利用接口技术的基于OO的冲裁模CAD/CAM系统的建模

利用面向对象技术进行软件开发是目前软件开发的趋势。为了构建基于面向对象的冲裁模CAD／CAM系统，利用VB平台提供的接口技术，通过实现接口继承来实现类的继承性和多态性，并使用GUIDS方法层层深入地组织系统结构，最终以零件类为基类，建立了较为科学的系统模型。将该模型应用于应用软件的设计中可增强应用软件的可维护性和可扩展性。     

黑土区田块尺度精准管理遥感分区时空格局与成因分析

精准管理分区是实施精准农业的重要环节,对分区结果的时空变化分析有利于因地制宜制定田间精准管理措施。该研究以黑龙江省友谊农场种植玉米作物的田块为研究区,获取多年玉米出苗期Sentinel-2 A卫星遥感影像,提取归一化差异植被指数(Normalized Difference Vegetation Index, NDVI),运用面向对象分割的方法进行精准管理分区,通过空间转移矩阵方法表述研究区分区格局变化情况,并对精准管理分区时空格局成因进行探究。结果表明:研究区在2017-2020年6月上旬精准管理分区格局相似;分区后NDVI、高程、坡度的变异系数分别降低了70.690%～76.420%、42.857%～57.143%、30.723%～34.940%;同一条垄线上,4期NDVI最高值均位于阳坡,且坡顶至阴坡坡底NDVI值逐渐降低;作物生长初期地形影响土壤水分及温度分布从而影响作物长势及精准管理分区格局。研究结果为精准管理分区与精准施肥、施药等田间变量管理措施的衔接提供参考。     

融合光谱混合分解与面向对象的土地利用/覆被分类

错综复杂的土地利用模式和破碎的地物斑块制约了土地利用/覆被分类的精度和效率。一方面,混合像元模糊了地物的光谱信息,影响了分类精度。另一方面,如何高效利用地物的光谱、形状和纹理特征是当前土地利用/覆被分类的研究热点。为了提高基于遥感技术的土地利用/覆被分类精度,该研究基于Sentinel-2A遥感影像,开展融合光谱混合分解与面向对象的土地利用/覆被分类研究。首先,基于地物的光谱、形状和纹理特征,在3个分割尺度通过NDWI（Normalized Difference Water Index)、NDVI（Normalized Difference Vegetation Index）、SBL（Soil Background Level）等8个特征参数构建了不同地物信息的提取规则。其次,利用光谱混合分解模型提取研究区基质（SL;岩石和土壤）、植被（GV;光合作用叶片）和暗色物质（DA;阴影和水）3类通用端元。最后,尝试融合3端元光谱特征优化地物信息提取规则。研究结果表明：1）基于构建的光谱、形状和纹理的地物信息提取规则,使用模糊函数、阈值法进行土地利用/覆被分类,获得了较高的分类精度,总体精度为80.83%,Kappa系数为0.76。2）融合3端元的光谱特征的提取规则将分类精度提升至90.00%,Kappa系数提升至0.88。3）具有明确物理意义的3端元的融入增强了像元内各组分信息的差异性,弥补了传统光谱指数对植被与土壤间的亮度信息解析度不足的缺陷。该方法能充分利用影像的光谱信息,是一种由易到难、对不确定因素进行逐层剥离的土地利用/覆被信息提取技术。因此,对中高分辨率的多光谱遥感影像十分友好,在土地利用/覆被的精细化分类中有较大应用潜力。     

面向对象的土地利用/覆盖遥感分类方法与流程应用

为了进一步提高干旱/半干旱地区土地利用/覆盖分类精度,该文以新疆石河子垦区为研究区,利用NDVI时间序列分析的方法确定了土地利用/覆盖遥感分类最佳时相组合;采用最佳指数因子OIF对参与图像分割的谱段进行选择;选择不同分割参数建立4级分割层次,构建了不同尺度的分类对象;针对其不同特点,分别选择基于知识的模糊分类和基于样本的监督分类方法;建立了面向对象的土地利用/覆盖遥感分类流程。采用地面实测数据对分类效果进行评估,与基于像元的分类方法相比,该文方法能够获取更高的分类精度,可为同类的研究与应用提供借鉴。     

面向对象的土地信息系统开发研究初报

利用面向对象方法和ＯＬＥ技术,以国产ＧＩＳ通用软件Ｃｉｔｙｓｔａｒ和数据库管理ＶｉｓｕａｌＦｏｘｐｒｏ为基本支撑系统进行了土地信息系统的设计与开发,以期提高程序开发水平和系统的流化程度,并使系统易于在基层土地管理中推广应用。     

基于超高空间分辩率无人机影像的面向对象土地利用分类方法

为明确基于无人机超高空间分辨率影像的土地利用分类方法,尤其是有效特征和算法的选择,该研究获取吉林省德惠市一农耕区超高分无人机影像,获取区域正射影像图和数字表面模型,计算地形指标,采用面向对象方法进行土地利用分类研究。首先,采用随机森林算法,以光谱特征为基础,依次引入指数、形态、地形、纹理特征,建立5种特征选择方案,分析各类特征对分类效果的影响。其次,以Boruta特征选择算法获取的优化特征集为基础,采用随机森林算法、朴素贝叶斯算法、逻辑回归算法和支持向量机算法分类,分析不同算法的分类效果。结果表明:采用5种特征选择方案分类,引入形态特征时总体精度降低,引入其他特征时总体精度逐渐提高。5种特征共同参与的分类效果最佳,总体精度为98.04%,Kappa系数为0.980。错分主要发生在裸地和宅基地,漏分主要发生在草地、裸地、水渠和道路。错分和漏分主要是因为这几种类型对象具有相似的光谱、形态、纹理特征或相似的分布位置。采用优化特征集分类时,相比其他算法,随机森林算法更擅长处理高维特征集,获得最高的总体精度98.19%,最低的错分和漏分误差,分类效果最佳。借助无人机超高空间分辨率影像提取地形信息、形态信息,可以有效辅助土地利用分类,并能提高传统分类方法精度。     

果树施药仿形喷雾的神经网络统一模型

在果树施药仿形喷雾研究中,为建立反映果树施药仿形喷雾过程参量与分布质量系数之间映射关系的神经网络模型,必须通过不断的尝试,获得合适的网络结构、权值和阈值.然而,由于果树仿形喷雾的影响因素多且重复性差,势必增加计算的复杂度和成本.为此,构建了一种基于面向对象的神经网络统一模型.研究结果表明,该模型具有良好的扩展性和复用性.在系统设计时,运用了不同的设计模式,提高了研究的效率,且代码具有可复用性和重构性.     

闸门综合自动化故障诊断专家系统的知识表达

针对水电站大坝溢洪闸门综合自动化这样复杂的系统，提出了按系统功能分解策略进行分析的模块化故障诊断策略，采用IDEF0方法建立了闸门综合自动化系统的功能结构图。在面向对象的知识表示法中引入产生式规则表示法，将两者进行融合，提出了一种混合式的面向对象的知识表示方法来构造水电站大坝溢洪闸门综合自动化故障诊断专家系统。利用面向对象技术的封装性、继承性等特点，使系统的代码重用、消息传递、图形化界面的实现取得了较好效果。增强了专家系统开发工具的结构化知识表示能力，有利于开发大型专家系统。     

基于特征增强技术的面向对象分类方法

针对传统基于像元的分类方法不能满足对高分辨率影像（HRI）进行分类的矛盾,提出了基于特征增强技术的面向对象分类方法（FETCOOCA）。并以北京市海淀区的SPOT5影像为例,考虑到影像中植被、水体和建筑物等地物之间的特征差异,对影像中地物的光谱、形状、纹理等信息进行特征增强处理,并结合面向对象的分类方法对其进行分类。最后,对FETCOOCA与传统基于像元的分类方法进行了对比分析。结果表明：提出的FET-COOCA明显优于传统分类方法,它可以大幅度提高HRI的分类精度,有效抑制椒盐现象的发生,使分类后的图像含有更为丰富的语义信息。     

基于遥感影像的土地利用特征提取与城乡梯度差异分析——以河北省涿州市为例

为快速获取区域土地利用特征和精细刻画城乡土地利用差异,以河北省涿州市为研究对象,基于Sentinel-2影像数据,采取面向对象方法进行影像分割,利用隶属度函数与决策树方法相结合的非监督分类算法对涿州市土地利用进行分类,并选取了不同方向的城乡梯度样带进行了土地利用特征分析。结果表明,应用模糊决策树方法的涿州市土地利用分类结果总体精度为93.7%,Kappa系数0.892,分类精度较高。分析上述结果发现:涿州市土地利用类型以耕地与城乡居民点用地为主,林地、草地、水体等自然生态空间比例较低,土地利用的城乡梯度特征明显;耕地集中分布在距离城市中心4～7km的东南、南、西方向;城乡居民点整体分布分散,在距离城市中心3km以内、5km、8～9km呈现明显的集聚特征。建议涿州市依据预期人口规模和集聚特征优化建设用地布局,提高建设用地集约利用强度,同时提高林地、草地、水体等生态空间比例。