基于遥感影像分割的小班界线提取研究
|
摘要
使用改进的矢量中值滤波算法对广东省九曲水林场TM图像数据进行滤波消噪处理。处理结果与传统的滤波算法对比分析。结果表明,对林区TM图像而言,改进的矢量中值滤波器具有出色的平滑去噪能力,并且保持了很好的分类精度,可以替代传统的滤波方法。
针对山区小班界线勾绘的特点—“对坡勾绘”,本文提出一种融合坡向信息的基于核的模糊C均值聚类算法(KFCM)算法,并研究了使用该方法提取小班界线的处理流程和技术,结果表明,对本次研究的TM数据而言,使用该方法提取效果较好。提取小班的符合程度可以达到76%。
本文探索了利用DEM直接提取小班界线的具体实现方法。结果表明,由坡向图经图像处理后提取到的矢量多边形界线大部分与人工地面调查的小班界线基本相一致,重合程度可达70%。
在对分水岭算法过分割问题分析基础上,提出一种结合沉浸分水岭和Normalized cut算法的图像分割方法,该方法具有分水岭变换速度快、边界定位准的特点,并利用Normalied Cut算法克服了图像过分割现象。直接使用该方法提取小班界线的符合程度可达到81%以上。如采用前期林班界线作为图像分割的控制线,对每个林班内对应的遥感影像分别使用结合沉浸分水岭算法和Normalized cut算法的图像分割方法,提取小班界线的效果最好,使用该方法提取的符合程度可达到84%以上。提取结果在进一步编辑修改后可以作为小班区划的工作底图。
This research used TM image to extract the boundary line and the research site is in Jiuqushui forestry region , Wengyuan county, Guangdong province. First, the the vector median filtering was employed to dispose TM image data in order to removal the noise. Compared with other common filters, it has a good accuracy of classification and this method can be used instead of the other common used filtering methods.
The KFCM (Kernel Fuzzy C-means cluster) algorithm was employed to classify the TM image data. and the classification results were used to extract the subcompartment line. The subcompartment line in mountain area is affected by the slope and the aspect. According to this, a new classification method combined aspect information to the Kernel Fuzzy C-means cluster method was used to extract subcompartment line. The extracting accuracy is up to 76%.
In order to use DEM to draw the subcompartment boundary, the dissertation proposed a new method, which was used DEM to extract the slope map. During the extracting work, it used image processing technology on the slope map supported on GIS technology. The results show that the 70% of the extracted polygon lines can be superposed to the investigated subcompartment boundary.
The immersion watershed method often led to oversegmentation and the normalized cut is low efficient in running time-cost. The new segmentation method used the watershed transform results as input parameter for the normalized cut. The extracting result indicated that the accuracy, which combined immersion watershed and normalized cut to extract subcompartment line, is up to 84%. This is a good result for drawing the subcompartment line by computer and can be instead of visual interpretation in the forest resource investigation.
针对山区小班界线勾绘的特点—“对坡勾绘”,本文提出一种融合坡向信息的基于核的模糊C均值聚类算法(KFCM)算法,并研究了使用该方法提取小班界线的处理流程和技术,结果表明,对本次研究的TM数据而言,使用该方法提取效果较好。提取小班的符合程度可以达到76%。
本文探索了利用DEM直接提取小班界线的具体实现方法。结果表明,由坡向图经图像处理后提取到的矢量多边形界线大部分与人工地面调查的小班界线基本相一致,重合程度可达70%。
在对分水岭算法过分割问题分析基础上,提出一种结合沉浸分水岭和Normalized cut算法的图像分割方法,该方法具有分水岭变换速度快、边界定位准的特点,并利用Normalied Cut算法克服了图像过分割现象。直接使用该方法提取小班界线的符合程度可达到81%以上。如采用前期林班界线作为图像分割的控制线,对每个林班内对应的遥感影像分别使用结合沉浸分水岭算法和Normalized cut算法的图像分割方法,提取小班界线的效果最好,使用该方法提取的符合程度可达到84%以上。提取结果在进一步编辑修改后可以作为小班区划的工作底图。
This research used TM image to extract the boundary line and the research site is in Jiuqushui forestry region , Wengyuan county, Guangdong province. First, the the vector median filtering was employed to dispose TM image data in order to removal the noise. Compared with other common filters, it has a good accuracy of classification and this method can be used instead of the other common used filtering methods.
The KFCM (Kernel Fuzzy C-means cluster) algorithm was employed to classify the TM image data. and the classification results were used to extract the subcompartment line. The subcompartment line in mountain area is affected by the slope and the aspect. According to this, a new classification method combined aspect information to the Kernel Fuzzy C-means cluster method was used to extract subcompartment line. The extracting accuracy is up to 76%.
In order to use DEM to draw the subcompartment boundary, the dissertation proposed a new method, which was used DEM to extract the slope map. During the extracting work, it used image processing technology on the slope map supported on GIS technology. The results show that the 70% of the extracted polygon lines can be superposed to the investigated subcompartment boundary.
The immersion watershed method often led to oversegmentation and the normalized cut is low efficient in running time-cost. The new segmentation method used the watershed transform results as input parameter for the normalized cut. The extracting result indicated that the accuracy, which combined immersion watershed and normalized cut to extract subcompartment line, is up to 84%. This is a good result for drawing the subcompartment line by computer and can be instead of visual interpretation in the forest resource investigation.
引文
1. A.P. Carleer, O.Debeir, and E.Wolff, Assessment of very high spatial resolution satellite image segmentation. Photogrammetric Engineering & Remote sensing.2005,71(11): 1285 -1294
2. Baatz, M., Schape, A, 2000. Multiresolution Segmentation– an optimization approach for high quality multi-scale image segmentation. In: Strbl, J. et al., Angewandte Geographische Information sverarbeitung XII, Karlsruhe, pp. 12–23.
3. Benz, U.C., Hofmann, P., Willhanck, G, Lingenfelder, I.,Heynen, M. 2003 Multiresolution, object oriented fuzzy analysis of remote sensing data for GIS ready information ISPRS journal of Photogrammetry and Remote Sensing 58(3-4): 239-258
4. Bezdek J C, Ehrlich R, Full W. FCM: the Fuzzy c—Means clustering algorithm [J].Computers and Gosciences,1984(1O):191-203.
5. Carleer, A.P., Debeir, O., Wolff, E. 2005. Assessment of very high spatial resolution satellite images segmentations. Photogrammetric engineering and remote sensing. 71(11) :1285-1294.
6. Carleer, A.P., O. Debeir, and E. Wolff, 2004. Comparison of very high spatial resolution satellite image segmentations, Proceedings of SPIE Image and Signal Processing for Remote Sensing IX, (Lorenzo Bruzzone, editor), Vol. 5238:532–542.
7. Chavez P S, Berlin G L and Sowers L B (1982). Statistical Method for Selecting Landsat MSS Ratios.J. Appl. Photographic Engg.,8, 23–30.
8. De Wit, A.J.W , Clevers, J.G.P.W. 2004 efficiency and accuracy of per-field classification for operational crop mapping International Journal of Remote Sensing 25(20) : 4091-4112
9. Definiens Imaging, Inc., 2005. eCognition Professional User Guide, URL: http://www.definiens-imaging.com/ (last date accessed: 03 August 2005).
10. Dorsen, L.K.A., Maier, B., Seymonsbergen, A.C. 2003 Improved Landsat based forest mapping in steep mountainous terrain using object based classification Forest Ecology and Management 183(1-3) : 31-46
11. E. D. Gelasca, T. Ebrahimi,M. Farias,M. Carli, and S.Mitra. Towards perceptually driven segmentation evaluation metrics. Proc. of Conf. on Computer Vision and Pattern Recognition Workshop, 2004.
12. F. J. Estrada and A. D. Jepson. Quantitative evaluation of a novel image segmentation algorithm. Proc. of IEEE Conf. on Computer Vision and Pattern Recognition, 2005.
13. Flanders, D., Hall-Beyer, M., Perverzoff, J. 2003 Preliminary evaluation of eCognition object based software for cut block delineation and feature extraction. Canadian Journal of Remote Sensing 29(4) : 441-452
14. Georgi lgnatov, Hristo Nikolov,etc, Morphological and object-oriented methods inclassification of multispectral data.Second Scientific Conference with International Participation space, ecology, nanotechnology, safety. 2006
15. GUO Li-hua,LI Jian-hua , Image Segmentation Using an Improved Watershed Algorithm[J],上海交通大学学报(英文版),2004 Vol.9 No.2 P.16-19
16. H. Zhang, J. Fritts, and S. Goldman. An improved fine-grain hierarchical method of image segmentation. Technical Report- Washington University in St. Louis, 2005.
17. Hui Zhang, Sharath Cholleti,Sally A. Goldman. Meta-Evaluation of Image Segmentation Using Machine Learning.
18. Joint Workshop High Resolution Mapping from Space, 2003.
19. Kaichang Di, Jue Wang etc. Automatic shoreline extraction from high-resolution IKONOS satellite imagery.[C]ASPRS 2003 Annual Conference Proceedings
20. Leckie, D.G, Gougeon, F.A., Walsworth, N., Paradine, D. 2003 Stand delineation and composition estimation using semiautomated individual tree crown analysis. Remote Sensing of Environment 85(3) pp 355-369
21. Li R P, Mukaidon M . A maximum entropy approach to fuzzy clustering[C] / /IEEE.Proc.of the 4th IEEE Int’1 Conf.on Fuzzy System.Yokohama:IEEE,1995:2 227—2 232.
22. M. Borsotti, P. Campadelli, and R. Schettini. Quantitative evaluation of color image segmentation results. Pattern Recognition Letters, 19(8):741–747, 1998.
23. M. Neubert and G.Meinel,“Evaluation of segmentation programs for
24. Magnussen S,Boudewyn P,W ulder M.Contextual Classification of Landsat TM Images to Forest Inventory Covertypes[J].International Journal of Remote Sensing,2004,25(12):2 421-2 440
25. MO Deng-kui,LIN Hui,VHR Imagery Multi-Resolution Segmentation Based on Mean Shift[J]Journal of Guangxi Normal University:Natural Science Edition Dec.2006
26. Mowrer, H.T. & Congalton, R.G.(Eds.) (2000). Quantifying Spatial uncertainty in natural resources : theory and application for GIS and remote sensing. Ann Arbor Press, Chelsea, Michigan, 234 p.
27. Neubert, M., and G. Meinel, 2003. Evaluation of segmentation
28. P. Paclik, R. P. W. Duin, G. M. P. van Kempen, and R. Kohlus,“Segmentation of multi-spectral images using the combined classifier approach,”Image and Vision Computing, vol. 21, no. 6, pp. 473–482, June 2003.
29. Pabitra Mitra, B.Uma Shankar, Sankar K.. Pal, Segmentation of multispectral remote sensing images using active support vector machines. Pattern Recognition Letters 25 (2004):1067-1074
30. Pesaresi, M. and Benediktsson, 2001, A New Approach for the Morphological Segmentation of High-resolution Satellite Imagery, In IEEE Transactions On Geoscience And Remoting Sensing. Vol.39. No.2, pp. 309-320
31. Peterson, U., Pussa, K., Liira, J. 2004 Issues related to delineation of forest boundaries on Landsat TM winter images International Journal of Remote Sensing 25 (24) :5655-5668
32. programs for high resolution remote sensing applications, Proceedings of the Joint ISPRS/EARSel Workshop“High Resolution Mapping from Space 2003”, Hanover, Germany, 06–08 October, unpaginated CD-ROM.
33. Radoux, J., Defourny P. 2005. Accuracy assessment of forest stand delineation using very high spatial resolution satellite images. ForestSAT 2005 Proceedings, Boras, pp 84-89.
34. Rafael C. Gonzalez著,阮秋琦译,数字图像处理(MATLAB版)[M],北京:电子工业出版社,2005,9.
35. S. Chabrier, B. Emile, H. Laurent, C. Rosenberger, and P. Marche. Unsupervised evaluation of image segmentation application to multi-spectral images. Proc. of the 17th Int. Conf. on Pattern Recognition, 576–579, 2004.
36. S.S.Durbha and R.L.King. Knowledge mining in earth observation data archives: adomain ontology perspective. In Proceedings of IEEE International Geoscience and Remote Sensing Symposium, volume 1, September 2004.
37. Shi J,Malik J.Normalized Cuts and Image Segmentation[J].IEEE Trans.on Pattern Analysis and Machine Intelligence,2000,22(8):888—905.
38. Shi J and Malik J. Normalized cuts and image segmentation. IEEE Trans. on Pattern Analysis and Machine Intelligence, 22(8):888–905, 2000.
39. Vander S C J,Jong S M ,Roo A P J.A Segmentation and Classification Approach of IKONOS-2 imagery for i.and Cover Mapping to Assist Flood Risk and Flood Damage Assessment[J].International Journal of Applied Earth Observation and Geoinformation,2003 (4):217-229
40. Volker W.Obiect—based Classification of Remote Sensing Data for Change Detection[J].ISPRS JournaI of Photogrammetry & Remote Sensing,2004(58):225-238
41. Wang, L., Sousa, W.P., Gong, P. 2004 Integration of object based and pixel based classification for mapping mangroves with IKONOS imagery International Journal of Remote Sensing 25(24) pp 5655-5668
42. X. Gigandet,“Segmentation d’images satellites multispectrales par classification statistique,”tech. rep., Swiss Federal Institute of Technology (Lausanne), 2004.
43. Y. Yitzhaky and E. Peli. A method for objective edge detection evaluation and detector parameter selection. IEEE Trans. on Pattern Analysis and Machine Intelligence, 25(8):1027-1033, 2003.
44. Zhang, Y.J., 2001. Texture-Integrated classification of urban treed areas in high-resolution color-infrared imagery, Photogrammetric Engineering & Remote Sensing, 67(12):1359–1365.
45.蔡银桥,毛政元.基于多特征对象的高分辨率遥感影像分类方法及其应用[J].国土资源遥感,2007(1):77-81,I0001.
46.曹宝,秦其明,马海建,等.面向对象方法在SPOT5遥感图像分类中的应用——以北京市海淀区为例[J].地理与地理信息科学,2006,22(2):46-49,54.-54
47.查宇飞,牛江龙,毕笃彦.基于多分辨率的分水岭图像分割算法[J].计算机工程,2006,32(19):202-204,207.
48.陈科庆,何茂军.彩色图像分割综述[J].湖北师范学院学报:自然科学版,2004,24(4):32-36.
49.陈秋晓,陈述彭,周成虎.基于局域同质性梯度的遥感图像分割方法及其评价[J].遥感学报,2006,10(3):357-365.
50.陈秋晓,骆剑承,周成虎.基于多特征的遥感影像分类方法[J].遥感学报,2004,8(3):239-245
51.陈秋晓.改进的RPCCL聚类方法及在遥感影像分割中的应用[J].计算机工程与应用,2005,41(34):221-223.
52.陈仁喜,赵忠明.潘晶.遥感分类栅格图的快速矢量化方法[J],遥感学报,2006:10(3)326-331
53.陈永富,黄建文,鞠洪波.面向对象的退耕还林造林效果遥感特征提取技术研究[J],林业资源管理,2006(2):57-61
54.陈云浩,冯通,史培军,等.基于面向对象和规则的遥感影像分类研究[J].武汉大学学报:信息科学版,2006,31(4):316-320.
55.陈忠,赵忠明.基于分水岭变换的多尺度遥感图像分割算法[J],计算机工程2005,35:7-9
56.陈忠,赵忠明,宫鹏.一种快速高分辨率遥感影像分割算法[J].计算机应用研究,2006,23(10):154-155,185.
57.陈忠,赵忠明.基于区域生长的多尺度遥感图像分割算法[J],计算机工程与应用,2005,35:7-9
58.陈忠.高分辨率遥感图像分类技术研究[D],中国科学院研究生院(遥感应用研究所),2006.
59.陈州徽,雷奕,刘海华.基于多分辨率-分水岭算法的图像分割方法[J].中南民族大学学报:自然科学版,2006,25(1):47-50.
60.迟健男,方帅,徐心和,等.基于多结构元顺序形态变换的灰度图像边缘检测[J].中国图像图形学报,2006,11(1):41-46.
61.崔林丽,唐娉.一种基于对象和多种特征整合的分类识别方法研究[J].遥感学报,2006,10(1):104-110
62.党安荣,贾海峰,易善桢,等.ArcGIS 8 Desktop地理信息系统应用指南[M].北京:清华大学出版社,2002.
63.党安荣,贾海峰.ERDAS IMAGE 8.6遥感图像处理方法[M].北京:清华大学出版社,2003.
64.邓世伟,袁保宗.基于数学形态学的深度图像分割[J].电子学报,1995,23(4):6-9.
65.丁晓英.eCognition在土地利用项目中的应用[J].测绘与空间地理信息,2005,28(6):116-117,120.
66.杜凤兰,田庆久.面向对象的地物分类法分析与评价[J].遥感技术与应用,2004,19(1):20-23
67.杜娟,李文锋.基于金字塔连接算法的彩色图像分割[J],武汉理工大学学报,2006,01
68.范文义,崔林丽.遥感图像与矢量图形叠合显示方法[J].东北林业大学学报,2001,29(6):15-17
69.方忠民.医学图像分割技术新进展[J].长沙大学学报,2008,22(5):94-97.
70.冯林,管慧娟,荆焘,等.基于分水岭变换和核聚类算法的图像分割[J].大连理工大学学报,2006,46(6):851-856.
71.冯林,孙焘,吴振宇,等.基于分水岭变换和图论的图像分割方法[J].仪器仪表学报,2008,29(3):649-653.
72.冯益明,李增元,武红敢,等.基于灰度与纹理信息融合的影像分割方法[J].遥感技术与应用,2006(6):536-540.
73.扶卿华,倪绍祥,郭剑,等.栅格数据矢量化及其相关问题的解决方法[J],地球信息科学,2004,6(4):85-89
74.付晓,周维.数字高程模型及其在森林资源调查中的应用[J].广西林业科学,2002,11(1):12-15
75.付卓,胡吉平,谭衢霖,等.遥感应用分析中影像分割方法[J].遥感技术与应用,2006,21(5):456-462.
76.傅弘,阎鸿森,齐春.基于自适应定向正交投影分解的图象分割方法[J].中国图象图形学报:A辑,2003,8(3):286-291.
77.傅仲良,李勇.基于梯度幅度直方图和类内方差的边缘提取方法[J],武汉大学学报(信息科学版),2005,30(12):1056-1058
78.葛宏立,方陆明.基于爬峰法聚类的TM图像专题信息人机交互提取[J].Computer Engineering,2005,31(11):154-156
79.宫鹏,黎夏,徐冰.高分辨率影像解译理论与应用方法中的一些研究问题[J],遥感学报,2006,10(1):1-5
80.龚剑.一种基于分水岭和模糊聚类的多级图像分割算法[J].第一军医大学学报,2004,24(3):329-331.
81.龚天旭,彭嘉雄.基于分水岭变换的彩色图像分割[J].华中科技大学学报:自然科学版,2003,31(9):74-76.
82.龚衍,舒宁.基于马尔柯夫随机场的多波段遥感影像纹理分割研究[J].武汉大学学报:信息科学版,2007,32(3):212-215.
83.谷万祥,葛林,刘思.森林资源规划设计调查中小班区划方法探讨[J].吉林林业科技,2005,34(5):42~44
84.郭春秋,欧阳松.一种快速、准确的图像阈值分割新方法[J].湖南工业职业技术学院学报,2004,4(1):9-11,52.
85.郭小卫,官小平.基于多特征的SAR图像多尺度无监督分割[J].遥感信息,2006(4):33-36.
86.郭晓英,刘素红,屈永华,等.遥感影像数据的规范化处理和时空尺度整合[J],遥感信息,2004(3):32-35
87.国家林业局,森林资源规划设计调查主要技术规定.2003年4月.
88.哈斯巴干,马建文,李启青,等.模糊c-均值算法改进及其对卫星遥感数据聚类的对比[J].计算机工程,2004,30(11):14-15,91.
89.候格贤,毕笃彦.图像分割质量评价方法研究[J].中国图象图形学报,2000,5(A)(1):39-43
90.胡进刚,张晓东.一种面向对象的高分辨率影像道路提取方法[J].遥感技术与应用,2006,21(3):184-188
91.胡学龙,宋鸣,程茜.一种基于图像森林化变换(IFT)的分水岭算法[J].电子测量与仪器学报,2005,19(5):58-62.
92.黄慧萍,吴炳方.地物大小、对象尺度、影像分辨率的关系分析[J],遥感技术与应用,2006,21(3):243-248
93.黄昕,张良培,李平湘.高空间分辨率遥感图像分类的SSMC方法[J].中国图象图形学报,2006,11(4):529-534,T0003.
94.吉李满,图像分割算法的应用与评价[J],吉林工程技术师范学院学报(自然科学版).2007,32(3):212-215.
95.贾永红.彩色图像矢量滤波法及其应用[J],测绘信息与工程,2000,2:19-20
96.姜青香,刘慧平.利用纹理分析方法提取TM图像信息[J],遥感学报,2004,8(5):458-464
97.姜雪,赵文吉,董双发,高分辨率卫星影像在生态环境调查及生态功能区划分中的应用研究[J],测绘与空间地理信息,2006,29(6):31-34
98.蒋加伏,罗晓萍.基于混合聚类算法的图像分割[J].计算技术与自动化,2004,23(1):71-73
99.蒋年得,王耀南.面向多源遥感数据的小波变换融合技术[J].系统工程与电子技术,2005,27(5):788-791
100.金丽亚,曹卫国.一种TM遥感影像的分割算法[J].装甲兵工程学院学报,2006,20(5):69-71.
101.靳海亮,高井祥,康建荣.基于矢量等高线数据提取山脊线山谷线的研究[J].测绘通报,2005,10:54-56
102.靳海亮,康建荣,高井祥.利用等高线数据提取山脊(谷)线算法研究[J].武汉大学学报信息科学版,2005,30(9):809-811
103.李崇贵,赵宪文.聚类分析在监测区域样地分类中的应用研究[J],遥感学报,2006:10(2) 256-262
104.李春干,代华兵,李崇贵.基于高分辨率卫星图像的小班勾绘精度检验[J].福建林学院学报,2006,26(2):127-130
105.李春干,李崇贵.森林小班多边形的自动聚合[J],北京林业大学,2005,27(1):55-58
106.李春干,谭必增.基于GIS的森林资源遥感调查方法研究[J],林业科学,2004,40(4):40-45
107.李海月,王宏琦,陆见微.遥感图像中建筑物自动识别与标绘方法研究[J],电子测量技术,2007,30(2):15-20
108.李晖晖,郭雷,刘航.基于区域分割的遥感图像融合方法[J],光子学报,2005,34(12):1901-1905
109.李金莲,刘晓玫,李恒鹏.SPOT5影像纹理特征提取与土地利用信息识别方法[J],遥感学报,2006,10(6):926-931
110.李静,赵庚星,李涛,等.TM影像中大棚菜地信息提取技术研究[J].水土保持学报,2004,18(1):126-129.
111.李军林,李国春.一种结合形状特征的多光谱遥感图像分割方法[J],农业网络信息,2006,5:12-15
112.李琨,郑庆晖,廖冬学.基于梯度特征的图像自动分割方法[J],宇航学报,2006,27(6):1288-1292
113.李明诗,齐家,彭世揆.基于TM和ASTER的植被指数建模性能对比[J],林业资源管理,2006(3):77-80
114.李明诗,叶水仙,彭世揆.小班界限计算机自动提取的初步研究[J].林业资源管理,2000,2:53-56
115.李明诗.从遥感TM影像分类图提取小班界限的算法实现[J].南京林业大学学报(自然科学版)2001,25(5):25-28
116.李庆,杨俊峰,江汉红.基于Snake模型的图像分割技术[J],武汉理工大学学报(信息与管理工程版),2006,28(11):168-171
117.李庆忠,石巍,褚东升.一种融合聚类与区域生长的彩色图像分割方法[J].计算机工程与应用,2006,42(14):76-78.
118.李天文,刘学军,陈正江.规则格网DEM坡度坡向算法的比较分析[J].干旱区地理,2004,27(3):398-404
119.李玉才,田文会.不同比例尺TM影像图小班地类划分效果评价[J].内蒙古林业调查设计,1999,1,28-31
120.李政国,李春干,代华兵.基于区域生长的林区遥感图像分割方法[J].广西林业科学,2008,37(2):66-70.
121.梁继民,王昌明,等.基于投影的X光图像分割区域数量判定[J].光子学报,2004,33(12):1518-1521
122.林辉,李际平等,QuickBird卫星图像信息识别[J].中国图象图形学报,2005,10(10):1504-1510
123.林辉,莫登奎,熊育久.高分辨率遥感图像均值调整法分割技术研究[J].中南林学院学报,2006,26(4):85-88,95.
124.林开颜,吴军辉,徐立鸿.彩色图像分割方法综述[J],中国图象图形学报(A辑),2005,10(1),1-10
125.刘海华,陈州徽,陈心浩.基于小波变换的多分辨率图像分割[J].计算机工程与应用,2006,42(1):50-52,85.
126.刘海华,陈州徽,谢长生.基于形态学尺度空间的多尺度图像分割研究[J].计算机工程,2006,32(11):197-199,215.
127.刘华军,任明武,杨静宇.一种改进的基于模糊聚类的图像分割方法[J].中国图象图形学报,2006,11(9):1312-1316.
128.刘伟强,胡静,等.基于核空间的多光谱遥感图像分类方法[J].国土资源遥感,2002(3):44-47,57.
129.刘喜英,吴淑泉,徐向民.基于改进分水岭算法的医学图像分割的研究[J].微电子技术,2003,31(4):39-42.
130.刘学军,龚健雅,周启鸣.基于DEM坡度坡向算法精度的分析研究[J].测绘学报,2004,33(3):260-263
131.刘永学,李满春,毛亮.基于边缘的多光谱遥感图像分割方法[J],遥感学报,2006,10(3):350-356
132.刘泽慧,黄培之. DEM数据辅助的山脊线和山谷线提取方法的研究[J].测绘科学,2003,28(4):33~35
133.刘志敏,杨杰.数学形态学的图像分割算法[J].计算机工程与科学,1998,20(4):21-27
134.龙晶.植被遥感研究的新思路——走出传统光谱理论应用的误区[J],林业资源管理,2006(1)31-37
135.路鹏.中值滤波技术在遥感图像处理中的应用,吉林大学学报(地球科学版)[J],2005,35(7):151-154
136.罗惠韬,章毓晋.一种图像分割评价实例及讨论[J].数据采集与处理,1997,12(1):18-22
137.罗玲,解梅,陈杉.基于多尺度形态滤波的分水岭图像分割方法[J].计算机辅助设计与图形学学报,2004,16(2):168-173.
138.罗希平,田捷.图像分割方法综述[J].模式识别与人工智能,1999,12(3):300-312.
139.罗音,舒宁.基于信息量确定遥感图像主要波段的方法[J].城市勘测,2002(4):28-32.
140.骆剑承,王钦敏.遥感图像最大似然分类方法的EM改进算法[J],测绘学报,2002,31(3):234-239
141.毛启明,陈汉林,吴建勇.基于小波变换的适合Quick Bird遥感影像的融合方法[J],浙江大学学报(理学版),2006,33(6):707-712
142.梅天灿,李得仁.分水岭变换在遥感图像线性特征提取中的应用[J].武汉大学学报(信息科学技术版),2004,29(4):338-341
143.明冬萍,骆剑承,周成虎,等.高分辨率遥感影像特征分割及算法评价分析[J].地球信息科学,2006,8(1):103-109.
144.莫登奎,林辉.基于高分辨率影像的土地覆盖信息提取[J].遥感技术与应用,2005,20(4):411-414
145.聂生东,聂斌.基于模糊K-近邻规则的多谱磁共振脑图像分割方法的研究[J],中国生物医学工程学报,2002,21(5):471-465
146.欧阳鑫玉,赵楠楠,等.图像分割技术的发展[J].鞍山钢铁学院学报,2002,25(5):363-368.
147.潘励,张志华,张剑清.融合区域分割和边缘信息的居民地提取方法[J],武汉大学学报(信息科学版),2006,31(8):671-674
148.潘庆丰,陈水利,陈国龙.基于核函数的模糊C均值聚类算法[J].集美大学学报:自然科学版,2006,11(4):369-374.
149.彭启民,贾云得.一种形态学彩色图像多尺度分割算法[J].中国图象图形学报,2006,11(5):635-639,I0001.
150.彭望碌.遥感与图像解译(第四版),Thomas M.Lillesand,etc,彭望碌等译,电子工业出版社,2003.8
151.蒲智,刘萍等,面向对象技术在城市绿地信息提取中的应用[J].福建林业科技,2006,33(1):40-44
152.祁英,白楷姝,王本俊.TM卫片在森林资源规划设计调查中的应用研究[J],内蒙古农业大学学报,1999,20(4):31-35
153.舒远,胡钊政,谈正.基于多信息融合的纹理分割新方法[J].计算机工程,2005,31(11):157-159.
154.宋锦萍,职占江.图像分割方法研究[J].现代电子技术,2006,29(6):59-61,64.
155.孙涵.基于红外图像的道路识别与运动目标跟踪[D],南京理工大学,2005.
156.孙即祥.图像分析[M].北京:科学出版社,2005.
157.孙琦.高光谱遥感获取伐区调查数据的应用综述[J],林业资源管理,2006(5):92-96
158.孙小芳,卢健,孙依斌.基于分割的多尺度城市绿地景观[J].应用生态学报,2006,17(9):1660-1664.
159.孙晓霞,张继贤.利用面向对象的分类方法从IKONOS全色影像中提取河流和道路[J].测绘科学,2006,31(1):62-63
160.覃先林,李增元.高空间分辨率卫星遥感影像树冠信息提取方法研究[J].遥感技术与应用,2005,20(2):228-232
161.谭炳香,杜纪山.遥感与GIS相结合和森林资源信息更新与制图方法研究[J].林业科学研究,2001,14(6):692-696
162.谭志明,基于图论的图像分割及其嵌入式应用研究[D],上海交通大学,2007.
163.汤国安,杨昕. ArcGIS地理信息系统空间分析实验教程[M].科学出版社,2006
164.汤国安,张友顺.遥感数字图像处理[M],科学出版社,2004。
165.唐古拉,周万村,陈军.基于影像区域合并分割技术的植被覆盖分级研究——以三峡库区小江流域为例[J],中南林业调查规划2005:24(4)35-39
166.唐古拉,周万村,冯文兰,等.基于遥感影像多尺度分析技术的LUCC研究[J],遥感技术与应用,2005,20(6):581-585
167.唐古拉.面向对象的图像分类方法与彩色扫描地形图林地层的自动提取[J].四川测绘,2005,28(4):172-176
168.唐金尤,范彦斌,姚锡凡.基于分水岭算法的彩色图像分割[J].佛山科学技术学院学报:自然科学版,2006,24(1):17-20.
169.陶洪久,柳健,等.基于小波变换和数学形态学的遥感图像边缘检测[J].红外与激光工程,2002,31(2):154-157.
170.陶洪久.基于小波变换和数学形态学的遥感图像边缘检测[J].红外与激光工程,2002,31(2):154-157
171.王广君,田金文等,基于四叉树的图像分割技术[J].红外与激光工程,2001,30(1):12-14
172.王建芳,包世泰.面向对象解译方法在遥感影像地物分类中的应用[J].热带地理,2006,26(3):234-238
173.王金涛,刘文耀,等.流域分割算法在细胞图像分割中的应用[J].西南交通大学学报,2002,37(3):290-294.
174.王俊芳,杨武年,李玉霞,等.多种特征信息在高分辨率遥感影像目标识别中的应用研究[J].四川测绘,2006(4):156-158,181.
175.王立海,赵正勇.林区TM图像消除噪声方法的比较[J],东北林业大学学报,2005,33(5):77-79
176.王立海.林区TM图像消除噪声方法的比较[J],东北林业大学学报,2005,33(5):77-79
177.王明常,邢立新.利用二维多级中值滤波去除遥感图像随机噪声[J],吉林大学学报(地球科学版),2004,34(10):178-180
178.王培珍,杨维翰.图像分割的分层处理方案.安徽工业大学学报,2002,19(3):205—208
179.王萍,苏秀琴,刘雅轩.基于区域合并的动态阈值分割算法[J].光子学报,2004,33(3):378-381.
180.王茜,薛怀平,吴胜军,等.利用地形图批量生产DEM数据的方法[J].上海师范大学学报(自然科学版),2003,32(2):83-86.
181.王文成,林永杰,郝瑛秋.区划经营小班完善森林经理调查体系[J].黑龙江生态工程职业学院学报,2006,19(4):66
182.王文宇,李博.基于eCogniton的高分辨率遥感图像的自动识别分类技术[J].北京建筑工程学院学报,2006,22(4):26-29.
183.王鑫宁晨罗斌.一种基于归一化割的图像分割算法[J].计算机应用研究,2007,24(2):165-166.
184.王鑫,罗斌,宁晨.一种基于小波和分水岭算法的图像分割方法[J].计算机技术与发展,2006,16(1):17-19,22.
185.王旭红,周明全.面向对象的遥感图像数据挖掘[J].计算机应用与软件,2006,23(9):31-33
186.王妍,刘洪斌,宁茂岐.栅格DEM的水平分辨率对地形信息的影响分析[J].测绘与空间地理信息,2005,28(6):41-44
187.王宇.一种基于数学形态学的遥感图像边缘检测算法[J].重庆邮电学院学报,2003,15(2):57-60
188.王泽兵,杨朝晖.彩色图像分割技术研究[J].电视技术,2005(4):20-24.
189.韦春义.小班勾绘及其教学[J].中国林业教育,2002(4):61-62,63.
190.魏弘博,吕振肃,蒋田仔,等.图像分割技术纵览[J].甘肃科学学报,2004,16(2):19-24.
191.吴均平,毛志华,陈建裕.一种基于分割图斑的海岸带遥感图像分类方法[J],海洋学研究,2006:24(2)70-78
192.吴守从,陈建璋,陈朝圳.以不同分类法探讨SPOT与IKONOS两种卫星影像之分类准确度[J],遥感学报,2006,10(4):573-577
193.吴咏明,张韧.多光谱卫星图像的一种模糊聚类方法[J].热带气象学报,2004,20(6):689-696
194.夏勇,赵荣椿.基于形态学多重分形的遥感图像多尺度分割[J],计算机应用,2006,26(9):2071-2073
195.熊轶群,吴健平.面向对象的城市绿地信息提取方法研究[J],华东师范大学学报(自然科学版),2006(4):84-90
196.熊泽彬.森林资源二类调查中小班区划方法研究[J].林业资源管理,2002,5:24-26
197.徐建华,徐振海,杨琼. TM卫片在森林资源二类清查中的应用[J].内蒙古林业调查设计,2003,26(2):23-24
198.薛存金,苏奋振,周军其.最佳结构元素尺寸的自适应确定算法[J].中国图象图形学报,2006,11(3):317-324.
199.严和平,邓荣佐,王知衍.一种基于数据库的图像分割评价方法[J],计算机应用研究,2006,23(5):248-250
200.阎敬文,数字图像处理(MATLAB版)[M],国防工业出版社,2007.
201.杨长保,丁继红.面向对象的遥感图像分类方法研究[J].吉林大学学报(地球科学版),2006,36(4):642-646
202.杨存建,周成虎.基于知识的遥感图像分类方法的探讨[J],地理学与国土研究,2001,17(2)12-15
203.杨海峰,侯朝桢.基于二维灰度直方图的蚁群图像分割[J].激光与红外,2005,35(8):614-617.
204.杨晖,曲秀杰.图像分割方法综述[J].电脑开发与应用,2005,18(3):21-23.
205.杨文明,陈国斌,沈晔湖,等.一种基于分水岭变换的图像分割方案[J].浙江大学学报:工学版,2006,40(9):1503-1506,1510.
206.杨雪清,白降丽,张煜星.基于SPOT 5卫星遥感数据的林相图更新系统的研建[J],林业资源管理,2006(4)89-91
207.杨桄,张柏,王宗明,等.基于阴影搜索法的飞机目标遥感图像分割研究[J].地理与地理信息科学,2006,22(1):48-50,77.
208.姚岚,刘敏,余咏胜.基于ArcView的地表坡度分析[J].城市勘测,2006,3:33-35
209.叶吉祥,陈香华,谭冠政.利用小波和分层聚类进行彩色图像分割[J],计算机与数字工程,2006,34(1):1-3
210.叶江霞,周汝良,魏晓燕,等.基于GIS的小班海拔、坡度及地貌立地因子的自动求算[J].云南地理环境研究,2006,18(3):15-18
211.游培寒,毕笃彦,马时平.自适应权值调整GS图像分割算法[J].中国图象图形学报,2006,11(7):959-964.
212.余杰千,方涛,陈雍业.一种有效的遥感图像无缝分割方法[J],计算机应用,2003:23(12)118-120
213.余鹏,刘丽芬.利用地形图生产DEM数据研究[J].测绘通报,1998,10:16-18
214.翟辉琴.基于数学形态学的遥感影像水域提取方法[J],测绘科学,2006,31(1):22-24
215.张锦水,何春阳,潘耀忠,等.基于SVM的多源信息复合的高空间分辨率遥感数据分类研究[J],遥感学报,2006,10(1):49-57
216.张龙翔,王春泉.基于HSI空间和颜色纯度的多尺度遥感图像分割算法[J],临沂师范学院学报-2005:27(3)-111-114
217.张路,廖明生.一种顾及上下文的遥感影像模糊聚类[J],遥感学报,2006:10(1)58-65
218.张平,王文伟,吴丽芸.基于均匀性图分水岭变换及两步区域合并的彩色图像分割[J].计算机应用,2006,26(6):1378-1380.
219.张田,周翔凤,王希常.一种利用图进行图像分割的高效方法[J].山东师范大学学报:自然科学版,2008,23(2):10-13.
220.章毓晋.图像工程(中册)-图像分析(第2版)[M].北京:清华大学出版社,2005.
221.章毓晋.一种评价图像分割技术的新方法[J].模式识别与人工智能,1994,7(4):299-304
222.赵晨光,宋利伟,庄天戈.基于分水岭区域差异性的多级图像分割[J].上海交通大学学报,2004,38(9):1489-1491.
223.赵国际,贾小志,等.一种高分辨率遥感图像分割算法.计算机工程与应用.2002,38(14).-36-37
224.赵书河,高分辨率遥感数据处理方法实验研究[J].地学前缘,2006,13(3):60-68
225.郑光,田庆久,陈镜明,等.结合树龄信息的遥感森林生态系统生物量制图[J],遥感学报,2006,10(6):932-940
226.郑光,田庆久,李明诗.基于ETM+遥感影像的南京市城市绿地的动态监测[J].遥感信息,2005(5):22-24,44.
227.郑明国,蔡强国,秦明周,等.一种遥感影像分类精度检验的新方法[J],遥感学报,2006,10(1):39-48
228.周昌雄,于盛林.基于区域内一致性和区域间差异性的图像分割[J].中南大学学报(自然科学版),2005,35(4):668-672
229.周军妮,曹剑中,刘波,等.一种基于局部最小代价分水岭变换的图像分割新方法[J].光子学报,2005,34(1):142-145.
230.周璐璐,李金,李想,等.基于边缘检测与分裂合并的多区域分割研究[J].应用科技,2006,33(1):39-42.
231.朱长青,王耀革,等.基于形态分割的高分辨率遥感影像道路提取[J].测绘学报,2004,4:347-351
232.朱虹.数字图像处理基础[M],科学出版社,2005.
233.邹旭兴,谢明元.卫星图像边缘与纹理特征提取[J].成都信息工程学院学报,2006(z1):36-42.
234.祖占和,于得水,秦学军,等.遥感技术在森林资源调查中可行性分析[J],辽宁林业科技,2004,(2):24-2
2. Baatz, M., Schape, A, 2000. Multiresolution Segmentation– an optimization approach for high quality multi-scale image segmentation. In: Strbl, J. et al., Angewandte Geographische Information sverarbeitung XII, Karlsruhe, pp. 12–23.
3. Benz, U.C., Hofmann, P., Willhanck, G, Lingenfelder, I.,Heynen, M. 2003 Multiresolution, object oriented fuzzy analysis of remote sensing data for GIS ready information ISPRS journal of Photogrammetry and Remote Sensing 58(3-4): 239-258
4. Bezdek J C, Ehrlich R, Full W. FCM: the Fuzzy c—Means clustering algorithm [J].Computers and Gosciences,1984(1O):191-203.
5. Carleer, A.P., Debeir, O., Wolff, E. 2005. Assessment of very high spatial resolution satellite images segmentations. Photogrammetric engineering and remote sensing. 71(11) :1285-1294.
6. Carleer, A.P., O. Debeir, and E. Wolff, 2004. Comparison of very high spatial resolution satellite image segmentations, Proceedings of SPIE Image and Signal Processing for Remote Sensing IX, (Lorenzo Bruzzone, editor), Vol. 5238:532–542.
7. Chavez P S, Berlin G L and Sowers L B (1982). Statistical Method for Selecting Landsat MSS Ratios.J. Appl. Photographic Engg.,8, 23–30.
8. De Wit, A.J.W , Clevers, J.G.P.W. 2004 efficiency and accuracy of per-field classification for operational crop mapping International Journal of Remote Sensing 25(20) : 4091-4112
9. Definiens Imaging, Inc., 2005. eCognition Professional User Guide, URL: http://www.definiens-imaging.com/ (last date accessed: 03 August 2005).
10. Dorsen, L.K.A., Maier, B., Seymonsbergen, A.C. 2003 Improved Landsat based forest mapping in steep mountainous terrain using object based classification Forest Ecology and Management 183(1-3) : 31-46
11. E. D. Gelasca, T. Ebrahimi,M. Farias,M. Carli, and S.Mitra. Towards perceptually driven segmentation evaluation metrics. Proc. of Conf. on Computer Vision and Pattern Recognition Workshop, 2004.
12. F. J. Estrada and A. D. Jepson. Quantitative evaluation of a novel image segmentation algorithm. Proc. of IEEE Conf. on Computer Vision and Pattern Recognition, 2005.
13. Flanders, D., Hall-Beyer, M., Perverzoff, J. 2003 Preliminary evaluation of eCognition object based software for cut block delineation and feature extraction. Canadian Journal of Remote Sensing 29(4) : 441-452
14. Georgi lgnatov, Hristo Nikolov,etc, Morphological and object-oriented methods inclassification of multispectral data.Second Scientific Conference with International Participation space, ecology, nanotechnology, safety. 2006
15. GUO Li-hua,LI Jian-hua , Image Segmentation Using an Improved Watershed Algorithm[J],上海交通大学学报(英文版),2004 Vol.9 No.2 P.16-19
16. H. Zhang, J. Fritts, and S. Goldman. An improved fine-grain hierarchical method of image segmentation. Technical Report- Washington University in St. Louis, 2005.
17. Hui Zhang, Sharath Cholleti,Sally A. Goldman. Meta-Evaluation of Image Segmentation Using Machine Learning.
18. Joint Workshop High Resolution Mapping from Space, 2003.
19. Kaichang Di, Jue Wang etc. Automatic shoreline extraction from high-resolution IKONOS satellite imagery.[C]ASPRS 2003 Annual Conference Proceedings
20. Leckie, D.G, Gougeon, F.A., Walsworth, N., Paradine, D. 2003 Stand delineation and composition estimation using semiautomated individual tree crown analysis. Remote Sensing of Environment 85(3) pp 355-369
21. Li R P, Mukaidon M . A maximum entropy approach to fuzzy clustering[C] / /IEEE.Proc.of the 4th IEEE Int’1 Conf.on Fuzzy System.Yokohama:IEEE,1995:2 227—2 232.
22. M. Borsotti, P. Campadelli, and R. Schettini. Quantitative evaluation of color image segmentation results. Pattern Recognition Letters, 19(8):741–747, 1998.
23. M. Neubert and G.Meinel,“Evaluation of segmentation programs for
24. Magnussen S,Boudewyn P,W ulder M.Contextual Classification of Landsat TM Images to Forest Inventory Covertypes[J].International Journal of Remote Sensing,2004,25(12):2 421-2 440
25. MO Deng-kui,LIN Hui,VHR Imagery Multi-Resolution Segmentation Based on Mean Shift[J]Journal of Guangxi Normal University:Natural Science Edition Dec.2006
26. Mowrer, H.T. & Congalton, R.G.(Eds.) (2000). Quantifying Spatial uncertainty in natural resources : theory and application for GIS and remote sensing. Ann Arbor Press, Chelsea, Michigan, 234 p.
27. Neubert, M., and G. Meinel, 2003. Evaluation of segmentation
28. P. Paclik, R. P. W. Duin, G. M. P. van Kempen, and R. Kohlus,“Segmentation of multi-spectral images using the combined classifier approach,”Image and Vision Computing, vol. 21, no. 6, pp. 473–482, June 2003.
29. Pabitra Mitra, B.Uma Shankar, Sankar K.. Pal, Segmentation of multispectral remote sensing images using active support vector machines. Pattern Recognition Letters 25 (2004):1067-1074
30. Pesaresi, M. and Benediktsson, 2001, A New Approach for the Morphological Segmentation of High-resolution Satellite Imagery, In IEEE Transactions On Geoscience And Remoting Sensing. Vol.39. No.2, pp. 309-320
31. Peterson, U., Pussa, K., Liira, J. 2004 Issues related to delineation of forest boundaries on Landsat TM winter images International Journal of Remote Sensing 25 (24) :5655-5668
32. programs for high resolution remote sensing applications, Proceedings of the Joint ISPRS/EARSel Workshop“High Resolution Mapping from Space 2003”, Hanover, Germany, 06–08 October, unpaginated CD-ROM.
33. Radoux, J., Defourny P. 2005. Accuracy assessment of forest stand delineation using very high spatial resolution satellite images. ForestSAT 2005 Proceedings, Boras, pp 84-89.
34. Rafael C. Gonzalez著,阮秋琦译,数字图像处理(MATLAB版)[M],北京:电子工业出版社,2005,9.
35. S. Chabrier, B. Emile, H. Laurent, C. Rosenberger, and P. Marche. Unsupervised evaluation of image segmentation application to multi-spectral images. Proc. of the 17th Int. Conf. on Pattern Recognition, 576–579, 2004.
36. S.S.Durbha and R.L.King. Knowledge mining in earth observation data archives: adomain ontology perspective. In Proceedings of IEEE International Geoscience and Remote Sensing Symposium, volume 1, September 2004.
37. Shi J,Malik J.Normalized Cuts and Image Segmentation[J].IEEE Trans.on Pattern Analysis and Machine Intelligence,2000,22(8):888—905.
38. Shi J and Malik J. Normalized cuts and image segmentation. IEEE Trans. on Pattern Analysis and Machine Intelligence, 22(8):888–905, 2000.
39. Vander S C J,Jong S M ,Roo A P J.A Segmentation and Classification Approach of IKONOS-2 imagery for i.and Cover Mapping to Assist Flood Risk and Flood Damage Assessment[J].International Journal of Applied Earth Observation and Geoinformation,2003 (4):217-229
40. Volker W.Obiect—based Classification of Remote Sensing Data for Change Detection[J].ISPRS JournaI of Photogrammetry & Remote Sensing,2004(58):225-238
41. Wang, L., Sousa, W.P., Gong, P. 2004 Integration of object based and pixel based classification for mapping mangroves with IKONOS imagery International Journal of Remote Sensing 25(24) pp 5655-5668
42. X. Gigandet,“Segmentation d’images satellites multispectrales par classification statistique,”tech. rep., Swiss Federal Institute of Technology (Lausanne), 2004.
43. Y. Yitzhaky and E. Peli. A method for objective edge detection evaluation and detector parameter selection. IEEE Trans. on Pattern Analysis and Machine Intelligence, 25(8):1027-1033, 2003.
44. Zhang, Y.J., 2001. Texture-Integrated classification of urban treed areas in high-resolution color-infrared imagery, Photogrammetric Engineering & Remote Sensing, 67(12):1359–1365.
45.蔡银桥,毛政元.基于多特征对象的高分辨率遥感影像分类方法及其应用[J].国土资源遥感,2007(1):77-81,I0001.
46.曹宝,秦其明,马海建,等.面向对象方法在SPOT5遥感图像分类中的应用——以北京市海淀区为例[J].地理与地理信息科学,2006,22(2):46-49,54.-54
47.查宇飞,牛江龙,毕笃彦.基于多分辨率的分水岭图像分割算法[J].计算机工程,2006,32(19):202-204,207.
48.陈科庆,何茂军.彩色图像分割综述[J].湖北师范学院学报:自然科学版,2004,24(4):32-36.
49.陈秋晓,陈述彭,周成虎.基于局域同质性梯度的遥感图像分割方法及其评价[J].遥感学报,2006,10(3):357-365.
50.陈秋晓,骆剑承,周成虎.基于多特征的遥感影像分类方法[J].遥感学报,2004,8(3):239-245
51.陈秋晓.改进的RPCCL聚类方法及在遥感影像分割中的应用[J].计算机工程与应用,2005,41(34):221-223.
52.陈仁喜,赵忠明.潘晶.遥感分类栅格图的快速矢量化方法[J],遥感学报,2006:10(3)326-331
53.陈永富,黄建文,鞠洪波.面向对象的退耕还林造林效果遥感特征提取技术研究[J],林业资源管理,2006(2):57-61
54.陈云浩,冯通,史培军,等.基于面向对象和规则的遥感影像分类研究[J].武汉大学学报:信息科学版,2006,31(4):316-320.
55.陈忠,赵忠明.基于分水岭变换的多尺度遥感图像分割算法[J],计算机工程2005,35:7-9
56.陈忠,赵忠明,宫鹏.一种快速高分辨率遥感影像分割算法[J].计算机应用研究,2006,23(10):154-155,185.
57.陈忠,赵忠明.基于区域生长的多尺度遥感图像分割算法[J],计算机工程与应用,2005,35:7-9
58.陈忠.高分辨率遥感图像分类技术研究[D],中国科学院研究生院(遥感应用研究所),2006.
59.陈州徽,雷奕,刘海华.基于多分辨率-分水岭算法的图像分割方法[J].中南民族大学学报:自然科学版,2006,25(1):47-50.
60.迟健男,方帅,徐心和,等.基于多结构元顺序形态变换的灰度图像边缘检测[J].中国图像图形学报,2006,11(1):41-46.
61.崔林丽,唐娉.一种基于对象和多种特征整合的分类识别方法研究[J].遥感学报,2006,10(1):104-110
62.党安荣,贾海峰,易善桢,等.ArcGIS 8 Desktop地理信息系统应用指南[M].北京:清华大学出版社,2002.
63.党安荣,贾海峰.ERDAS IMAGE 8.6遥感图像处理方法[M].北京:清华大学出版社,2003.
64.邓世伟,袁保宗.基于数学形态学的深度图像分割[J].电子学报,1995,23(4):6-9.
65.丁晓英.eCognition在土地利用项目中的应用[J].测绘与空间地理信息,2005,28(6):116-117,120.
66.杜凤兰,田庆久.面向对象的地物分类法分析与评价[J].遥感技术与应用,2004,19(1):20-23
67.杜娟,李文锋.基于金字塔连接算法的彩色图像分割[J],武汉理工大学学报,2006,01
68.范文义,崔林丽.遥感图像与矢量图形叠合显示方法[J].东北林业大学学报,2001,29(6):15-17
69.方忠民.医学图像分割技术新进展[J].长沙大学学报,2008,22(5):94-97.
70.冯林,管慧娟,荆焘,等.基于分水岭变换和核聚类算法的图像分割[J].大连理工大学学报,2006,46(6):851-856.
71.冯林,孙焘,吴振宇,等.基于分水岭变换和图论的图像分割方法[J].仪器仪表学报,2008,29(3):649-653.
72.冯益明,李增元,武红敢,等.基于灰度与纹理信息融合的影像分割方法[J].遥感技术与应用,2006(6):536-540.
73.扶卿华,倪绍祥,郭剑,等.栅格数据矢量化及其相关问题的解决方法[J],地球信息科学,2004,6(4):85-89
74.付晓,周维.数字高程模型及其在森林资源调查中的应用[J].广西林业科学,2002,11(1):12-15
75.付卓,胡吉平,谭衢霖,等.遥感应用分析中影像分割方法[J].遥感技术与应用,2006,21(5):456-462.
76.傅弘,阎鸿森,齐春.基于自适应定向正交投影分解的图象分割方法[J].中国图象图形学报:A辑,2003,8(3):286-291.
77.傅仲良,李勇.基于梯度幅度直方图和类内方差的边缘提取方法[J],武汉大学学报(信息科学版),2005,30(12):1056-1058
78.葛宏立,方陆明.基于爬峰法聚类的TM图像专题信息人机交互提取[J].Computer Engineering,2005,31(11):154-156
79.宫鹏,黎夏,徐冰.高分辨率影像解译理论与应用方法中的一些研究问题[J],遥感学报,2006,10(1):1-5
80.龚剑.一种基于分水岭和模糊聚类的多级图像分割算法[J].第一军医大学学报,2004,24(3):329-331.
81.龚天旭,彭嘉雄.基于分水岭变换的彩色图像分割[J].华中科技大学学报:自然科学版,2003,31(9):74-76.
82.龚衍,舒宁.基于马尔柯夫随机场的多波段遥感影像纹理分割研究[J].武汉大学学报:信息科学版,2007,32(3):212-215.
83.谷万祥,葛林,刘思.森林资源规划设计调查中小班区划方法探讨[J].吉林林业科技,2005,34(5):42~44
84.郭春秋,欧阳松.一种快速、准确的图像阈值分割新方法[J].湖南工业职业技术学院学报,2004,4(1):9-11,52.
85.郭小卫,官小平.基于多特征的SAR图像多尺度无监督分割[J].遥感信息,2006(4):33-36.
86.郭晓英,刘素红,屈永华,等.遥感影像数据的规范化处理和时空尺度整合[J],遥感信息,2004(3):32-35
87.国家林业局,森林资源规划设计调查主要技术规定.2003年4月.
88.哈斯巴干,马建文,李启青,等.模糊c-均值算法改进及其对卫星遥感数据聚类的对比[J].计算机工程,2004,30(11):14-15,91.
89.候格贤,毕笃彦.图像分割质量评价方法研究[J].中国图象图形学报,2000,5(A)(1):39-43
90.胡进刚,张晓东.一种面向对象的高分辨率影像道路提取方法[J].遥感技术与应用,2006,21(3):184-188
91.胡学龙,宋鸣,程茜.一种基于图像森林化变换(IFT)的分水岭算法[J].电子测量与仪器学报,2005,19(5):58-62.
92.黄慧萍,吴炳方.地物大小、对象尺度、影像分辨率的关系分析[J],遥感技术与应用,2006,21(3):243-248
93.黄昕,张良培,李平湘.高空间分辨率遥感图像分类的SSMC方法[J].中国图象图形学报,2006,11(4):529-534,T0003.
94.吉李满,图像分割算法的应用与评价[J],吉林工程技术师范学院学报(自然科学版).2007,32(3):212-215.
95.贾永红.彩色图像矢量滤波法及其应用[J],测绘信息与工程,2000,2:19-20
96.姜青香,刘慧平.利用纹理分析方法提取TM图像信息[J],遥感学报,2004,8(5):458-464
97.姜雪,赵文吉,董双发,高分辨率卫星影像在生态环境调查及生态功能区划分中的应用研究[J],测绘与空间地理信息,2006,29(6):31-34
98.蒋加伏,罗晓萍.基于混合聚类算法的图像分割[J].计算技术与自动化,2004,23(1):71-73
99.蒋年得,王耀南.面向多源遥感数据的小波变换融合技术[J].系统工程与电子技术,2005,27(5):788-791
100.金丽亚,曹卫国.一种TM遥感影像的分割算法[J].装甲兵工程学院学报,2006,20(5):69-71.
101.靳海亮,高井祥,康建荣.基于矢量等高线数据提取山脊线山谷线的研究[J].测绘通报,2005,10:54-56
102.靳海亮,康建荣,高井祥.利用等高线数据提取山脊(谷)线算法研究[J].武汉大学学报信息科学版,2005,30(9):809-811
103.李崇贵,赵宪文.聚类分析在监测区域样地分类中的应用研究[J],遥感学报,2006:10(2) 256-262
104.李春干,代华兵,李崇贵.基于高分辨率卫星图像的小班勾绘精度检验[J].福建林学院学报,2006,26(2):127-130
105.李春干,李崇贵.森林小班多边形的自动聚合[J],北京林业大学,2005,27(1):55-58
106.李春干,谭必增.基于GIS的森林资源遥感调查方法研究[J],林业科学,2004,40(4):40-45
107.李海月,王宏琦,陆见微.遥感图像中建筑物自动识别与标绘方法研究[J],电子测量技术,2007,30(2):15-20
108.李晖晖,郭雷,刘航.基于区域分割的遥感图像融合方法[J],光子学报,2005,34(12):1901-1905
109.李金莲,刘晓玫,李恒鹏.SPOT5影像纹理特征提取与土地利用信息识别方法[J],遥感学报,2006,10(6):926-931
110.李静,赵庚星,李涛,等.TM影像中大棚菜地信息提取技术研究[J].水土保持学报,2004,18(1):126-129.
111.李军林,李国春.一种结合形状特征的多光谱遥感图像分割方法[J],农业网络信息,2006,5:12-15
112.李琨,郑庆晖,廖冬学.基于梯度特征的图像自动分割方法[J],宇航学报,2006,27(6):1288-1292
113.李明诗,齐家,彭世揆.基于TM和ASTER的植被指数建模性能对比[J],林业资源管理,2006(3):77-80
114.李明诗,叶水仙,彭世揆.小班界限计算机自动提取的初步研究[J].林业资源管理,2000,2:53-56
115.李明诗.从遥感TM影像分类图提取小班界限的算法实现[J].南京林业大学学报(自然科学版)2001,25(5):25-28
116.李庆,杨俊峰,江汉红.基于Snake模型的图像分割技术[J],武汉理工大学学报(信息与管理工程版),2006,28(11):168-171
117.李庆忠,石巍,褚东升.一种融合聚类与区域生长的彩色图像分割方法[J].计算机工程与应用,2006,42(14):76-78.
118.李天文,刘学军,陈正江.规则格网DEM坡度坡向算法的比较分析[J].干旱区地理,2004,27(3):398-404
119.李玉才,田文会.不同比例尺TM影像图小班地类划分效果评价[J].内蒙古林业调查设计,1999,1,28-31
120.李政国,李春干,代华兵.基于区域生长的林区遥感图像分割方法[J].广西林业科学,2008,37(2):66-70.
121.梁继民,王昌明,等.基于投影的X光图像分割区域数量判定[J].光子学报,2004,33(12):1518-1521
122.林辉,李际平等,QuickBird卫星图像信息识别[J].中国图象图形学报,2005,10(10):1504-1510
123.林辉,莫登奎,熊育久.高分辨率遥感图像均值调整法分割技术研究[J].中南林学院学报,2006,26(4):85-88,95.
124.林开颜,吴军辉,徐立鸿.彩色图像分割方法综述[J],中国图象图形学报(A辑),2005,10(1),1-10
125.刘海华,陈州徽,陈心浩.基于小波变换的多分辨率图像分割[J].计算机工程与应用,2006,42(1):50-52,85.
126.刘海华,陈州徽,谢长生.基于形态学尺度空间的多尺度图像分割研究[J].计算机工程,2006,32(11):197-199,215.
127.刘华军,任明武,杨静宇.一种改进的基于模糊聚类的图像分割方法[J].中国图象图形学报,2006,11(9):1312-1316.
128.刘伟强,胡静,等.基于核空间的多光谱遥感图像分类方法[J].国土资源遥感,2002(3):44-47,57.
129.刘喜英,吴淑泉,徐向民.基于改进分水岭算法的医学图像分割的研究[J].微电子技术,2003,31(4):39-42.
130.刘学军,龚健雅,周启鸣.基于DEM坡度坡向算法精度的分析研究[J].测绘学报,2004,33(3):260-263
131.刘永学,李满春,毛亮.基于边缘的多光谱遥感图像分割方法[J],遥感学报,2006,10(3):350-356
132.刘泽慧,黄培之. DEM数据辅助的山脊线和山谷线提取方法的研究[J].测绘科学,2003,28(4):33~35
133.刘志敏,杨杰.数学形态学的图像分割算法[J].计算机工程与科学,1998,20(4):21-27
134.龙晶.植被遥感研究的新思路——走出传统光谱理论应用的误区[J],林业资源管理,2006(1)31-37
135.路鹏.中值滤波技术在遥感图像处理中的应用,吉林大学学报(地球科学版)[J],2005,35(7):151-154
136.罗惠韬,章毓晋.一种图像分割评价实例及讨论[J].数据采集与处理,1997,12(1):18-22
137.罗玲,解梅,陈杉.基于多尺度形态滤波的分水岭图像分割方法[J].计算机辅助设计与图形学学报,2004,16(2):168-173.
138.罗希平,田捷.图像分割方法综述[J].模式识别与人工智能,1999,12(3):300-312.
139.罗音,舒宁.基于信息量确定遥感图像主要波段的方法[J].城市勘测,2002(4):28-32.
140.骆剑承,王钦敏.遥感图像最大似然分类方法的EM改进算法[J],测绘学报,2002,31(3):234-239
141.毛启明,陈汉林,吴建勇.基于小波变换的适合Quick Bird遥感影像的融合方法[J],浙江大学学报(理学版),2006,33(6):707-712
142.梅天灿,李得仁.分水岭变换在遥感图像线性特征提取中的应用[J].武汉大学学报(信息科学技术版),2004,29(4):338-341
143.明冬萍,骆剑承,周成虎,等.高分辨率遥感影像特征分割及算法评价分析[J].地球信息科学,2006,8(1):103-109.
144.莫登奎,林辉.基于高分辨率影像的土地覆盖信息提取[J].遥感技术与应用,2005,20(4):411-414
145.聂生东,聂斌.基于模糊K-近邻规则的多谱磁共振脑图像分割方法的研究[J],中国生物医学工程学报,2002,21(5):471-465
146.欧阳鑫玉,赵楠楠,等.图像分割技术的发展[J].鞍山钢铁学院学报,2002,25(5):363-368.
147.潘励,张志华,张剑清.融合区域分割和边缘信息的居民地提取方法[J],武汉大学学报(信息科学版),2006,31(8):671-674
148.潘庆丰,陈水利,陈国龙.基于核函数的模糊C均值聚类算法[J].集美大学学报:自然科学版,2006,11(4):369-374.
149.彭启民,贾云得.一种形态学彩色图像多尺度分割算法[J].中国图象图形学报,2006,11(5):635-639,I0001.
150.彭望碌.遥感与图像解译(第四版),Thomas M.Lillesand,etc,彭望碌等译,电子工业出版社,2003.8
151.蒲智,刘萍等,面向对象技术在城市绿地信息提取中的应用[J].福建林业科技,2006,33(1):40-44
152.祁英,白楷姝,王本俊.TM卫片在森林资源规划设计调查中的应用研究[J],内蒙古农业大学学报,1999,20(4):31-35
153.舒远,胡钊政,谈正.基于多信息融合的纹理分割新方法[J].计算机工程,2005,31(11):157-159.
154.宋锦萍,职占江.图像分割方法研究[J].现代电子技术,2006,29(6):59-61,64.
155.孙涵.基于红外图像的道路识别与运动目标跟踪[D],南京理工大学,2005.
156.孙即祥.图像分析[M].北京:科学出版社,2005.
157.孙琦.高光谱遥感获取伐区调查数据的应用综述[J],林业资源管理,2006(5):92-96
158.孙小芳,卢健,孙依斌.基于分割的多尺度城市绿地景观[J].应用生态学报,2006,17(9):1660-1664.
159.孙晓霞,张继贤.利用面向对象的分类方法从IKONOS全色影像中提取河流和道路[J].测绘科学,2006,31(1):62-63
160.覃先林,李增元.高空间分辨率卫星遥感影像树冠信息提取方法研究[J].遥感技术与应用,2005,20(2):228-232
161.谭炳香,杜纪山.遥感与GIS相结合和森林资源信息更新与制图方法研究[J].林业科学研究,2001,14(6):692-696
162.谭志明,基于图论的图像分割及其嵌入式应用研究[D],上海交通大学,2007.
163.汤国安,杨昕. ArcGIS地理信息系统空间分析实验教程[M].科学出版社,2006
164.汤国安,张友顺.遥感数字图像处理[M],科学出版社,2004。
165.唐古拉,周万村,陈军.基于影像区域合并分割技术的植被覆盖分级研究——以三峡库区小江流域为例[J],中南林业调查规划2005:24(4)35-39
166.唐古拉,周万村,冯文兰,等.基于遥感影像多尺度分析技术的LUCC研究[J],遥感技术与应用,2005,20(6):581-585
167.唐古拉.面向对象的图像分类方法与彩色扫描地形图林地层的自动提取[J].四川测绘,2005,28(4):172-176
168.唐金尤,范彦斌,姚锡凡.基于分水岭算法的彩色图像分割[J].佛山科学技术学院学报:自然科学版,2006,24(1):17-20.
169.陶洪久,柳健,等.基于小波变换和数学形态学的遥感图像边缘检测[J].红外与激光工程,2002,31(2):154-157.
170.陶洪久.基于小波变换和数学形态学的遥感图像边缘检测[J].红外与激光工程,2002,31(2):154-157
171.王广君,田金文等,基于四叉树的图像分割技术[J].红外与激光工程,2001,30(1):12-14
172.王建芳,包世泰.面向对象解译方法在遥感影像地物分类中的应用[J].热带地理,2006,26(3):234-238
173.王金涛,刘文耀,等.流域分割算法在细胞图像分割中的应用[J].西南交通大学学报,2002,37(3):290-294.
174.王俊芳,杨武年,李玉霞,等.多种特征信息在高分辨率遥感影像目标识别中的应用研究[J].四川测绘,2006(4):156-158,181.
175.王立海,赵正勇.林区TM图像消除噪声方法的比较[J],东北林业大学学报,2005,33(5):77-79
176.王立海.林区TM图像消除噪声方法的比较[J],东北林业大学学报,2005,33(5):77-79
177.王明常,邢立新.利用二维多级中值滤波去除遥感图像随机噪声[J],吉林大学学报(地球科学版),2004,34(10):178-180
178.王培珍,杨维翰.图像分割的分层处理方案.安徽工业大学学报,2002,19(3):205—208
179.王萍,苏秀琴,刘雅轩.基于区域合并的动态阈值分割算法[J].光子学报,2004,33(3):378-381.
180.王茜,薛怀平,吴胜军,等.利用地形图批量生产DEM数据的方法[J].上海师范大学学报(自然科学版),2003,32(2):83-86.
181.王文成,林永杰,郝瑛秋.区划经营小班完善森林经理调查体系[J].黑龙江生态工程职业学院学报,2006,19(4):66
182.王文宇,李博.基于eCogniton的高分辨率遥感图像的自动识别分类技术[J].北京建筑工程学院学报,2006,22(4):26-29.
183.王鑫宁晨罗斌.一种基于归一化割的图像分割算法[J].计算机应用研究,2007,24(2):165-166.
184.王鑫,罗斌,宁晨.一种基于小波和分水岭算法的图像分割方法[J].计算机技术与发展,2006,16(1):17-19,22.
185.王旭红,周明全.面向对象的遥感图像数据挖掘[J].计算机应用与软件,2006,23(9):31-33
186.王妍,刘洪斌,宁茂岐.栅格DEM的水平分辨率对地形信息的影响分析[J].测绘与空间地理信息,2005,28(6):41-44
187.王宇.一种基于数学形态学的遥感图像边缘检测算法[J].重庆邮电学院学报,2003,15(2):57-60
188.王泽兵,杨朝晖.彩色图像分割技术研究[J].电视技术,2005(4):20-24.
189.韦春义.小班勾绘及其教学[J].中国林业教育,2002(4):61-62,63.
190.魏弘博,吕振肃,蒋田仔,等.图像分割技术纵览[J].甘肃科学学报,2004,16(2):19-24.
191.吴均平,毛志华,陈建裕.一种基于分割图斑的海岸带遥感图像分类方法[J],海洋学研究,2006:24(2)70-78
192.吴守从,陈建璋,陈朝圳.以不同分类法探讨SPOT与IKONOS两种卫星影像之分类准确度[J],遥感学报,2006,10(4):573-577
193.吴咏明,张韧.多光谱卫星图像的一种模糊聚类方法[J].热带气象学报,2004,20(6):689-696
194.夏勇,赵荣椿.基于形态学多重分形的遥感图像多尺度分割[J],计算机应用,2006,26(9):2071-2073
195.熊轶群,吴健平.面向对象的城市绿地信息提取方法研究[J],华东师范大学学报(自然科学版),2006(4):84-90
196.熊泽彬.森林资源二类调查中小班区划方法研究[J].林业资源管理,2002,5:24-26
197.徐建华,徐振海,杨琼. TM卫片在森林资源二类清查中的应用[J].内蒙古林业调查设计,2003,26(2):23-24
198.薛存金,苏奋振,周军其.最佳结构元素尺寸的自适应确定算法[J].中国图象图形学报,2006,11(3):317-324.
199.严和平,邓荣佐,王知衍.一种基于数据库的图像分割评价方法[J],计算机应用研究,2006,23(5):248-250
200.阎敬文,数字图像处理(MATLAB版)[M],国防工业出版社,2007.
201.杨长保,丁继红.面向对象的遥感图像分类方法研究[J].吉林大学学报(地球科学版),2006,36(4):642-646
202.杨存建,周成虎.基于知识的遥感图像分类方法的探讨[J],地理学与国土研究,2001,17(2)12-15
203.杨海峰,侯朝桢.基于二维灰度直方图的蚁群图像分割[J].激光与红外,2005,35(8):614-617.
204.杨晖,曲秀杰.图像分割方法综述[J].电脑开发与应用,2005,18(3):21-23.
205.杨文明,陈国斌,沈晔湖,等.一种基于分水岭变换的图像分割方案[J].浙江大学学报:工学版,2006,40(9):1503-1506,1510.
206.杨雪清,白降丽,张煜星.基于SPOT 5卫星遥感数据的林相图更新系统的研建[J],林业资源管理,2006(4)89-91
207.杨桄,张柏,王宗明,等.基于阴影搜索法的飞机目标遥感图像分割研究[J].地理与地理信息科学,2006,22(1):48-50,77.
208.姚岚,刘敏,余咏胜.基于ArcView的地表坡度分析[J].城市勘测,2006,3:33-35
209.叶吉祥,陈香华,谭冠政.利用小波和分层聚类进行彩色图像分割[J],计算机与数字工程,2006,34(1):1-3
210.叶江霞,周汝良,魏晓燕,等.基于GIS的小班海拔、坡度及地貌立地因子的自动求算[J].云南地理环境研究,2006,18(3):15-18
211.游培寒,毕笃彦,马时平.自适应权值调整GS图像分割算法[J].中国图象图形学报,2006,11(7):959-964.
212.余杰千,方涛,陈雍业.一种有效的遥感图像无缝分割方法[J],计算机应用,2003:23(12)118-120
213.余鹏,刘丽芬.利用地形图生产DEM数据研究[J].测绘通报,1998,10:16-18
214.翟辉琴.基于数学形态学的遥感影像水域提取方法[J],测绘科学,2006,31(1):22-24
215.张锦水,何春阳,潘耀忠,等.基于SVM的多源信息复合的高空间分辨率遥感数据分类研究[J],遥感学报,2006,10(1):49-57
216.张龙翔,王春泉.基于HSI空间和颜色纯度的多尺度遥感图像分割算法[J],临沂师范学院学报-2005:27(3)-111-114
217.张路,廖明生.一种顾及上下文的遥感影像模糊聚类[J],遥感学报,2006:10(1)58-65
218.张平,王文伟,吴丽芸.基于均匀性图分水岭变换及两步区域合并的彩色图像分割[J].计算机应用,2006,26(6):1378-1380.
219.张田,周翔凤,王希常.一种利用图进行图像分割的高效方法[J].山东师范大学学报:自然科学版,2008,23(2):10-13.
220.章毓晋.图像工程(中册)-图像分析(第2版)[M].北京:清华大学出版社,2005.
221.章毓晋.一种评价图像分割技术的新方法[J].模式识别与人工智能,1994,7(4):299-304
222.赵晨光,宋利伟,庄天戈.基于分水岭区域差异性的多级图像分割[J].上海交通大学学报,2004,38(9):1489-1491.
223.赵国际,贾小志,等.一种高分辨率遥感图像分割算法.计算机工程与应用.2002,38(14).-36-37
224.赵书河,高分辨率遥感数据处理方法实验研究[J].地学前缘,2006,13(3):60-68
225.郑光,田庆久,陈镜明,等.结合树龄信息的遥感森林生态系统生物量制图[J],遥感学报,2006,10(6):932-940
226.郑光,田庆久,李明诗.基于ETM+遥感影像的南京市城市绿地的动态监测[J].遥感信息,2005(5):22-24,44.
227.郑明国,蔡强国,秦明周,等.一种遥感影像分类精度检验的新方法[J],遥感学报,2006,10(1):39-48
228.周昌雄,于盛林.基于区域内一致性和区域间差异性的图像分割[J].中南大学学报(自然科学版),2005,35(4):668-672
229.周军妮,曹剑中,刘波,等.一种基于局部最小代价分水岭变换的图像分割新方法[J].光子学报,2005,34(1):142-145.
230.周璐璐,李金,李想,等.基于边缘检测与分裂合并的多区域分割研究[J].应用科技,2006,33(1):39-42.
231.朱长青,王耀革,等.基于形态分割的高分辨率遥感影像道路提取[J].测绘学报,2004,4:347-351
232.朱虹.数字图像处理基础[M],科学出版社,2005.
233.邹旭兴,谢明元.卫星图像边缘与纹理特征提取[J].成都信息工程学院学报,2006(z1):36-42.
234.祖占和,于得水,秦学军,等.遥感技术在森林资源调查中可行性分析[J],辽宁林业科技,2004,(2):24-2
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |