高光谱数据截断加权核范数稀疏解混

受仪器和观测条件限制,高光谱数据易受噪声污染,给数据解译带来挑战。针对传统稀疏解混模型抗噪性能差的问题,本文提出一种截断加权核范数稀疏解混方法,利用高光谱图像像元之间的相关性减轻噪声对丰度估计的干扰。该方法借助低秩表示在挖掘数据内在低维结构方面的优势,在稀疏解混中加入基于截断加权核范数的低秩约束,并结合加权稀疏技术,在稀疏正则项中引入空间邻域权重。截断加权核范数对丰度矩阵的奇异值向量分段处理,可以更好地实现丰度矩阵的低秩逼近,使丰度图像保持空间一致性并保留更多细节信息,空间加权策略则增强了丰度图像的空间连续性。模拟高光谱数据、Cuprite矿区真实数据和红树林高光谱数据实验表明,与其他先进的稀疏解混方法相比,所提方法具有更好的抗噪性,能够提高解混精度。     

基于向量匹配的稀疏深度图生成算法

在基于序列影像获取三维空间数据的方法中,需要提取影像中每个像素的三维值,但由此得到的三维数据用在三维地理信息系统(3DGIS)建模时需要进行大量简化,同时当影像中存在非特征区域时,易产生大量的错误匹配.提出一种基于向量的匹配算法,将图像看成是一个连续的三维曲面,主要以特征区域匹配为核心,通过计算每个曲面点处的法向量,再...     

属类概率距离构图的半监督高光谱图像分类

提出一种利用属类概率距离构图的半监督学习算法,并应用于高光谱图像分类。首先,该算法利用基于分类的稀疏表达方法来预估未标记样本的属类概率向量,然后,利用这个概率向量对描述数据相似性的距离函数进行改造,改造后的距离函数能有效扩大异类样本点之间的距离,在新的距离函数的度量下,每个样本点的邻域中可包含更多同类的样本点。最后,将该距离函数应用于半监督学习线性邻域传播算法和标签传播算法中。在Hyperion 和AVIRIS高光谱遥感图像上的实验结果表明：相比于传统的基于图的半监督学习算法,该算法能有效提高高光谱遥感图像分类精度。     

基于LIC的海流动态模拟与可视化

线积分卷积(LIC)方法是一种针对矢量场数据的可视化技术,本文主要研究了LIC方法应用于海洋流场的可视化质量改进问题。主要包括以下几点改进:根据海流运动方向改变稀疏背景噪声的指向以使流线变得更加细长明亮;针对稀疏噪声中海流变化剧烈的区域流线会出现分叉的问题,采用忽略稀疏背景噪声流线追踪时非主流线部分的纹理点的积分计算方法来解决此问题,同时可以省去不必要纹理点的积分计算的开支,加快显示速度;采用赋予海流随机的初始相位的方法来解决稀疏噪声循环动画突兀的问题;通过流线的运动速度快慢或者流线的颜色来表示海流速度大小;通过对海流数据进行插值并改善边界流线追踪条件的方法可形成完整细致的全球海流图像。实验结果表明,该方法可以生成纹理对比强烈、细节清晰、动画连贯的高质量海流运动图像,具有良好的可视化效果。     

基于ICA的稀疏编码算法在图像处理中的应用

针对独立分量分析基于数据间的高阶统计特性,并能有效揭示图像的本质特征的优势,分析了自然图像基于ICA的稀疏编码的实质,主要从图像压缩和图像去噪两个方面讨论了稀疏编码算法在图像处理中的应用。仿真实验结果表明,稀疏编码算法能够有效提取自然图像的特征基向量,利用特征系数的稀疏性,可以有效实现自然图像的压缩;结合软门限算子对噪声图像的特征系数进行处理,能有效减小自然图像中的高斯噪声的影响。     

新疆荒漠稀疏植被覆盖度信息遥感提取方法比较

植被覆盖度信息是荒漠生态环境表征的重要指标之一。荒漠区地表植被稀疏,在遥感光谱信息中表现较弱,通用的植被覆盖度遥感提取方法应用于干旱荒漠区存在一定的局限性,为了探寻一种满足大尺度荒漠地区的植被覆盖度信息的提取方法,必须对比和分析现有的遥感方法在干旱荒漠区的应用效果。以新疆荒漠区为例,利用MODIS遥感影像和野外植被覆盖度实测数据,对常用的6种遥感植被覆盖度提取方法（改进的三波段梯度差法、像元二分法、线型混合像元分解法、归一化植被指数法、增强型植被指数法和修正型土壤调整植被指数法）的结果进行精度验证和对比分析。结果表明：MODIS影像上较难提取纯荒漠植被像元,用农作物的像元值代替会降低像元二分法和线性混合像元分解模型的模拟精度;植被指数法对地面实测数据依赖性较大,模拟的精度差异很大,仅考虑红光和近红外的归一化植被指数法模拟精度最低,而综合考虑土壤和大气因素的增强型植被指数法的模拟结果精度最高;改进的三波段最大梯度差法虽然模拟精度稍次之（R²=0.74;RMSE=13.46）,但依据光谱的物理特性,能显著地反映南、北疆荒漠植被覆盖度的差异,是目前大尺度的荒漠区覆盖植被信息提取较为适宜的方法之一。     

CPU/GPU协同计算在频率域二维全波形反演中的应用

全波形反演利用波场的运动学和动力学信息重建地下物理参数,是建立高精度速度模型的有效手段,巨大的计算量是制约其实用化的瓶颈之一。本文针对全波形反演中频率域正演的复杂计算问题,采用粗细结合的并行策略,将MPI技术应用于多炮间并行计算,同时利用GPU技术加速正演过程中大型稀疏线性代数方程组的求解,以提高频率域全波形反演的计算效率。通过理论模型验证本文方法的正确性和有效性,给出不同数据量与GPU计算效率的相关分析结论,提出频率域全波形反演CPU/GPU协同并行计算的制约瓶颈和发展方向。      

Shearlet域稀疏约束地震数据重建

在地震数据处理流程中,通常对不规则的、稀疏的或者缺失的地震数据进行插值处理,通过插值方法来避免多次波的预测错误和成像假频等现象,使地震数据处理更加精准。Shearlet变换是一种多尺度变换,具有最佳的稀疏性、方向性以及局部化特性。将Shearlet变换与基于Landweber加速下降迭代方法结合起来对地震数据进行插值,在保证求解精度的同时提高了计算效率。信号和噪声在Shearlet域具有不同的分布特点,通过阈值法压制随机噪声,可提高算法的抗噪性。此外,采用jitter采样的方式,更好地压制了假频信息。理论和实际地震数据验证了该方法的有效性。     

一种快速的无人机影像无缝拼接方法

本文针对传统的低空无人机影像拼接处理速度慢和几何精度低的问题,提出了一种快速的无人机影像无缝拼接方法:对输入的原始影像按一定尺度进行降采样,在降采样的影像上进行SURF特征提取和匹配,利用RANSAC方法估计初始的相对单应矩阵,然后用Levenberg-Marquardt方法精化单应矩阵,计算出初始的绝对单应矩阵后利用稀疏光束法平差估计出精确的单应矩阵,通过降采样影像与原始影像的单应关系传递单应矩阵到原始影像级,最后进行影像合成,形成整体拼接图。实验结果表明该方法可以有效地提高拼接速度,解决拼接错位问题。     

大型稀疏法方程组的代数多重网格解法

测量平差中经常会遇到大型稀疏法方程组的求解。传统的线性方程组迭代解法能够很快平滑误差分量中的高频分量;但对于低频分量衰减很慢。代数多重网格算法通过建立多重网格,并在不同的网格层上分别处理高低频误差分量,将所有层相互协调起来求解同一问题。这对于大规模稀疏线性方程组的求解,具有高效性。这里介绍了代数多重网格算法,并进行了改进,得到了AMG-CG算法。数值算例表明,代数多重网格算法(AMG)以及改进的AMG-CG算法对求解大型稀疏法方程组具有高效性和数值稳定性,改进后的AMG-CG算法在计算效率上进一步提高,对于大型稀疏法方程组的求解是可行有效的算法。