摘要：一、面向服务与空间数据共享1.面向服务的体系架构面向服务的体系结构(service-oriented architecture,SOA)是为了解决网络应用环境下分布式异构系统集成并进而实现资源共享问题而逐步发展起来的一种系统架构设计思想.它将传统应用的不同功能单元封装为符合Web Services技术体系的Web服务,服务之间通过明确定义的接口互相关联.

摘要：近年来，随着我国城市化的快速发展和综合国力的迅速增长，如何保障区域与城乡之间科学、可持续的发展，成为当前城乡规划中的重要研究课题之一。而城乡发展的历史演变空间分析是其中一项基础性的研究工作。20世纪中后期以来随着对地观测技术的发展，特别是大量商业遥感影像的积累为这项研究提供了丰富的基础资料。

摘要：高光谱遥感影像具有丰富的光谱信息,在地物识别方面具有明显的优势。一类支持向量机(OCSVM)不仅保留了支持向量机的原有优势,而且只需要待识别类型的训练样本。为此提出了算法,通过数学模型选择、核函数设计与参数的自适应调整将OCSVM原理融入到高光谱影像的地物识别算法中,提高了识别的精度,降低了对训练样本的要求。最后利用两幅高光谱影像进行了实验分析,实验结果证明了所提算法的有效性。

摘要：回顾了粒子群算法的基本原理,分析了端元提取算法的两种技术途径。利用粒子群优化的原理,结合凸面几何学理论和线性光谱混合模型,设计了一种粒子群优化端元提取算法,并设计了算法的快速实现方法。该算法不需要假设影像中存在纯像元,同时保持了端元光谱的形状。利用模拟数据和AVIRIS影像对该算法、SGA算法和NMF算法进行实验对比分析,实验结果证明该算法的端元提取精度优于其他二者。

摘要：基于凸面几何学理论,由端元作为角点的单形体的体积应该是最大的。著名的N-FINDR和SGA算法正是基于以上理论,通过在数据云中寻找体积最大的单形体来实现端元的自动提取。本文利用粒子群优化(PSO)技术,基于凸面几何学理论,设计了一个新的端元提取算法。利用模拟和真实高光谱影像对其进行了实验,并将其结果与N-FINDR和SGA算法的结果进行了比较分析。