基于整数小波和非负有序独立成分分析的遥感影像融合

结合ICA算法可以去除高阶冗余信息和IWT具有多分辨率、运算速度快的特性,在非负性条件的约束下,提出一种基于整数小波变换和非负有序独立成分分析(IWT-ONICA)的遥感影像融合方法。将该方法用于全色影像和多光谱影像的融合,数理统计(峰值信噪比、扭曲度、熵等)和目视判读结果表明,该方法融合效果优于其他方法,融合结果更加清晰,可视性更好。     

基于二次散射非线性混合模型的矿物填图方法

传统的遥感地质填图方法较少考虑到一个像元中多种地物共生存在的情况,因此所填图件难以反映矿物的分布特征。针对线性混合模型解混精度不高的问题,使用二次散射非线性混合模型对高光谱数据进行光谱解混,并在此基础上,提出了k(k≥2)类地物的填图规则。采用美国内华达州Cuprite地区AVIRIS数据进行填图实验,将其结果与Clark等的填图结果进行对比。实验结果表明:与线性模型的矿物填图相比,基于二次散射非线性混合模型所填图件更加接近矿物的真实分布;使用k(k≥2)类矿物填图规则的填图结果细节丰富,与Clark等人的填图结果吻合度高。     

基于Lasso函数的分层混合模糊-神经网络及其在遥感影像分类中的应用

本文提出一种新的分层混合模糊-神经网络(HHFNN)算法.在模糊系统中使用Takagi-Sugeno模型和三角波隶属函数.同时,为降低离散输入变量中可能存在的强交瓦作用,采用了系数收缩机制中的Lasso函数.最后,以福建的漳平洛阳—安溪潘田地区LANDSAT ETM+遥感影像数据地物分类为例,应用本文的改进算法与其他神...     

基于IFA的组合分析算法及其在矿产预测中的应用

矿产预测是寻找潜在矿产资源、增加后备储量的主要手段。地球化学信息作为直接找矿信息,在矿产预测中占据重要地位,对地球化学数据进行矿致异常的识别和评价是关键环节之一。地球化学数据分析的目的是从杂乱无章的原始数据中寻找并有效圈定化探组合异常。针对目前常用于组合异常分析的R型聚类分析和因子分析等传统算法对数据源限制较多、预测效果不理想等问题,将信号处理领域的盲源分离算法——独立因子分析(IFA)引入到矿产预测中,提出了基于IFA的组合分析算法,并选取广东汕头澄海区鸿沟山锡金多金属矿区地球化学数据作为研究对象。验证结果表明,基于IFA的组合分析结果更有利于解释矿产分布规律,圈定的化探组合异常更符合实际勘查结果。依据分析结果进行矿产预测,成功圈定出3个找矿靶区。     

地震、测井和地质数据融合与实现

厚覆盖区地下地质模型所依靠的数据主要是地震和测井资料,但地震数据反映范围广而分辨率低,测井数据则分辨率高而反映范围小,如何有效地将两者组合利用,克服各自不足是论证的重点,说明了用数据树的形式组织所有井与地震地质等数据,并能同时生成和编辑多口井的合成地震记录,来确定不同井的深时关系,为把不同域的地震数据和测井数据融合显示建立基础,提供了实时修改子波的频率和相位来做合成记录的功能,也有反射系数与子波的分布褶积等最新的方法,以慢镜头的形式说明合成记录的形成过程。这些功能的应用,给用户确定正确的地下速度场提供了先进的手段,为地质模型建立提供了先进的方法。     

一种基于加权非负矩阵分解的矿产预测方法

提出了一种新颖的基于加权非负矩阵分解的矿产预测方法,运用非负矩阵分解的非负性、降维性及稀疏性对多维矿产数据进行处理。通过R型聚类分析,按照变量相似度将变量聚合成群,对相关性高的元素的聚类结果进行加权非负矩阵分解得到基向量,进行回归分析验证基向量用于矿产预测的有效性。最后,以广东省新寮岽铜多金属矿区数据为例,通过基向量预测圈定异常,绘制矿产预测分布图,得到明显的异常区域,取得了好的预测结果。     

基于稳健有序独立成分分析(ROICA)的矿产预测

独立成分分析（ICA）充分考虑了以往主成份分析（PCA）没考虑到但又非常重要的数据高阶统计特性,但ICA分离后的信号具有顺序、符号、幅度的不确定性,而矿产资源预测又必须弄清分离后信号（地质变量）的地质意义;为此,提出了一种基于稳健有序独立成分分析(ROICA)的矿产预测方法。首先对地质数据进行稳健预处理,然后进行独立成分分析,借鉴因子分析的思想解决独立成分分析算法不确定性的局限,从而可以反映分离变量的有序性。将ROICA方法用于广东省肇庆双壬铜矿区进行矿产资源预测。实验结果表明：该区金银矿体的赋存空间位置与传统均值方差方法给出的异常位置明显不对应,没有指示意义;而经过稳健有序ICA处理后的Au、Ag独立成分异常与实际的Au、Ag矿体吻合度很高;Cu、Pb、Zn独立成分异常与Au、Ag矿关联性不大,反映研究区的Cu、Pb、Zn等其他元素或组合不具有Au、Ag矿的指示意义。ROICA方法可用于矿产资源预测。     

一种基于多特征波段岩土层次分类方法

岩土分类与一般地表的地物分类相比难度大得多,针对已有的分类方法（监督分类和非监督分类）对于岩土分类精度不高、分类效果欠佳问题提出一种基于多特征波段岩土层次分类方法。它是一种自顶向下、逐步求精的层次分类方法,该方法结合无监督分类和监督分类两种分类方法的优势,利用多个特征波段组合,有层次地将不同类型的岩土体逐步分开,实现对岩土的精确分类。对北京市怀柔山区附近的ASTER影像数据进行的岩土分类实验结果表明,基于多特征波段岩土层次分类识别方法能显著提高岩土分类精度,总体精度提高10%,Kappa系数提高了0.1,并且能识别以往分类识别方法难以区分的岩石阴影和水体等地物,能够有效地克服“同物异谱”现象。     

基于稀疏成分分析的遥感影像分类

遥感影像分类一直是遥感研究的重点、难点和热点之一.针对经典的主成分分析法在不同地物的光谱存在重叠相关时,分类效果欠佳的缺陷,提出一种基于稀疏成分分析的遥感影像分类法.该方法利用稀疏性提取源信号,不要求源成分之间互不相关.实验结果表明,与主成分分析方法相比,基于稀疏成分分析的分类结果更可靠、更准确.     

基于区间值模糊C-均值算法的土地覆盖分类

用区间值数据描述聚类原型特征更符合遥感数据的模糊性特点,即传感器获取的地物反射光谱的不确定性和不均匀性在影像上的反映.本文以遥感影像数据为基础构建了区间值数据模型,并提出一种区间最大相异度量方法,进而进行基于区间值数据的模糊C-均值聚类.利用珠三角地区SPOT5卫星和青海玉树附近的TM影像数据进行基于区间值模糊C-均值算法的土地覆盖分类实验.结果表明区间值数据的模糊C-均值算法兼顾了模糊聚类的泛函特性和地物反射光谱的条带特点,从而可以明显改善聚类效果,尤其可以降低"同物异谱"现象对聚类结果的不利影响,而区间最大相异度量可实现基于多波段遥感影像构建的区间向量的最大可分离度,有效抑制类间光谱混叠造成的错分现象,进一步改善聚类效果,最终结果明显优于传统的模糊C-均值聚类方法.