Stay hungry, stay foolish

《多维特征自适应MeanShift遥感图像分割方法》2012年关键点是 多特征和自适应，结果是与Edison软件进行分割效果比较，上篇文章是与ecognition软件的分割效果进行比较。1、传统的Meanshifit算法，将位置和色度作为特征空间，使分割的精度有限，此论文在特种空间中添加了纹理信息。Meanshift的分割精度取决于带宽大小，此论文探究反映数据局部特征的自适应分割算法，自适

此篇论文是一篇会议论文，对MS算法进行了改进，提出了MS在处理大数据的过程中存在迭代开销大的情况，思路是在每一步迭代的步骤，都给出窗的初始化，使算法能够自适应的调整窗宽。     论文提到在图像分割是为了将图像划分成一个个同质的区域，从而有利于特征的提取，但是它具体的过程是如何做成的自适应带宽却并没有充分说明，这是说在每一步的迭代过程，根据当前需求得到窗口，一开始设置一个窗口，后来逐渐随着窗口

1、带宽的确定对于遥感图像分割有着很大的作用，空间带宽一般是通过人工试用来确定，值域带宽，在不同波段影像下用plug-in规则来分别计算，典型的MS算法都是固定的带宽设置。2、MS算法检测出的模点较多，模点检测就是用迭代过程用灰度值（色度特征）进行检测的，后来用基于全局模点融合来稳定分割结果，在此篇论文中用纹理特征进行融合，典型的算法仍然是用灰度值进行的，传递闭包过程3、一般在摘要中会将本

http://www.gissky.net/Article/646.htm这里写得非常好，暂记一下。

1、high resolution remote sensing image segmentation process 高分辨率的遥感图像分割过程2、one bottleneck of the mean shift procedure is the cost  per iteration, especially in the huge data  瓶颈 是迭代的开销，特别是大数据的开销3、

Kappa系数：是一种计算分类精度的方法。它是通过把所有地表真实分类中的像元总数（N）乘以混淆矩阵对角线（Xkk）的和，再减去某一类地表真实像元总数与被误分成该类像元总数之积对所有类别求和的结果，再除以总像元数的平方差减去某一类中地表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果所得到的。两幅栅格图的kappa计算公式为 k = (Po-Pc)/(1-Pc)设栅格总象元

http://blog.sina.com.cn/dlmufei这篇新浪博客上有遥感方面的知识。全色波段，一般指使用0.5微米到0.75微米左右的单波段，即从绿色往后的可见光波段。全色遥感影象也就是对地物辐射中全色波段的影象摄取，因为是单波段，在图上显示是灰度图片。全色遥感影象一般空间分辨率高，但无法显示地物色彩。多波段，又叫多光谱，是指对地物辐射中多个单波段的摄取。得到的影

2012年9月9日当地时间6:23，SPOT 6由印度火箭PSLV-C21搭载，成功发射。9月22日，SPOT6顺利进入695公里高的轨道，与去年发射的Pleiades 1A卫星在同一轨道平面上，预计2013年1月以后正式商业运行。空间分辨率：全色 (1.5米) 和多光谱(6 米)波段：全色 (0.455 - 0.745 µm)；蓝(0.455 -

《高分辨率影像多尺度均值漂移分割算法研究》  1、多尺度分割，将影像分割成不同尺度下的小的区域，也被称之为特征基元，从而通过特征基元进行具体分析，本文重点是通过尺度分割得到特征基元的过程，所分析的主要目标是区域生长和合并方法中的均值漂移分割算法，将分析结果同商业软件ecognition的多分辨率分割算法进行比较，从计算速度和效果方面来看都得到好的结果。2、均值漂移分割算法，从密度函数估计入

1、high resolution remote sensing image segmentation process 高分辨率的遥感图像分割过程2、one bottleneck of the mean shift procedure is the cost  per iteration, especially in the huge data  瓶颈 是迭代的开销，特别是大数据的开销3、

CPLErr CPL_DLL CPL_STDCALL GDALRasterIO(GDALRasterBandH hBand,  GDALRWFlag eRWFlag,  int nXOff,  int nYOff,  int nXSiz

一、shapfile文件本想自己总结一下，源于有相关文章整理的非常不错，则直接引用。http://www.map163.com/?p=9541.Shapefile文件介绍 shapefile是一种基于文件方式存储GIS数据的文件格式，是GIS中比较通用的一种数据格式。至少由.shp,.dbf,.shx三个文件组成：.shp–储存地理要素的几何关系的文件

1、遥感图像分割方法： segmentation of  remotely sensed imagery    遥感技术：remote sensing technology    遥感图像分割：remote sensing image segmentation 基于区域面积加权和区域相似度和基于区域熵的合并停止准则  regions areas weighed similarity rule an

一．gdal进行数据操作在安装好gdal后，即可调用gdal库中的函数。（需要包含的头文件：gdal_priv.h）1．打开数据集使用gdal库进行数据（影像）操作的第一步就是打开一个数据集。对于“数据集”这个名词大家可能不会太习惯，但是对于一般的格式来说，一个“数据集”就是一个文件，比如一个TIFF文件就是一个以tiff为扩展名的文件。但是对于众多RS数据来说，一个数据集包含的绝

利用ecognition软件来进行分割，并将自己的算法所做出的分割效果与其进行比较，读到一篇论文中的内容稍微总结一下ecognition软件的工作原理：EC的工作流程： 遥感影像数据→预处理→图像分割→建立多边形（纹理，灰度，形状，位置）→分割效果是否最佳，否回到图像分割，是的话下一步→定义类层次结构（各种地物类）→选择样本对象→地物自动分类→分类结果是否最佳，否回到选择样本对象，是的话下一步

GDALDataset中有函数GetGeoTransform()，函数声明为： CPLErr GDALDataset::GetGeoTransform  ( double *  padfTransform  )。        GDAL官网对该函数说明为：        Fetch the affine transformation coefficients.

以前完全没有接触到这两个概念，完全不知道是什么意思，查了之后才发生貌似是非常高级的东西，涉及到并行计算，暂且将它们简单的介绍记录如下，希望后面能够深入理解，有机会接触更加高级的东西！！一定要接触更高级层次的东西，小宇宙从来没有像现在这样爆发过！、1、MPI（MPI是一个标准，有不同的具体实现，比如MPICH等）是多主机联网协作进行并行计算的工具，当然也可以用于单主机上多核/多CPU

一种遥感影像多尺度分割的高性能实现方法    本发明提供一种基于面向对象方法的遥感影像多尺度分割的高性能实现方法，特别是高分辨率遥感影像的信息提取过程中，需要实现较大数据量的遥感影像的快速、多尺度的影像分割及分割结果的层次结构关系的建立。该方法是建立在通过对该算法实现过程的分析并找出算法的计算密集段的基础上，再采用基于MPI及OMP模型实现算法密集段的并行分割，并对并行分割结果进行数据缝合

《Meanshift 遥感图像分割方法与应用研究》 这是是一篇博士论文，里面将涉及到的遥感分割方法很详尽的介绍了出来，需要好好研究研究一下。顺便学习一下高质量的论文应该如何去写，大体有个相应的感知。1、目前图像分割方法存在的特点是：一是不存在通用的分割算，二是分割算法过分依赖于先验知识。遥感 图像具有数据量大、纹理细节丰富、地物表现出明显的同物异谱等特点，高分辨率的图像往往更加适应先分割后提取

http://jingyan.baidu.com/article/495ba84119cf4338b30ede3f.html对于有关于 license server administrator 的错误，错误号为error code = -15的情况下，重新启动license server admistrator即可，具体见上文链接