Optimal Allocation Algorithm of Geological and Ecological High-resolution Remote Sensing Monitoring Sampling Points

Algoritmo de asignación óptima de puntos de muestreo de monitoreo de detección remota geológica y ecológica de alta resolución

Abstract: The purpose of this study is to solve the problem of unsatisfactory image representation of monitoring sampling points in high-resolution remote sensing due to the complexity of geological ecology. Firstly, three algorithms used in remote sensing technology were introduced, that is, extraction algorithm of monitoring sampling point (selective search algorithm), discriminant algorithm (support vector machine) and BING algorithm. Then, the BING algorithm was improved. Finally, the superiority of the improved BING algorithm was verified through experimental data set. The results showed that selective search algorithm could generate more candidate windows in remote sensing image and had better adaptability. The improved algorithm had higher quality of candidate windows extracted from remote sensing images. Although the IBING algorithm could greatly improve the extraction speed of remote sensing, the detection time of each image became larger. Such testing times were still acceptable. Therefore, in this research, the allocation algorithm of geological and ecological high-resolution remote sensing monitoring sampling points was optimized, which had a good guiding significance for the application of remote sensing technology in geological and ecological research.

Resumen: El propósito de este estudio es resolver el problema de la representación de imagen insatisfactoria de los puntos de muestreo de monitoreo en la teledetección de alta resolución debido a la complejidad de la ecología geológica. En primer lugar, se introdujeron tres algoritmos utilizados en la tecnología de detección remota, es decir, el algoritmo de extracción del punto de muestreo de monitoreo (algoritmo de búsqueda selectiva), el algoritmo discriminante (máquina de vectores de soporte) y el algoritmo BING. Luego, se mejoró el algoritmo BING. Finalmente, la superioridad del algoritmo BING mejorado se verificó mediante un conjunto de datos experimentales. Los resultados mostraron que el algoritmo de búsqueda selectiva podía generar más ventanas candidatas en la imagen de teledetección y tenía una mejor adaptabilidad. El algoritmo mejorado tenía mayor calidad de ventanas candidatas extraídas de imágenes de teledetección. Aunque el algoritmo IBING podría mejorar en gran medida la velocidad de extracción de la teledetección, el tiempo de detección de cada imagen se hizo mayor. Tales tiempos de prueba aún eran aceptables. Por lo tanto, en esta investigación, se optimizó el algoritmo de asignación de puntos de muestreo de monitoreo de detección remota geológica y ecológica de alta resolución, que tenía una buena importancia orientadora para la aplicación de la tecnología de detección remota en la investigación geológica y ecológica.