导读:本文包含了地物特征论文开题报告文献综述及选题提纲参考文献，主要关键词:空间格局,空间关联,职住关系,手机信令数据
地物特征论文文献综述
张志恒,吴昊天,胡宝生,路青,康彩霞[1]（2019）在《空间研究两个基本范式:地物特征与空间特质——以北京市职住分析为例》一文中研究指出探讨地理空间与地物之间的关系是空间研究的永恒主题,更是空间资源优化的前提。依据"地物"与"空间"在研究中的角色,本文归纳出两种范式,一是以"地物"为分析主体的地物特征类研究范式,二是以"空间"为分析主体的空间特质类研究范式。本文基于这两种范式对北京市的职住规律进行探讨,基于第一种范式重点考察人口居住、人口工作的两个静态指标的空间表现,基于第二种范式重点考察空间单元度的分布、不同单元对度偏好、网络效率叁个维度。结果表明:地物特征视角下,可得出居住人口与工作人口的空间分布均呈现出从内至外沿圈层状减弱的格局,并同样在主要廊道上延伸,工作人口的空间集聚水平要明显高于居住人口,同时进一步完成了功能单一性较强区域的提取;空间特质视角下,可得出空间单元的累计度服从幂律分布,即职住网络构成无标度网络(NSF),职住空间的网络较大程度上为正相关网络,在居住成本与通勤成本的共同作用下,距离与流量(通勤人数)的大小呈现着"两头翘"的形态。最后本文提出为实现空间资源优化,进行的空间分析时即要注重空间作为坐标的静态性,同时也应当考虑空间单元关联的交互性,也就是要兼顾两种分析范式。(本文来源于《活力城乡 美好人居——2019中国城市规划年会论文集（05城市规划新技术应用）》期刊2019-10-19）
郝宇珊[2]（2019）在《基于高分叁号SAR影像的目标地物特征提取方法研究》一文中研究指出合成孔径雷达,由于其优秀的成像能力,不受云雨等天气影响,在恶劣环境下依然能为对地观测提供高质量、高时效性的图像,弥补了光学传感器受天气影响无法获取数据的缺陷,是获取地面信息的重要手段。高分叁号卫星,是我国自主研发的民用雷达卫星,其全天时全天候、多模式、多极化方式的多种优势,为我国对地观测技术提供了新的思路。随着雷达卫星的发展,SAR图像的分辨率越来越高,数据获取越来越方便,能够为城市的规划和对城市资源的监控提供实时的、具有科学依据的数据支撑。但是由于城市地物的复杂多样性,目前基于高分叁号卫星的城市目标地物提取研究并不多,同时对于高分辨率、高数据量的SAR图像,其处理方式依旧是SAR图像应用过程中急需解决的问题。因此,本文以高分叁号SAR图像为基础,以城市内水体和建筑物为目标地物,进行目标地物的特征提取。高分叁号SAR图像的处理是图像应用的基础,SAR图像由于其独特的成像机理,在处理方式上也与传统的光学影像有所差别。因此,本文首先分析了高分叁号SAR图像的处理流程,并从成像原理、几何特征、影像因素等多个方面对SAR图像进行了分析,针对本文的目标地物建筑物和水体在SAR图像上的特征进行了分析。对于雷达成像过程中的斑点噪声,选择了不同的滤波方法进行抑制,从定量评价的角度对结果进行了对比分析,通过分析结果可以发现,改进Lee滤波方法在图像的细节保持方面明显优于其他滤波方法。随后采用基于统计的灰度共生矩阵对两类目标地物的特征进行提取,并利用巴氏距离对提取参数进行了优化选择,将提取的特征数据与图像的灰度特征图构成目标地物的高维数据集。对于提取的特征数据集,本文引入了流形学习算法,在保持地物原本特征的同时,降低了数据的维数,实现了数据的约减,减少了SAR图像应用过程中的数据量,提取出了目标地物的新特征。本文选取PCA算法、LE算法以及LTSA算法对高维特征数据集进行降维。针对数据降维的结果,采用相同的分类方法,K均值聚类算法,对目标地物进行提取,通过对比叁类算法对目标地物的提取精度可以发现,对于建筑物的提取,LTSA算法具有低虚警率的同时能够保证较高精度的检测率,并且在对于分布较为分散的建筑区域,LTSA算法有着明显优于其他算法的提取优势。而对于水体的提取,叁种算法都能够较准确的提取出水体范围,但是其中LE算法的虚警率最低,水体提取范围最为准确。本文通过对分类结果的定量评价,总结出基于高分叁号SAR图像的建筑物和水体提取的最优提取方法。(本文来源于《哈尔滨师范大学》期刊2019-05-01）
张洪云,赵泉华,李玉[3]（2019）在《基于非规则标识点过程的遥感图像零星地物目标几何特征提取》一文中研究指出针对遥感图像中零星目标几何特征的非规则性,提出基于非规则标识点过程的遥感图像零星目标几何特征提取方法.首先,将图像分为目标类和背景类,利用非规则标识点过程建立目标的分布和几何特征,其中非规则标识采用一系列由节点连接起来的多边形定义而成,用以拟合目标几何形状,标识点用以确定目标位置;然后分别利用多值高斯分布和KL(Kullback Leibler)散度定义特征场能量函数和异质性能量函数,形成全局目标提取能量函数,应用非约束吉布斯表达式将全局能量函数转换为概率分布函数,并在最大化概率分布函数准则下设计合适的M-H(Metropolis-Hastings)采样算法,获得最优目标提取结果;最后,采用所提出方法对遥感图像零星目标进行提取,由实验结果可以看出,所提出方法不仅能准确定位各零星目标,而且可以对其几何形状进行精确拟合.(本文来源于《控制与决策》期刊2019年09期）
廖辉宝,曾凡淼,余泉,龙乐,李均良[4]（2018）在《江西东涧地区地、物、化、遥特征与找矿前景》一文中研究指出江西东涧地区位于江南隆起带九岭逆冲隆起。通过1:5万水系沉积物测量工作,在区内圈定了以Cu、Pb、Zn、Mo为主要元素的综合异常HS5(甲2)CuPbZnMo,其中Mo异常浓集中心明显,规模大,与各元素套合好。1:5万地面高磁异常明显,且与化探异常吻合较好。配合地表工程,共发现了钼矿化体2条,本文对该区地质、物化探异常进行了详细剖析,分析了成矿地质条件,认为在北东向断裂构造带是找矿的有利部位;在土壤Mo高值异常带及高磁零值线附近等值线密集,正负异常变化梯度大,是找矿的有利部位,找矿前景较好。(本文来源于《世界有色金属》期刊2018年19期）
赵中阳,程英蕾,释小松,秦先祥,李鑫[5]（2019）在《基于多尺度特征和PointNet的LiDAR点云地物分类方法》一文中研究指出针对复杂场景下激光雷达测量(LiDAR)点云数据的地物分类问题,提出了一种基于多尺度特征和PointNet的深度神经网络模型,该方法改进了PointNet提取局部特征的能力,实现了复杂场景下LiDAR点云的自动分类。在PointNet网络基础上添加多尺度网络提取点的局部特征,将不同尺度点的局部特征通过全连接层组成一个多维特征,并与PointNet提取的全局特征相结合,返回每个点类的分数以完成点云分类标签。利用Semantic叁维数据集和ISPRS提供的Vaihingen数据集,验证了所提深度神经网络模型。研究结果表明,与其他用于点云分类的神经网络相比,所提算法达到了更高的分类精度。(本文来源于《激光与光电子学进展》期刊2019年05期）
王昊,刘正坤[6]（2018）在《顾及地物要素特征的电子地图POI分类抽稀方法》一文中研究指出探讨影响POI分类抽稀结果的因素,提出顾及地物要素特征的POI数据分类抽稀方法。通过不同比例尺下POI分类抽稀试验分析,验证所提方法的可行性和有效性,提高电子地图中POI数据在不同比例尺下抽稀显示的合理性,从而满足用户专业需求。(本文来源于《测绘工程》期刊2018年07期）
贾诗超,薛东剑,李成绕[7]（2018）在《极化特征组合在ALOS PALSAR数据地物分类中的应用》一文中研究指出极化SAR图像分类是目前遥感领域研究热点之一,它为地物信息获取和地物分类提供了新方法。文中对四川省彭州石化地区利用ALOS PALSAR全极化数据进行支持向量机(SVM)分类。试验中首先获得极化总功率,然后对数据进行Cloude-Pottier极化分解,再基于相干矩阵的特征值,提取特征参数香农熵和雷达植被指数。组合这些极化特征对影像进行SVM的分类,并与基于Freeman-Durden极化分解的SVM分类和Wishart监督分类进行比较。试验结果表明:本文采用的极化特征组合信息之间得到相互补充,分类结果效果较好,Kappa系数为97.14%,相对另两种方法的Kappa系数分别提高了5.26%和27.20%。(本文来源于《测绘通报》期刊2018年07期）
张莹,张晓丽,李宏志,刘会玲[8]（2018）在《基于频谱和光谱特征的高光谱地物分类比较》一文中研究指出【目的】频谱作为物质的能量特征进行地物的识别是可行的。本文针对国内外利用频谱进行地物分类尤其是森林植被分类研究的匮乏,探索频谱的地物识别潜力,将高光谱影像的光谱曲线转化为频谱进行地物识别研究。【方法】以福建将乐林场为研究区,利用国产环境小卫星高光谱影像(HJ-1A HSI)和同时成像的多光谱影像(CCD),通过能量分离变换的方法对高光谱和多光谱进行融合,获取高空间分辨率的高光谱影像;然后,将融合影像的光谱曲线转化到频率域,进而获取频谱;通过"频谱距离"对研究区进行地物分类,并将分类结果与光谱角填图(SAM)分类结果进行比较。【结果】在频域中植被类别和非植被类别的低阶幅度谱具有明显的可分性,频谱方法提高了马尾松、杉木和阔叶林的制图精度,对于光谱特征相似的不同森林植被具有更好的区分能力;非植被类别在1阶谐波的频谱容易区分,植被类别需要用前7次谐波的幅度谱进行区分,随着频率的增大,频谱变化趋于相似,并且非植被类别在频域的能量累计速度高于植被类别;与SAM的分类结果比较发现,基于频谱的分类方法总体分类精度为84.19%,比SAM分类结果总体精度提高0.7%。【结论】利用频谱信息可以降低光谱曲线上噪声的影响,保留类别的重要区别信息,提高地类的分类精度,因此利用频域中的频谱进行地类识别具有可行性。(本文来源于《北京林业大学学报》期刊2018年07期）
张华,王敏[9]（2018）在《基于纹理特征与LSSVM的青土湖地物提取》一文中研究指出纹理特征作为一种非光谱信息能够增强地物之间的特征差异,这对于高分辨率遥感影像的地物提取有着重要意义。以青土湖为研究区,以Worldview-2影像为数据源,通过引入权重因子定义联合概率函数来确定最佳窗口尺度,利用灰度共生矩阵提取最佳窗口尺度下的纹理特征,将其与原始遥感影像合成,采用最小二乘支持向量机(LSSVM)进行地物提取,将提取结果与仅利用光谱信息的支持向量机(SVM)提取结果、辅以纹理特征的SVM提取结果对比分析。结果表明:此方法可以更加快速准确地提取青土湖地物,精度高达85.86%,优于仅利用光谱信息的SVM的65.13%,辅以纹理特征的SVM的73.45%,可为地物破碎的干旱区高分辨率遥感影像地物提取提供有益借鉴。(本文来源于《干旱区地理》期刊2018年04期）
邓凯[10]（2018）在《顾及遥感影像特征的面状地物轮廓简化》一文中研究指出在获取面状地物基础轮廓的前提下,由人类视觉点出发,提取面状地物的边缘、纹理等特征,将其作为优化目标,使用多目标遗传算法对面状地物进行简化。实验结果表明:提出的算法顾及影像特征,弥补了传统轮廓简化算法的不足,使其简化后的结果更加符合人类视觉,为后续的分析、操作提供更好的数据。(本文来源于《传感器与微系统》期刊2018年07期）
地物特征论文开题报告
（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：
合成孔径雷达,由于其优秀的成像能力,不受云雨等天气影响,在恶劣环境下依然能为对地观测提供高质量、高时效性的图像,弥补了光学传感器受天气影响无法获取数据的缺陷,是获取地面信息的重要手段。高分叁号卫星,是我国自主研发的民用雷达卫星,其全天时全天候、多模式、多极化方式的多种优势,为我国对地观测技术提供了新的思路。随着雷达卫星的发展,SAR图像的分辨率越来越高,数据获取越来越方便,能够为城市的规划和对城市资源的监控提供实时的、具有科学依据的数据支撑。但是由于城市地物的复杂多样性,目前基于高分叁号卫星的城市目标地物提取研究并不多,同时对于高分辨率、高数据量的SAR图像,其处理方式依旧是SAR图像应用过程中急需解决的问题。因此,本文以高分叁号SAR图像为基础,以城市内水体和建筑物为目标地物,进行目标地物的特征提取。高分叁号SAR图像的处理是图像应用的基础,SAR图像由于其独特的成像机理,在处理方式上也与传统的光学影像有所差别。因此,本文首先分析了高分叁号SAR图像的处理流程,并从成像原理、几何特征、影像因素等多个方面对SAR图像进行了分析,针对本文的目标地物建筑物和水体在SAR图像上的特征进行了分析。对于雷达成像过程中的斑点噪声,选择了不同的滤波方法进行抑制,从定量评价的角度对结果进行了对比分析,通过分析结果可以发现,改进Lee滤波方法在图像的细节保持方面明显优于其他滤波方法。随后采用基于统计的灰度共生矩阵对两类目标地物的特征进行提取,并利用巴氏距离对提取参数进行了优化选择,将提取的特征数据与图像的灰度特征图构成目标地物的高维数据集。对于提取的特征数据集,本文引入了流形学习算法,在保持地物原本特征的同时,降低了数据的维数,实现了数据的约减,减少了SAR图像应用过程中的数据量,提取出了目标地物的新特征。本文选取PCA算法、LE算法以及LTSA算法对高维特征数据集进行降维。针对数据降维的结果,采用相同的分类方法,K均值聚类算法,对目标地物进行提取,通过对比叁类算法对目标地物的提取精度可以发现,对于建筑物的提取,LTSA算法具有低虚警率的同时能够保证较高精度的检测率,并且在对于分布较为分散的建筑区域,LTSA算法有着明显优于其他算法的提取优势。而对于水体的提取,叁种算法都能够较准确的提取出水体范围,但是其中LE算法的虚警率最低,水体提取范围最为准确。本文通过对分类结果的定量评价,总结出基于高分叁号SAR图像的建筑物和水体提取的最优提取方法。
（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。
地物特征论文参考文献
[1].张志恒,吴昊天,胡宝生,路青,康彩霞.空间研究两个基本范式:地物特征与空间特质——以北京市职住分析为例[C].活力城乡美好人居——2019中国城市规划年会论文集（05城市规划新技术应用）.2019
[2].郝宇珊.基于高分叁号SAR影像的目标地物特征提取方法研究[D].哈尔滨师范大学.2019
[3].张洪云,赵泉华,李玉.基于非规则标识点过程的遥感图像零星地物目标几何特征提取[J].控制与决策.2019
[4].廖辉宝,曾凡淼,余泉,龙乐,李均良.江西东涧地区地、物、化、遥特征与找矿前景[J].世界有色金属.2018
[5].赵中阳,程英蕾,释小松,秦先祥,李鑫.基于多尺度特征和PointNet的LiDAR点云地物分类方法[J].激光与光电子学进展.2019
[6].王昊,刘正坤.顾及地物要素特征的电子地图POI分类抽稀方法[J].测绘工程.2018
[7].贾诗超,薛东剑,李成绕.极化特征组合在ALOSPALSAR数据地物分类中的应用[J].测绘通报.2018
[8].张莹,张晓丽,李宏志,刘会玲.基于频谱和光谱特征的高光谱地物分类比较[J].北京林业大学学报.2018
[9].张华,王敏.基于纹理特征与LSSVM的青土湖地物提取[J].干旱区地理.2018
[10].邓凯.顾及遥感影像特征的面状地物轮廓简化[J].传感器与微系统.2018