基于岭估计的有理多项式参数求解方法

在使用最小二乘法解算卫星遥感影像的RPC参数时,如果控制点非均匀分布或模型过度参数化,其法方程系数矩阵很容易产生病态,获得的解将偏离真值,甚至得到错误的解.使用岭估计可改善法方程的状态,保证解稳定.采用岭估计方法,通过所获取的不同岭参数对SPOT和QuickBird影像进行实验,证实L曲线法是一种稳定的、有效的岭参数确定方法,可显著提高RPC参数的解算精度.     

用L-曲线法确定半参数模型中的平滑因子

提出了一种新的方法——L-曲线法确定平滑因子。通过确定合适的平滑因子，更好地控制了残差部分V^TPV与光滑度部分S^TRS之间的平衡，得到了更准确的参数估值。通过算例，将基于L-曲线法确定平滑因子的半参数模型解算方法和其他方法进行了比较。结果表明，用L-曲线法确定平滑因子后，提高了半参数模型计算结果的精度，可以更好地将观测值中的系统误差分离出来。     

用L-曲线法确定岭估计中的岭参数

运用L 曲线法来确定岭估计中的岭参数 ,推导了用L 曲线法确定岭参数的基本公式 ,在此基础上实现了其算法 ,并用两个算例 ,比较了新方法和以往方法。结果表明 ,L 曲线法不仅容易收敛 ,而且其计算结果的精度较高     

均方误差意义下的正则化参数二次优化方法

Tikhonov正则化法是大地测量中应用最为广泛的病态问题解算方法之一。影响正则化法解算效果的重要因素是正则化参数,然而,最优正则化参数的确定一直是正则化解算的难题,如L曲线法确定的正则化参数具有稳定性好、可靠性高的优点,但存在过度平滑问题,导致正则化法对模型参数估值精度改善较小。本文从均方误差角度分析了正则化参数对模型参数估计质量的影响。基于奇异值分解技术,提出了由模型参数投影值分块计算均方误差的方法,避免了均方误差迭代计算,并基于均方误差最小准则给出了正则化参数优化方法,实现了对L曲线正则化参数的优化。数值模拟试验与PolInSAR植被高反演试验结果表明,正则化参数优化方法有效改善了正则化法解算效果,提高了模型参数估计精度。     

基于最小支持的2.5维直流电阻率正则化反演研究

地球物理反问题存在多解性和不稳定性,正则化是得到稳定解的重要手段之一,正则化方法中稳定因子的设计与正则化因子的选择是两项重要研究内容。稳定因子的主要功能是对模型的解空间进行限制,以减少多解性,求得稳定解;为更好的定位地下目标体,研究工作采用了最小支持稳定因子,并给出了统一表达形式。正则化因子在模型误差与数据误差之间起到平衡作用,研究工作在＂L曲线法＂自动选取正则化因子的基础上,提出一种修正的计算正则化因子算法。以2.5维直流电阻率为例,运用非线性共轭梯度法,进行了试算研究,结果表明了修正的＂L曲线法＂算法快速、稳定,最小支持稳定因子具有较好的聚焦特性,有利于实现陡变边界反演。     

一种解算病态问题的方法--两步解法

提出了一种解算病态问题的方法———两步解法。在两步计算中,均采用L曲线法来确定正则化参数α。通过算例,比较了该方法和LS估计、岭估计及截断奇异值方法的效果。结果表明,该方法要明显优于LS估计、岭估计及截断奇异值法。     

SBAS-InSAR形变反演的L曲线谱修正迭代法

提出一种基于L曲线的谱修正迭代法,通过绘制谱修正充分迭代过程中的L曲线,以最大曲率点对应的迭代估值作为最终估计结果。通过SBAS-InSAR形变反演实验进行验证分析,结果表明,L曲线谱修正迭代法能够确定残差较小且稳定的估值,提高了谱修正迭代估计结果的精度和稳定性。     

Adaptive MAP sub-pixel mapping model based on regularization curve for multiple shifted hyperspectral imagery

Sub-pixel mapping is a promising technique for producing a spatial distribution map of different categories at the sub-pixel scale by using the fractional abundance image as the input. The traditional sub-pixel mapping algorithms based on single images often have uncertainty due to insufficient constraint of the sub-pixel land-cover patterns within the low-resolution pixels. To improve the sub-pixel mapping accuracy, sub-pixel mapping algorithms based on auxiliary datasets, e.g., multiple shifted images, have been designed, and the maximum a posteriori (MAP) model has been successfully applied to solve the ill-posed sub-pixel mapping problem. However, the regularization parameter is difficult to set properly. In this paper, to avoid a manually defined regularization parameter, and to utilize the complementary information, a novel adaptive MAP sub-pixel mapping model based on regularization curve, namely AMMSSM, is proposed for hyperspectral remote sensing imagery. In AMMSSM, a regularization curve which includes an L-curve or U-curve method is utilized to adaptively select the regularization parameter. In addition, to take the influence of the sub-pixel spatial information into account, three class determination strategies based on a spatial attraction model, a class determination strategy, and a winner-takes-all method are utilized to obtain the final sub-pixel mapping result. The proposed method was applied to three synthetic images and one real hyperspectral image. The experimental results confirm that the AMMSSM algorithm is an effective option for sub-pixel mapping, compared with the traditional sub-pixel mapping method based on a single image and the latest sub-pixel mapping methods based on multiple shifted images.     

利用L曲线法求解块体相对于欧亚板块旋转的欧拉矢量

为了解决采用GPS观测数据求解块体欧拉矢量过程中可能出现的矩阵病态问题,本文介绍应用L曲线法求解块体旋转的欧拉矢量,并对计算结果进行了误差估计;最后通过实例解算,表明该方法求解结果精度高,得到点位的水平运动速度残差南北向85％,东西向79％以上在1mm以内,GPS观测速度与理论速度残差可用来分析块体内部的变形特征.