抑制斑点噪声的问题,提出了一种保持空间结构特征和散射特性的滤波方法。该方法在空间结构丰富的区域,使用了边缘、线状和方形同质窗,能减少虚假边缘和降低真实边缘的模糊,侧重于保持空间结构的完整性；在同质区域内,滤波仅在相同散射机制的像素间进行,侧重于极化信息的保持；最后根据空间结构类型,自适应融合前后两者的滤波结果。然后通过实验定性和定量地评价了该方法在斑点噪声抑制、空间结构和散射机制保持方面的性能。其次为克服斑点噪声的影响,充分发挥极化数据的优势,结合自适应极化最优对比增强技术（Adaptive Optimal Polarimetry Contrast Enhancement, AOPCE）和均值比（Ratio of Averaging, ROA）算子提出了一种自适应对比增强-均值比（AOPCE-ROA）边缘检测算法,能得到不同极化方式下边缘响应的最大值,并推导了其快速处理方法,最后从理论上分析了其余ROA算子的关系,并推广到了更一般的情况。同时,利用模拟数据和真实数据进行了实验,结果表明该方法利用极化合成技术,提高了极化信息利用率,更好地克服了噪声影响,得到了更好的边缘检测结果。接着针对道路提取中只对道路类别感兴趣而很少关心其他类别的问题,将基于结构风险最小化和核思想的支持向量数据描述单类分类算法引入极化SAR影像的监督分类中,并讨论了极化SAR单类分类中的特征选择与分类参数优化问题,通过实验验证了该算法在小样本单类监督分类中的有效性。在此基础上,综合极化支持向量数据描述单类分类的结果和线状特征检测结果,提出了道路种子点指数,并用于自动提取道路种子点,实验表明该方法提高了道路跟踪中初始化的效率。然后针对SAR影像上道路受其它地物干扰严重的问题,在自适应贝叶斯滤波框架下,提出了初始化→预测→观测→校正的道路迭代跟踪方法。该方法建立了道路跟踪的离散系统模型,利用基于线性畸变模型的加权最小二乘多视匹配方法获取道路中心观测值,并基于自适应贝叶斯滤波方法充分地利用已有观测值,通过自适应地调整步长迭代的方法实现道路跟踪。利用开发的道路跟踪原型软件系统进行了实验,结果表明改进方法充分利用了贝叶斯两种实现形式卡尔曼滤波和粒子滤波的优势,提高了道路提取的效率。最后利用偶极子对输电线的极化散射特性进行了建模,,先分析了影响输电线后向散射的雷达入射角和极化方位角,然后根据输电线和背景杂波的方位向对称性差异,基于同极化和交叉极化的相干系数及其分布,提出了该特殊线状目标的恒虚警率检测方法。其中相干系数在Hough域进行估首,保证了样本总数足够多且都来自可能的输电线像素,提高了估首精度；对沿着方位向满足方位对称的输电线,人为引入极化方位角,使输电线与背景得到有效区分。最后使用模拟数据和机载P波段极化SAR影像验证了所提方法的有效性。
沙玉坤[5]（2012）在《基于三元组的矢量数据变化检测方法的研究》文中提出随着我国经济社会快速发展，地形图等矢量要素数据的时效性滞后于发展变化的矛盾日益突出。国家和各地方政府都加大了矢量要素数据库更新维护技术方法与政策机制的研究，并逐步建立了国家多尺度矢量要素数据库更新的技术体系。就技术问题而言，主要包括变化检测、主数据库更新、客户数据库更新三方面。现阶段，作为其核心问题之一的变化检测主要集中在利用遥感影像自动提取变化地物和基于影像与GIS相结合的变化检测研究上，而针对矢量要素的变化检测目前仍停留在遍历法检测单类要素上，且检测耗时长，效率低下。针对这一情况，本论文通过对地图矢量数据之间变化检测方法——三元组算法的研究，利用图形差（）、图形被差（/），图形交（∩）数据，构建变化检测模型，并根据三元组集合算法中元素的与，将点、线、面矢量数据的变化检测归结到变化类型的划分上，从全要素的角度解决矢量图形变化检测的问题，大幅度的减少了计算量，提高了变化检测的效率。并通过实验验证了算法的合理性。论文的主要研究成果如下：（l）提出了用于变化检测的三元组描述模型，从集合的观点出发，将新旧两种时态的数据的差、被差、交以元素的角度组合成数组，并通过三元组中元素的与判断变化类型，进行变化检测，大大降低了计算复杂度，简化了矢量要素变化检测的过程。（2）利用三元组算法并结合点、线、面等地理要素的特征分别为点、线、面的变化检测进行了要素变化分类。在此基础上，对三元组变化检测算法提出了可行的实验步骤。（3）以不同时期城市基础地形矢量数据为例，设计并实现了矢量点、线、面要素数据变化检测原型系统，在实际的应用中验证了论文提出的三元组变化检测方法的可行性与高效性。（4）以杂多县、玉树县之间道路网为实验数据，利用三元组算法模型进行变化检测，获得了道路网变化检测结果，验证了算法的合理性。
吴晓燕,车登科,戴芳[6]（2010）在《影像与矢量结合的道路自动提取及变化检测》文中指出将GIS数据和遥感影像结合进行道路提取和变化检测不论对摄影测量与遥感还是对GIS的发展都具有非常有价值的意义。本文尝试用新的小比例尺遥感影像和已有的道路网矢量数据自动或半自动地进行道路网提取及变化检测,并通过数据编程实验取得了理想的效果,很大地提高了自动化程度。
兰泽英[7]（2010）在《基于土地利用空间知识挖掘的高分辨率遥感影像分类》文中指出面向土地利用的高分辨率遥感影像分类是一个传统而复杂的课题。其困难存在于两个方面：一是分类过程和结果如何更好地面向GIS专题应用；二是高分辨率遥感影像中存在大量的“同物异谱”和“异物同谱”现象,增加了分类的难度。通过研究人类的目视解泽过程和特点,我们发现解决这两个问题的关键在于获得有效的专题知识,特别是空间知识来辅助分类。因而,全文的研究围绕着三个问题展开：需要什么样的土地利用空间知识,如何挖掘和表达土地利用空间知识、如何应用这些土地利用空间知识实现分类。构建分类的模型框架是研究的首要内容,它为解决上述三个核心问题提供了总体策略和指导。其基本思想是模拟人类的目视解译行为：首先,对土地利用空间知识的概念和来源进行了总结,从空间知识的尺度效应原理入手,讨论了本研究所需要的知识类型、重点研究它们之间的内部关联机制,从而建立起土地利用空间知识的认知金字塔；第二,引入更加灵活的算法从GIS数据及遥感影像数据中挖掘深层次的知识,并讨论如何利用GIS、RS与空间数据挖掘技术之间的集成模式来实现这些算法；第三,分析了蚁群智能优化算法在模拟人工目视解译方面的优势和原理,并初步探讨了如何将获取的土地利用空间知识融入到其中。最终,形成了基于数据挖掘技术的土地利用空间知识提取、土地利用空间知识渐进式表达、融合空间知识的蚁群优化算法分类三个核心的模型内容。从GIS数据库和RS影像中挖掘有用的土地利用空间知识是本研究的核心内容和基础内容。在这一过程中,本文根据人类在遥感分类过程中的认知习惯,采取渐进的方式,综合运用了多种空间数据挖掘技术,提取的土地利用空间知识包括：分区知识、样本分布知识、样本光谱知识、地物形态知识、多尺度纹理知识、关联知识：1)由于土地利用空间知识是具有一定时空属性的,因此,我们首先以地域分异规律为指导,通过叠置法空间分区技术,获取土地利用规律相对一致的区域,从而保证从中提取的土地利用空间知识具有典型性和代表性；2)其次,为了提高样本选择的效率和自动化程度,利用GIS数据辅助提取样本知识,研究中发现,传统的提取方法采用的是离散像元特征统计法,选取的样本受噪声影响很大,且样本空间分布分散,不易于理解。对此,本文改进并设计了基于空间数据聚类法的采样算法。主要思路是：在GIS图像分割的基础上,采用基于分割块的频数统计方法,其优点在于：充分利用了历史数据库中各种图斑的位置知识,获得的是融合了空间信息的光谱分布知识,使得该算法对于光谱噪声的敏感性降低,保证了训练样本选取的质量,并且能够获得空间连续的训练样本,选取结果更加稳定、直观；3)纹理是一种重要的图像空间知识,而纹理尺度是影响该知识有效性的主要因素。但是传统的经验法和枚举法都不能快速有效的选择尺度参数。针对这一问题,提出了一种基于空间几何知识构建多尺度纹理特征的算法从纹理基元的角度出发,分析了纹理尺度与地物形态的关系,并得出结论：分类对象的形态特征才是决定纹理尺度的最重要因素。从历史数据库中获取稳定的地物形态知识,可以帮助我们确定最佳的纹理尺度参数。并且,针对不同的土地刊用类别,建立起有效的纹理描述指标,可以提高类别的可分性,使类别总数增加,更加符合土地利用要求。基于上述认识,本文首先研究了基于MER算子描述图斑的空间几何形态的方法,其次设计频率直方图统计算法,为每个类别选取出最佳的纹理尺度；将其与枚举法进行对比分析,结果表明分类对象的形态特征与纹理尺度因子之间具有很高的相关性,所选尺度参数合理,且算法效率较枚举法有大幅度的提高；4)引入Apriori空间关联规则挖掘算法提取土地利用空间关联规则。作为一种成熟的数据挖掘技术,Apriori算法可以自动化、智能化地处理数据,使得提取的土地利用关联规则具有连续性和自适应性,弥补了传统研究中人工归纳方法的不足；5)基于MER算法和LDM算法提取土地利用图斑的方向知识。为了在蚁群分类算法中为某类蚂蚁提供搜索像元的基本方向,本研究对各种地理要素在形态上表现出来的方向特征进行统计,统计对象是各类别的土地利用图斑,主要思路是：先利用MER算法提取单个面状地物的主方向,再根据LDM算法统计出一组面状要素的主方向；6)最后,针对遥感分类需求,将挖掘出来的各种知识的进行统一表达,并归纳入库。融合空间知识的蚁群优化分类算法是实现遥感分类的关键环节。研究的主要内容是蚁群智能优化算法、遥感影像分类、以及土地利用空间知识三者的有机集成方式。首先从蚁群系统的时空环境、分类问题描述、求解过程三个基本问题入手,阐述了蚁群系统与遥感影像分类问题耦合的基本思想。在此基础上,采用人工蚁群作为土地利用空间知识的信息载体,反之,利用空间知识为蚁群分类算法提供各种参数,由此建立起融合空间知识的人工蚁群分类模型,并设计了相关的算子。改进和创新的内容归纳如下：1)利用样本分布知识辅助设计初始信息素；2)在邻域像元搜索时,为了提高算法的稳定性和运行速度,设计了一些禁忌搜索算子实现改良；3)在设计状态转移算子时,综合利用社会信息和蚂蚁个体对搜索方向的偏好决定状态转移概率,并且对方向权重提出了新的计算方法；4)对于类别匹配算子,在度量特征向量之间距离的基础上,进一步根据蚁群算法的邻域搜索行为,利用图像中的空间信息,即相邻地物间的关联规则,对解的质量进行评价。主要思路是设计一个隶属度函数来描述像元与各类别样本的相似性,以及相邻地物间的空间关联规则；5)在信息素更新阶段,引入了奖惩策略,可以动态增强优质解的信息素浓度,抑制劣质解的信息素浓度,帮助算法尽快收敛。该算法充分发挥了基于知识分类以及基于人工智能分类方法的优势。以海南省昌江县的高分辨率遥感影像土地利用分类为例,对本文提出的方法进行验证及分析。在分类总体框架的指导下,利用GIS、RS软件、二次开发技术、以及matlab开发技术相集成,实现了土地利用空间知识的挖掘、表达、分类算法,实验结果表明：土地利用空间知识在遥感影像专题分类中具有重要作用,本文所提出的基于土地利用空间知识挖掘的遥感影像专题分类方法具有以下优势：一方面,拓展了GIS数据的应用范围和技术层次,提高了GIS数据库使用效率；另一方面,相较于传统的分类方法,其过程更符合人类的认识及思维过程,使分类类别更加丰富,而由于空间知识地有效利用,减少了由“同物异谱”和“同谱异物”带来的分类误差,改进的各种算子都对提高算法性能起到了一定的作用,更适合用于遥感影像土地利用专题分类。
蓝秋萍[8]（2010）在《地图数据多尺度级联更新方法研究》文中进行了进一步梳理我国地图数字化技术经过二十多年的发展,已经在大部分城市中得到了应用。地图数字化后,急待解决的问题是地图数据的共享和保持地图数据的现势性。保持地图数据的现势性就是要能够及时地对地图及其数据库进行更新,随着社会的发展日新月异,地图数据的更新变成了一项长期而繁杂的任务。长期以来,基础地理信息数据的更新都是通过手工来完成,自动化程度都很低,人工干预仍然是主要的过程（Croitoru A.,1999；Newby,1996；Peled A.,et al.,2000）,全自动化的地理数据更新依然是一件很困难的事情。另外,地图数据更新不仅是要解决某个比例尺下的数据更新问题,而且要解决多个比例尺数据之间的级联更新,以保证数据的正确性和一致性。因而本文地图数据多尺度级联更新的目的在于某个相对较大比例尺地图数据更新的情况下,自动级联更新较小比例尺地图数据中与其对应于同一空间实体的空间要素。要实现地图数据的自动级联更新必须要首先解决三个问题：自动检测地图图形中的变化部分、变化数据的删替处理以及根据较大比例尺的更新结果级联更新较小比例尺地图数据。本文针对这三个主要问题展开了研究,具体研究工作如下：1)明确了地图数据更新的目的、意义、内容和步骤,分析了数据更新技术、空间目标匹配技术和变化检测技术的研究现状,提出了多尺度自动级联更新的概念和内涵；归纳了地图数据更新技术的几种方法,在分析比较各种方法适用性基础上提出了增量式地图数据多尺度级联更新方法。2)为了实现数据库的更新与历史数据的存储,对基态修正模型进行改进,依据时态性不同将数据库划分为“三库”,即现时数据库、临时工作数据库和历史数据库,阐述了三库之间的关系,并进行数据库的逻辑设计和物理设计。3)变化检测的前提是多尺度空间同名实体的识别,针对多尺度空间匹配特点,首先进行时间和空间匹配,其次进行语义匹配,在此基础上进行几何匹配,几何匹配包括基于空间拓扑关系的粗匹配和精匹配,其中精匹配又按照数据类型研究了多尺度线目标匹配和多尺度面目标匹配。提出基于Hausdorff距离的多尺度线目标匹配方法和考虑地图综合影响的多尺度面目标匹配,并将匹配结果写入匹配关联表。4)总结了地图数据空间变化的各种类型,并进行了归纳总结,以形式化表达；在总结地图综合实质基础上分析了地图综合对变化检测带来的主要影响。分别从地图综合过程里的选取、化简、合并与分割和降维几个环节展开,讨论关于地图综合的各种变化处理。5)分析了变化检测的过程,针对变化检测涉及到地图综合的关系,提出了变化检测的总体思路,实现了同比例尺辅助下的变化和不同比例尺下的变化两种检测过程,获取了用于更新的综合要素集和删除要素集。6)在针对变化要素局部更新的需求下提出基于影响域的局部道路增量缩编新方法,充分利用已有的数据,对于变化集中在某个区域或者变化率较低的情况下大大减少了道路选取的操作量,提高了综合效率。提出并实现本方法的四个关键点：道路全局影响域的计算、道路影响域的局部更新、路网密度区的界定及密度阈值的确定、综合权值的确定。总结了居民地化简与合并的方法,提出了跨尺度更新下的居民地综合思路；为了解决两相邻比例尺居民地之间的空间冲突和视觉冲突,提出基于扩展栅-矢混合数据结构的居民地合并方法,对传统栅-矢数据结构进行扩展,使其既满足冲突检测又满足建筑物合并的要求。7)以两组不同的实验分别对具有同比例尺源数据辅助下的增量缩编自动级联更新和没有同比例尺源数据辅助下的增量缩编自动级联更新两种更新方式进行总体试验,验证了本文提出的多尺度空间目标匹配、地图综合影响下的变化检测、基于影响域的道路局部选取方法、基于扩展栅-矢混合数据结构的居民地合并方法的可用性和准确性。
吴晓燕,车登科,戴芬[9]（2010）在《影像与矢量结合的道路自动提取及变化检测》文中认为将GIS数据和遥感影像结合进行道路提取和变化检测,不论对摄影测量与遥感还是对GIS的发展都具有非常有价值的意义。文中尝试用新的小比例尺遥感影像和已有的道路网矢量数据自动或半自动地进行道路网提取及变化检测,并通过数据编程实验取得了理想的效果,很大地提高了自动化程度。
梁松[10]（2010）在《城市规划动态监管卫星遥感关键技术研究》文中提出近几年来,Quickbird、Geoeye-I等亚米级高空间分辨率多光谱遥感卫星的陆续升空及其商业运营,为城市规划遥感监测提供了有效而适用的数据源和应用研究机会。本文以Quickbird、IKONOS卫星遥感数据为主要数据源,针对我国迅速城市化过程中城市规划与建设的监管任务,开展城市规划与建设的变化检测、遥感信息模型和Web GIS监管服务的研究。通过对城市规划遥感监测业务分析,确定了研究的遥感数据源和处理流程。针对高分辨率多光谱遥感影像的特点,介绍了常用的一些图像处理技术,提出了改进的小波融合算法。根据城市规划遥感监测的特点,提出了采用面向对象的变化检测、信息提取和分类方法。采用面向对象的的遥感信息模型建立方法,研究了监测目标的光谱和空间特征,并建立了相应的遥感应用模型。在监测系统设计方面,提出了基于Web服务的GIS监测分析方法。
二、GIS数据辅助下的线状目标自动提取（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、GIS数据辅助下的线状目标自动提取（论文提纲范文）
（1）快速构建逼真三维虚拟仿真地球场景的若干关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1. 绪论 |
| 1.1. 研究背景及意义 |
| 1.1.1. 三维虚拟地球及相关概述 |
| 1.1.2. 虚拟现实及相关概述 |
| 1.1.3. 选题的提出 |
| 1.1.4. 选题的目的与意义 |
| 1.2. 国内外研究与发展现状 |
| 1.3. 研究目标与内容 |
| 1.4. 论文组织与安排 |
| 2. 构建全球基础虚拟三维地理环境 |
| 2.1. 概述 |
| 2.2. 全球三维场景的空间分割方法 |
| 2.2.1. 基本的空间分割方法 |
| 2.2.2. 球面场景的空间分割方案 |
| 2.3. 基于线性四叉树的全球无缝三维地形地貌环境 |
| 2.3.1. 全球四叉树分割规则 |
| 2.3.2. 地形瓦片金字塔调度机制 |
| 2.3.3. 线性四叉树瓦片索引 |
| 2.3.4. 瓦片拓扑关系 |
| 2.3.5. 摄像机的可见区域和最佳分辨率估算 |
| 2.3.6. 瓦片建模与纹理映射方法 |
| 2.3.7. 实验与分析 |
| 2.4. 全球三维模型数据的有效组织、调度与快速渲染 |
| 2.4.1. 构建三维模型的金字塔瓦片调度机制 |
| 2.4.2. 实验与分析 |
| 2.4.3. 引申 |
| 2.5. 本章小结 |
| 3. 面向仿真画质逼真度的渲染方法 |
| 3.1. 概述 |
| 3.2. 基于物理的BRDF的光照模型 |
| 3.2.1. 精确光源BRDF模型 |
| 3.2.2. 基于物理渲染的BRDF模型 |
| 3.2.3. 效果试验 |
| 3.3. 基于延迟渲染的渲染框架设计 |
| 3.3.1. 延迟渲染的概念与优势 |
| 3.3.2. 渲染框架实现 |
| 3.4. 高动态范围光照(HDR) |
| 3.5. 本章小结 |
| 4. 基于自动三维建模技术的线状地理要素模型的快速生成 |
| 4.1. 概述 |
| 4.2. 程序自动三维建模技术 |
| 4.3. 线状要素自动建模原理 |
| 4.4. 构建基本线状地理要素 |
| 4.4.1. 横截面几何图形 |
| 4.4.2. 空间曲线 |
| 4.4.3. 建模方法 |
| 4.4.4. 建模效果实验与分析 |
| 4.5. 三维道路自动建模方法 |
| 4.5.1. 基本建模方法 |
| 4.5.2. 道路交叉口建模方法 |
| 4.5.3. 建模实验 |
| 4.6. 大规模线状要素的管理、组织与调度方案 |
| 4.7. 使用GIS数据快速构建线状要素 |
| 4.8. 本章小结 |
| 5. 精细化地表虚拟环境的快速构建方法 |
| 5.1. 概述 |
| 5.2. 精细三维地貌快速制作 |
| 5.2.1. 精细地形制作 |
| 5.2.2. 精细地表细节制作 |
| 5.3. 构建大规模的三维地表覆盖物 |
| 5.3.1. 实例化(Instancing)技术 |
| 5.3.2. 基于四叉树分割的实例化方法 |
| 5.3.3. 实验与分析 |
| 5.4. 快速构建地表覆盖物 |
| 5.4.1. 动态制作地表装饰物 |
| 5.4.2. 使用GIS数据快速生成地表装饰物 |
| 5.5. 本章小结 |
| 6. 基于行业数据的虚拟水域和大气视觉环境的快速生成 |
| 6.1. 概述 |
| 6.2. 水域环境的快速构建方法 |
| 6.2.1. 范围性水域模型的构建 |
| 6.2.2. 快速构建河流水面 |
| 6.3. 大气视觉环境的构建与渲染方法 |
| 6.3.1. 概述 |
| 6.3.2. 体渲染技术 |
| 6.3.3. 面向三维地球空间的体渲染方法 |
| 6.3.4. 使用气象模式数据快速构建真实的气象环境 |
| 6.4. 本章小结 |
| 7. 总结与展望 |
| 7.1. 总结 |
| 7.2. 展望 |
| 参考文献 |
| 攻读博士学位论文期间论文与科研情况 |
| 致谢 |
（2）基于矢量数据的遥感影像道路提取与变化检测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于遥感影像的道路提取技术研究现状 |
| 1.2.2 矢量数据引导下的遥感影像道路提取技术研究现状 |
| 1.2.3 道路矢量数据变化检测技术研究现状 |
| 1.3 论文的主要研究内容 |
| 1.4 论文组织结构安排 |
| 第二章 矢量数据辅助下的遥感影像道路自动分割方法 |
| 2.1 矢量数据辅助的遥感影像监督分类方法原理 |
| 2.1.1 遥感影像监督分类方法 |
| 2.1.2 基于彩色和灰度信息的遥感影像监督分类方法 |
| 2.1.3 矢量数据辅助下的训练样本获取方法 |
| 2.2 矢量数据辅助下的高分辨率影像道路自动分割方法 |
| 2.2.1 Mean-shift滤波处理 |
| 2.2.2 获取并筛选正样本点 |
| 2.2.3 获取并筛选负样本点 |
| 2.2.4 朴素贝叶斯分类 |
| 2.3 矢量数据辅助下的中、低分辨率影像道路自动分割方法 |
| 2.3.1 非线性扩散滤波处理 |
| 2.3.2 利用相位一致方法检测图像线特征 |
| 2.3.3 获取样本点 |
| 2.3.4 基于监督分类的道路区域提取 |
| 2.4 实验与分析 |
| 2.4.1 矢量数据辅助下的高分辨率影像道路自动分割实验 |
| 2.4.2 矢量数据辅助下的中、低分辨率影像道路自动分割实验 |
| 2.5 本章小结 |
| 第三章 基于方向一致性分割的分类影像道路提纯方法 |
| 3.1 分类影像上的道路几何特征及判别方法 |
| 3.2 分类影像上的道路主方向检测 |
| 3.3 基于区域生长法的方向相似区域合并 |
| 3.4 利用几何特征筛选道路段 |
| 3.5 断裂道路连接 |
| 3.6 实验与分析 |
| 3.6.1 实验 1：高分辨率分类影像道路提纯 |
| 3.6.2 实验 2：中、低分辨率分类影像道路提纯 |
| 3.6.3 实验结果分析 |
| 3.7 本章小结 |
| 第四章 矢量数据辅助下的遥感影像道路自动提取方法 |
| 4.1 利用邻域质心投票从分类影像提取道路中心线 |
| 4.1.1 二值图像上的角度纹理特征方法 |
| 4.1.2 邻域质心投票算法 |
| 4.2 道路中心线的矢量化与规整处理 |
| 4.2.1 像素跟踪与方向判断相结合的道路矢量化方法 |
| 4.2.2 基于矢量几何分析的断线连接及毛刺去除 |
| 4.3 矢量数据辅助下的遥感影像道路自动提取的整体策略 |
| 4.3.1 矢量数据辅助下的高分辨率影像道路自动提取 |
| 4.3.2 矢量数据辅助下的中、低分辨率影像道路自动提取 |
| 4.4 实验与分析 |
| 4.4.1 道路提取结果的精度评价方法 |
| 4.4.2 邻域质心投票算法实验 |
| 4.4.3 矢量数据辅助下的高分辨率影像道路自动提取实验 |
| 4.4.4 矢量数据辅助下的中、低分辨率影像道路自动提取实验 |
| 4.5 本章小结 |
| 第五章 道路矢量数据变化检测方法 |
| 5.1 缓冲区增长法 |
| 5.2 基于缓冲区思想的道路矢量数据变化检测方法 |
| 5.3 矢量化道路提取结果用于变化检测的精度评价方法 |
| 5.4 实验验证 |
| 5.4.1 实验 1：高分辨率影像上提取的道路用于变化检测 |
| 5.4.2 实验 2：中、低分辨率影像上提取的道路用于变化检测 |
| 5.4.3 实验结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文研究工作总结 |
| 6.2 对今后研究的展望 |
| 致谢 |
| 参考文献 |
| 作者简历 攻读硕士学位期间完成的主要工作 |
（3）基于精细建模的居民小区三维GIS系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景 |
| 1.1.1 数字小区的研究发展概况 |
| 1.1.2 三维 GIS 定义与功能 |
| 1.1.3 2 维 2.5 维与 3 维 GIS |
| 1.1.4 三维 GIS 软件平台 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文的研究内容与技术流程 |
| 1.3.1 本文的研究内容 |
| 1.3.2 本文技术流程 |
| 第二章 三维 GIS 相关技术与理论 |
| 2.1 三维空间数据模型 |
| 2.1.1 面模型 |
| 2.1.2 体模型 |
| 2.1.3 混合数据模型 |
| 2.2 三维模型的构建方法对比 |
| 2.2.1 基于遥感影像三维建模方法 |
| 2.2.2 基于规则几何体和二维 GIS 的三维建模方法 |
| 2.2.3 基于 CAD 的三维建模方法 |
| 2.3 三维系统开发方法简介对比 |
| 2.3.1 独立二次开发 |
| 2.3.2 单纯二次开发 |
| 2.3.3 集成二次开发 |
| 第三章 利用 SKETCHUP 与 ARCSCENE 创建三维模型和场景 |
| 3.1 MULTIPATCH 三维数据模型 |
| 3.1.1 MULTIPATCH 概述 |
| 3.1.2 MULTIPATCH 组件 |
| 3.2 SKETCHUP 建模 |
| 3.3 地物模型 |
| 3.3.1 建模数据的获取 |
| 3.3.2 模型构建 |
| 3.3.3 纹理贴图 |
| 3.4 SKP 格式转换为 MULTIPATCH 格式 |
| 3.5 SKETCHUPESRI 插件与 ARCGIS 的交互 |
| 3.6 基于 ARCGIS 的场景平台的实现 |
| 第四章 三维小区 GIS 的系统设计与实现 |
| 4.1 系统的总体设计 |
| 4.1.1 需求分析 |
| 4.1.2 系统开发平台 |
| 4.1.3 系统开发框架 |
| 4.2 系统开发流程详述 |
| 4.2.1 数据采集与初步处理 |
| 4.2.2 数据转换与再处理 |
| 4.2.3 三维模型构建与导出 |
| 4.2.4 创建 DEM |
| 4.2.5 模型属性信息编制与图层分类 |
| 4.2.6 三维小区 GIS 系统二次开发 |
| 4.3 主要功能模块的开发与实现 |
| 4.3.1 三维浏览功能 |
| 4.3.2 鹰眼 |
| 4.3.3 属性查询功能 |
| 4.3.4 小区房屋户型图及内部全景显示 |
| 4.3.5 交互测量 |
| 4.3.6 噪声分析 |
| 4.3.7 业主模块及物管模块 |
| 4.4 系统展示 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 在学期间发表的论着及取得的科研成果 |
（4）高分辨率极化SAR影像典型线状目标半自动提取（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1. 研究背景与意义 |
| 1.2. 研究现状与存在的问题 |
| 1.2.1. 极化SAR相干斑抑制 |
| 1.2.2. 极化SAR影像边缘检测 |
| 1.2.3. 高分辨率影像道路跟踪 |
| 1.2.4. 输电线检测 |
| 1.3. 本文研究内容和组织结构 |
| 第二章 保持线状特征的极化SAR影像滤波方法 |
| 2.1. 引言 |
| 2.2. 保持结构特征和散射特性的SAR影像滤波 |
| 2.2.1. 保持空间结构信息的滤波 |
| 2.2.2. 保持散射机制信息的滤波 |
| 2.2.3. 基于结构信息的滤波器融合 |
| 2.3. 实验与讨论 |
| 2.3.1. 旧金山湾AIRSAR影像 |
| 2.3.2. Flevoland AIRSAR影像 |
| 2.3.3. 结果分析与比较 |
| 本章小结 |
| 第三章 基于极化最优对比增强改进的ROA边缘检测 |
| 3.1. 引言 |
| 3.2. SAR边缘检测研究现状 |
| 3.2.1. 单极化SAR边缘检测现状及问题 |
| 3.2.2. 极化SAR边缘检测现状与问题 |
| 3.2.3. 基于复Wishart卡方检验的POLCFAR法 |
| 3.3. 自适应OPCE改进的ROA边缘检测 |
| 3.3.1. 目标最优极化对比增强理论 |
| 3.3.2. AOPCE-ROA算法 |
| 3.3.3. 快速AOPCE-ROA算法 |
| 3.4. 实验与讨论 |
| 3.4.1. 实验数据描述 |
| 3.4.2. 实验与分析 |
| 3.4.3. 讨论 |
| 本章小结 |
| 第四章 SVDD单类分类道路种子点提取方法 |
| 4.1. 引言 |
| 4.2. 单类分类问题与SVDD基本原理 |
| 4.2.1. 单类分类问题 |
| 4.2.2. SVDD在遥感中应用的现状 |
| 4.2.3. SVDD基本原理 |
| 4.2.4. 核函数的使用 |
| 4.3. 极化SAR影像SVDD单类分类 |
| 4.3.1. SAR影像分类极化特征提取 |
| 4.3.2. 训练样本选择 |
| 4.3.3. 交叉验证参数寻优 |
| 4.3.4. 单类分类精度评价 |
| 4.3.5. 实验与分析 |
| 4.4. 基于SVDD单类分类的道路种子点提取 |
| 4.4.1. 道路种子点提取方法 |
| 4.4.2. 实验结果分析 |
| 本章小结 |
| 第五章 基于自适应贝叶斯滤波的道路半自动跟踪方法 |
| 5.1. 引言 |
| 5.2. 基于种子点的道路初始化 |
| 5.2.1. 道路初始化方法综述 |
| 5.2.2. 基于种子点的道路初始化 |
| 5.2.3. 道路初始化实验 |
| 5.3. 道路预测与观测模型 |
| 5.4. 贝叶斯滤波 |
| 5.4.1. 贝叶斯滤波概述 |
| 5.4.2. 卡尔曼滤波 |
| 5.4.3. 粒子滤波 |
| 5.5. 模板匹配获取道路观测值 |
| 5.5.1. 多视加权最小二乘剖面匹配 |
| 5.5.2. 矩形模板匹配 |
| 5.5.3. 模型的获取 |
| 5.5.4. 观测值精度的作用及其影响 |
| 5.6. 贝叶斯滤波道路跟踪 |
| 5.6.1. 基于贝叶斯滤波的道路跟踪 |
| 5.6.2. 终止条件 |
| 5.6.3. 自适应步长迭代策略 |
| 5.6.4. 种子点在跟踪中的辅助作用 |
| 5.6.5. 双滤波器自适应协调工作 |
| 5.7. 实验结果与分析 |
| 5.7.1. 算法分步实验 |
| 5.7.2. 综合实验 |
| 本章小结 |
| 第六章 HOUGH域相干性估计的输电线检测 |
| 6.1. 引言 |
| 6.2. 输电线极化散射特性建模 |
| 6.2.1. 极化方位角影响 |
| 6.2.2. 雷达截面积影响 |
| 6.3. HOUGH域相干性估计的输电线检测 |
| 6.3.1. 输电线目标极化特征提取 |
| 6.3.2. Hough域相干性估计 |
| 6.3.3. 输电线提取的流程 |
| 6.4. 实验 |
| 6.4.1. 数据描述 |
| 6.4.2. 实验结果与分析 |
| 6.4.3. 讨论 |
| 本章小结 |
| 第七章 总结与展望 |
| 7.1. 论文的主要工作和创新性成果 |
| 7.2. 进一步研究的展望 |
| 参考文献 |
| 附录：博士学习期间承担的项目和发表的论文 |
| 致谢 |
（5）基于三元组的矢量数据变化检测方法的研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究意义 |
| 1.4 主要内容 |
| 1.5 论文组织 |
| 2 矢量地图数据变化检测方法与分析 |
| 2.1 变化检测的概念和模式分类 |
| 2.1.1 变化检测的概念 |
| 2.1.2 矢量数据变化检测的模式分类 |
| 2.2 变化检测的一般步骤 |
| 2.2.1 变化检测内容的确定和数据选择 |
| 2.2.2 数据预处理 |
| 2.2.3 检测对象时态特征提取 |
| 2.2.4 变化检测 |
| 2.2.5 精度评估 |
| 2.3 常用的矢量数据变化检测方法 |
| 2.3.1 基于面积相似度的同名实体空间匹配检测 |
| 2.3.2 基于空间特征码的矢量要素变化检测 |
| 2.3.3 栅格化统计比较变化检测 |
| 2.3.4 基于矢量缓冲区变化检测 |
| 3 基于三元组的矢量地理要素变化检测算法 |
| 3.1 要素几何变化检测理论依据 |
| 3.1.1 点要素几何变化检测 |
| 3.1.2 线要素几何变化检测 |
| 3.1.3 面要素几何变化检测 |
| 3.2 三元组变化检测算法 |
| 3.2.1 三元组描述模型 |
| 3.2.2 基于几何完整性的图形正则化处理 |
| 3.2.3 要素变化分类算法 |
| 3.2.4 三元组变化检测算法实现步骤 |
| 3.3 实验与分析 |
| 3.3.1 实验区域与数据 |
| 3.3.2 数据预处理 |
| 3.3.3 变化检测 |
| 3.3.4 实验结果与分析 |
| 4 模型的编程实现 |
| 4.1 系统设计 |
| 4.2 系统编程 |
| 4.3 系统运行实例 |
| 5 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（7）基于土地利用空间知识挖掘的高分辨率遥感影像分类（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及研究问题的提出 |
| 1.2 遥感分类的主要方法及研究趋势 |
| 1.3 基于空间知识的遥感分类研究现状及存在的问题 |
| 1.3.1 相关研究现状 |
| 1.3.2 存在的问题 |
| 1.4 本文的研究目标及关键问题 |
| 1.5 论文的结构安排 |
| 第二章 相关的理论基础和方法基础 |
| 2.1 遥感影像计算机分类的基本过程 |
| 2.1.1 选择分类体系 |
| 2.1.2 数据预处理 |
| 2.1.3 特征的提取与选择 |
| 2.1.4 图像分类 |
| 2.1.5 精度评价 |
| 2.2 空间数据与空间知识的基本概念 |
| 2.2.1 土地利用空间数据相关概念 |
| 2.2.2 空间知识的相关概念 |
| 2.3 空间数据挖掘与知识发现的理论与方法 |
| 2.3.1 空间数据挖掘的概念 |
| 2.3.2 空间数据挖掘的特点 |
| 2.3.3 空间数据挖掘可发现的知识 |
| 2.3.4 空间数据挖掘的主要方法 |
| 2.4 群体智能算法分类的基本原理 |
| 2.4.1 群体智能算法概述 |
| 2.4.2 群体智能算法统一框架模式 |
| 2.5 本章小结 |
| 第三章 基于土地利用空间知识挖掘的遥感分类模型构建 |
| 3.1 遥感影像认知的原理分析 |
| 3.1.1 遥感影像目视解译的认知过程 |
| 3.1.2 遥感认知中的尺度问题 |
| 3.1.3 遥感影像认知和理解的特点 |
| 3.1.4 计算机模拟人类的认知过程 |
| 3.2 土地利用空间知识认知金字塔的构建 |
| 3.2.1 土地利用空间知识的类型 |
| 3.2.2 土地利用空间知识与尺度效应 |
| 3.2.3 各种空间知识之间的关系分析 |
| 3.3 土地利用空间知识的提取与表达 |
| 3.3.1 遥感分类与空间数据挖掘的集成框架 |
| 3.3.2 领域空间知识的提取与表达 |
| 3.3.3 图像空间知识的提取与表达 |
| 3.4 融合土地利用空间知识的分类策略 |
| 3.4.1 蚁群智能优化算法进行遥感土地利用分类的可行性分析 |
| 3.4.2 融合空间知识的蚁群算法分类策略 |
| 3.5 总体逻辑框架设计 |
| 3.6 本章小结 |
| 第四章 渐进式土地利用空间知识挖掘 |
| 4.1 面向遥感分类的土地利用空间分区 |
| 4.1.1 土地利用空间分区的基本概念 |
| 4.1.2 面向遥感分类的土地利用空间分区原则 |
| 4.1.3 影响土地利用分区的特征因子分析 |
| 4.1.4 基于叠置分析法的土地利用空间分区 |
| 4.2 基于空间数据聚类法的样本知识提取 |
| 4.2.1 样本选取的原则及常用方法 |
| 4.2.2 GIS辅助提取样本知识的原理及改进思路 |
| 4.2.3 基于图像分割的样本选择 |
| 4.3 基于空间几何知识的多尺度纹理特征提取 |
| 4.3.1 GLCM纹理特征描述 |
| 4.3.2 纹理尺度问题 |
| 4.3.3 纹理尺度与地物形态的关系 |
| 4.3.4 基于图斑形态知识的纹理尺度选择 |
| 4.3.5 纹理尺度选择及其有效性评价 |
| 4.4 土地利用空间关联规则挖掘 |
| 4.4.1 相关基础概念 |
| 4.4.2 Apriori空间关联规则挖掘模型 |
| 4.4.3 面向遥感分类的土地利用空间关联规则挖掘 |
| 4.5 土地利用图斑的方向知识挖掘 |
| 4.5.1 方向知识挖掘的基本概念 |
| 4.5.2 描述地物主方向特征的算法设计 |
| 4.5.3 描述地物的主方向特征的技术流程 |
| 4.6 土地利用分类知识库建立 |
| 4.6.1 土地利用分类知识的内容和特点 |
| 4.6.2 土地利用分类知识的表达 |
| 4.6.3 分类知识库建立 |
| 4.7 本章小结 |
| 第五章 融合空间知识的人工蚁群优化算法分类 |
| 5.1 蚁群智能算法分类概述 |
| 5.1.1 蚁群智能算法的研究进展 |
| 5.1.2 基本蚁群智能算法(ACO)的原理 |
| 5.1.3 蚁群智能算法的特点 |
| 5.1.4 蚁群算法统一框架模式 |
| 5.2 人工蚁群系统与遥感影像分类耦合思想 |
| 5.3 融合空间知识的蚁群优化分类模型设计 |
| 5.3.1 自我适应机制 |
| 5.3.2 社会协作机制 |
| 5.3.3 竞争机制 |
| 5.3.4 分类模型构建 |
| 5.4 融合空间知识的蚁群优化分类算法设计 |
| 5.4.1 算法流程设计 |
| 5.4.2 初始信息素设置 |
| 5.4.3 禁忌搜索策略 |
| 5.4.4 蚂蚁状态转移算子 |
| 5.4.5 类别匹配算子设计 |
| 5.4.6 信息素奖惩策略 |
| 5.4.7 探索终止条件 |
| 5.5 本章小结 |
| 第六章 实例分析:昌江县遥感影像土地利用分类 |
| 6.1 研究区域概况 |
| 6.1.1 研究区位置 |
| 6.1.2 自然社会环境概况 |
| 6.1.3 土地资源利用状况及特点分析 |
| 6.2 实验数据及其预处理 |
| 6.2.1 实验数据 |
| 6.2.2 空间数据预处理 |
| 6.3 土地利用空间分区及分类方案确定 |
| 6.3.1 基于叠置分析法的土地利用空间分区 |
| 6.3.2 土地利用分类方案 |
| 6.3.3 GIS数据库中地类代码的综合 |
| 6.4 GIS辅助选择分类样本 |
| 6.4.1 GIS辅助分割图像 |
| 6.4.2 分割块的光谱纯净度测算 |
| 6.4.3 光谱空间分布频数统计 |
| 6.4.4 聚类分析法提取样本知识 |
| 6.4.5 样本选择结果分析 |
| 6.5 多尺度纹理特征提取 |
| 6.5.1 基于MER的图斑形态描述 |
| 6.5.2 图斑的紧凑性测度 |
| 6.5.3 基于土地利用形态知识的纹理尺度选择 |
| 6.5.4 纹理尺度因子选择 |
| 6.5.5 纹理尺度因子评价 |
| 6.5.6 算法性能分析 |
| 6.6 土地利用空间相邻规则挖掘 |
| 6.6.1 任务分析 |
| 6.6.2 农村道路与相邻图斑的关联规则挖掘 |
| 6.6.3 公路与相邻图斑的关联规则挖掘 |
| 6.7 土地利用图斑的方向知识提取 |
| 6.8 蚁群智能优化算法遥感影像分类 |
| 6.8.1 算法实现 |
| 6.8.2 分类结果及精度评价 |
| 6.8.3 不同分类算法对比分析 |
| 6.8.4 算法改进策略对比分析 |
| 6.9 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.1.1 全文总结 |
| 7.1.2 本文的主要贡献和创新点 |
| 7.2 后续研究工作 |
| 参考文献 |
| 攻读博士学位期间的主要研究成果 |
| 致谢 |
（8）地图数据多尺度级联更新方法研究（论文提纲范文）
| 主要创新点 |
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 多尺度地图数据更新 |
| 1.1.2 数据更新的意义和瓶颈 |
| 1.1.3 本文研究目的和意义 |
| 1.2 相关技术国内外研究现状 |
| 1.2.1 数据更新技术 |
| 1.2.2 变化检测方法 |
| 1.2.3 空间目标匹配技术 |
| 1.3 论文研究内容 |
| 1.4 论文的组织结构 |
| 第二章 地图数据多尺度级联更新理论和方法 |
| 2.1 地图数据多尺度级联更新理论 |
| 2.1.1 地图数据更新的实质 |
| 2.1.2 地图数据多尺度级联更新的内涵 |
| 2.1.3 地图数据的更新内容 |
| 2.1.4 地图数据的更新步骤 |
| 2.1.5 地图数据多尺度级联更新的关键问题 |
| 2.2 地图数据更新技术方法 |
| 2.3 地图综合基本理论 |
| 2.3.1 地图综合的目的 |
| 2.3.2 地图自动综合的概念 |
| 2.3.3 地图综合的基本方法 |
| 2.3.4 基于增量信息的地图综合 |
| 2.4 增量式地图数据多尺度级联更新 |
| 2.4.1 地图数据多尺度级联更新方式的确定 |
| 2.4.2 具有同比例尺源数据辅助下的增量缩编级联更新 |
| 2.4.3 没有同比例尺源数据辅助下的增量缩编级联更新 |
| 2.5 本章小结 |
| 第三章 地图数据的多尺度、多时相组织与管理 |
| 3.1 地图数据多尺度组织原则 |
| 3.2 多尺度地图数据库及建立方法 |
| 3.2.1 多尺度空间数据库 |
| 3.2.2 多尺度地图数据库的建立方法 |
| 3.3 多尺度变化数据的组织和管理 |
| 3.3.1 时空数据库研究现状 |
| 3.3.2 时空数据模型的选择 |
| 3.3.3 时空数据库的设计 |
| 3.4 本章小结 |
| 第四章 多尺度空间目标匹配和变化检测 |
| 4.1 同名实体 |
| 4.2 多尺度空间目标匹配综述 |
| 4.2.1 多尺度空间目标匹配特点 |
| 4.2.2 多尺度空间目标匹配的基本思想 |
| 4.3 空间目标匹配过程和方法 |
| 4.3.1 基于语义的预匹配 |
| 4.3.2 基于空间拓扑关系的目标粗匹配 |
| 4.3.3 多尺度线目标精匹配 |
| 4.3.4 多尺度面目标精匹配 |
| 4.3.5 匹配关联表的使用 |
| 4.4 变化检测的内容及形式化表示 |
| 4.4.1 "变化"的概念 |
| 4.4.2 变化的形式化表达 |
| 4.5 变化检测与地图综合的关系 |
| 4.5.1 地图综合对变化检测的影响 |
| 4.5.2 变化检测的思路 |
| 4.5.3 关于地图综合的各种变化处理方法 |
| 4.5.4 比例尺要求 |
| 4.6 变化检测 |
| 4.6.1 同比例尺辅助下的几何变化检测 |
| 4.6.2 不同比例尺下的几何变化检测 |
| 4.6.3 居民地特殊情况处理 |
| 4.7 本章小结 |
| 第五章 基于增量信息的地图缩编更新 |
| 5.1 道路网的缩编更新 |
| 5.1.1 道路网选取研究现状 |
| 5.1.2 跨尺度更新对道路网选取的新要求 |
| 5.1.3 基于单位影响域的道路增量缩编 |
| 5.2 居民地的缩编更新 |
| 5.2.1 居民地化简与合并方法综述 |
| 5.2.2 基于扩展栅-矢混合数据的居民地合并 |
| 5.3 本章小结 |
| 第六章 实验 |
| 6.1 开发和运行环境 |
| 6.2 实验 |
| 6.2.1 具有同比例尺源数据辅助下的增量缩编级联更新实验 |
| 6.2.2 没有同比例尺源数据辅助下的增量缩编级联更新实验 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结及创新点 |
| 7.1.1 全文总结 |
| 7.1.2 本文创新点 |
| 7.2 展望 |
| 参考文献 |
| 攻读博士期间的科研成果 |
| 致谢 |
（9）影像与矢量结合的道路自动提取及变化检测（论文提纲范文）
| 1 改变和消失道路的自动检测 |
| 1.1 在已有矢量数据引导下的道路自动提取 |
| 1.2 自动检测改变和消失了的道路 |
| 2 新增道路的半自动检测 |
| 3 结 论 |
（10）城市规划动态监管卫星遥感关键技术研究（论文提纲范文）
| 摘要 Abstract 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 相关研究发展现状 |
| 1.2.1 国内方面 |
| 1.2.2 国外方面 |
| 1.3 主要研究内容 |
| 1.3.1 相关的研究课题 |
| 1.3.2 特色和重点研究问题 |
| 1.3.3 研究目标和主要研究内容 |
| 1.3.4 技术路线 |
| 1.3.5 研究方法 |
| 1.4 论文的组织 2 城市规划遥感监测业务与技术流程 |
| 2.1 概述 |
| 2.1.1 城市规划相关概念 |
| 2.1.2 城市规划遥感监测业务流程 |
| 2.1.3 城市规划遥感监测技术流程 |
| 2.2 数据获取 |
| 2.2.1. 城市规划监管数据需求 |
| 2.2.2. 城市规划监管数据源分析 |
| 2.3 面向城市规划监管的遥感数据处理 |
| 2.4 变化信息提取与识别 |
| 2.5 核查与成果发布 |
| 2.5.1 核查 |
| 2.5.2 成果发布 |
| 2.6 小结 3 遥感图像处理核心技术 |
| 3.1 图像纠正与配准 |
| 3.2 遥感影像的数字镶嵌 |
| 3.3 图像变换 |
| 3.4 图像增强 |
| 3.5 多源遥感图像数据融合 |
| 3.5.1 融合的概念 |
| 3.5.2 融合的基本理论 |
| 3.5.3 主要融合方法 |
| 3.5.4 融合方法的应用比较 |
| 3.6 改进型小波融合算法 |
| 3.6.1 小波理论的发展 |
| 3.6.2 基于小波变换的融合算法 |
| 3.6.3 基于PCA变换、小波变换与高通滤波的遥感影像融合方法 |
| 3.7 实例分析 |
| 3.8 小结 4 变化信息检测(提取)分类的理论和方法 |
| 4.1 概述 |
| 4.2 变化检测的地物及其遥感图像特征分析 |
| 4.2.1 变化检测中地物的地学特征 |
| 4.2.2 遥感图像的分辨率 |
| 4.2.3 地物与遥感图像间的对应关系 |
| 4.2.4 地物遥感信息空间 |
| 4.3 变化检测的主要方法及其特点 |
| 4.3.1 分类后比较法 |
| 4.3.2 代数运算方法 |
| 4.3.3 可视化分析法 |
| 4.3.4 光谱特征变异法 |
| 4.3.5 主成分分析法 |
| 4.3.6 变换向量分析法 |
| 4.3.7 小波变换法 |
| 4.3.8 面向对象法 |
| 4.3.9 变化检测方法分析 |
| 4.4 面向对象的变化检测分类方法 |
| 4.4.1 高分辨率遥感图像特点 |
| 4.4.2 面向对象分类的概念 |
| 4.4.3 面向对象分类的优点 |
| 4.4.4 面向对象分类的难点 |
| 4.4.5 面向对象分类的流程 |
| 4.4.6 城市规划遥感监测专题对象分析 |
| 4.5 实例分析及评价 |
| 4.5.1 Definiens分类软件 |
| 4.5.2 实例分析 |
| 4.6 小结 5 城市规划遥感专题监测模型研究 |
| 5.1 概述 |
| 5.2 遥感信息模型 |
| 5.2.1 遥感信息模型的概念 |
| 5.2.2 遥感信息模型的建立 |
| 5.3 城市规划遥感监测专题目标的光谱、空间和纹理等特征 |
| 5.3.1 建设工程监测目标的特征 |
| 5.3.2 城市道路监测目标的特征 |
| 5.3.3 城市水系监测目标的特征 |
| 5.3.4 城市绿地监测目标的特征 |
| 5.3.5 建设用地监测目标的特征 |
| 5.3.6 历史文化名城保护监测目标的特征 |
| 5.4 城市规划遥感监测专题应用模型 |
| 5.4.1 面向对象的遥感模型建立方法 |
| 5.4.2 城市规划遥感监测专题模型 |
| 5.5 遥感信息模型的数学表达 |
| 5.6 实例分析 |
| 5.7 小结 6 基于WEB服务的GIS监测分析研究 |
| 6.1 概述 |
| 6.1.1 Web Services简介 |
| 6.1.2 Web Services的工作原理 |
| 6.2 基于WEB服务的监测系统设计 |
| 6.2.1 监测系统技术框架 |
| 6.2.2 基于Web服务的监测系统功能设计 |
| 6.2.3 系统的运行环境 |
| 6.3 基于GIS技术的监测分析 |
| 6.3.1 监测数据管理 |
| 6.3.2 基于GIS技术的监测分析 |
| 6.4 实例分析 |
| 6.4.1 变化提取 |
| 6.4.2 GIS辅助监测分析 |
| 6.5 小结 7 结论与展望 |
| 7.1 主要研究成果和创新点 |
| 7.1.1 主要研究成果 |
| 7.1.2 主要创新点 |
| 7.2 城市规划遥感监测发展展望 参考文献 致谢 作者简介 在学期间发表论文及参加科研工作情况 |
四、GIS数据辅助下的线状目标自动提取（论文参考文献）
- [1]快速构建逼真三维虚拟仿真地球场景的若干关键技术研究[D]. 王鹏. 武汉大学, 2015(03)
- [2]基于矢量数据的遥感影像道路提取与变化检测技术研究[D]. 丁磊. 解放军信息工程大学, 2016(05)
- [3]基于精细建模的居民小区三维GIS系统设计与实现[D]. 方传海. 重庆交通大学, 2014(02)
- [4]高分辨率极化SAR影像典型线状目标半自动提取[D]. 邓少平. 武汉大学, 2013(10)
- [5]基于三元组的矢量数据变化检测方法的研究[D]. 沙玉坤. 山东农业大学, 2012(02)
- [6]影像与矢量结合的道路自动提取及变化检测[A]. 吴晓燕,车登科,戴芳. 中国测绘学会2010年学术年会论文集, 2010
- [7]基于土地利用空间知识挖掘的高分辨率遥感影像分类[D]. 兰泽英. 武汉大学, 2010(05)
- [8]地图数据多尺度级联更新方法研究[D]. 蓝秋萍. 武汉大学, 2010(05)
- [9]影像与矢量结合的道路自动提取及变化检测[J]. 吴晓燕,车登科,戴芬. 矿山测量, 2010(01)
- [10]城市规划动态监管卫星遥感关键技术研究[D]. 梁松. 中国矿业大学（北京）, 2010(10)