改进的MVC-NMF算法在高光谱图像解混中的应用

高光谱图像中混合像元的存在不仅影响了基于遥感影像的地物识别和分类精度,而且已经成为遥感科学向定量化发展的主要障碍。MVC-NMF混合像元解混算法不需要假定纯像元的存在,并且在自动提取端元的同时,能够获取每种端元所对应的丰度图,然而该方法收敛速度较慢、效率较低,文中提出利用BBA(Barzilai-Borwein Algorithm)算法来实现MVC-NMF算法的迭代更新,从而提高了算法的效率。实验结果表明:该方法在相同迭代次数条件下比MVC-NMF算法解混的结果好、效率高。     

基于改进LM-GN算法的磁性目标定位方法研究

利用三轴磁传感器阵列对水下磁性目标进行定位是典型的非线性最小二乘优化问题,传统高斯– 牛顿（GN）法和列文伯格–马夸尔特（LM）算法在求解该问题时具有初值敏感性问题。通过引入信赖域搜索技术,对 LM 算法进行改进,并基于改进的 LM 算法实现磁性目标定位,又通过设置判断阈值来评估迭代点与最优解的距离,提出一种结合改进 LM 算法和高斯–牛顿法特点的改进 LM-GN 算法,既降低了算法对初始值的依赖性,又提高了运行效率。仿真实验结果表明：该方法可以克服现有方法中受初始值影响较大的问题,对目标特征参数的估计更精确,且收敛速度快,具有一定的实际应用价值。     

基于深度卷积神经网络的稀疏反褶积方法

本文提出一个由数据驱动的深度卷积神经网络(DCNN)模型用于求解地震反射信号的稀疏反褶积问题。反褶积是一个不适定的反问题,正则化迭代方法是求解此类问题的主要方法,但是正则化迭代方法存在正则化参数选取困难,反演结果不精确等问题。为此,本文提出DCNN方法求解地震反射信号的稀疏反褶积问题,经过训练的DCNN模型无需再次设置参数即可用于求解稀疏反褶积问题,计算速度快,结果精度高。所提DCNN模型还采用多分辨率分解和残差学习等技术以提高网络的表达能力。最后通过数值实验,并与迭代收缩阈值算法(ISTA)算法对比,使用模拟地震数据和实际地震数据验证了DCNN方法求解稀疏反褶积问题的有效性。     

基于改进SICP算法的多源点云配准研究

三维激光点云数据具有精度高、数据获取高效、几何信息丰富的优势,在地形数据获取方面起到了越来越重要的作用。但在实际的外业测量中,由于视场角限制,一般都难以获取待测物体完整的点云数据,发生数据缺失现象。而根据摄影测量技术生成密集的影像点云,能获取复杂区域的测量数据。针对三维激光点云数据外业采集缺失的状况,结合影像密集点云特征,提出了一种加入动态迭代因子和分步最优求解尺度的改进尺度迭代最近点(scaling iterative closest point, SICP)算法,对影像点云与三维激光点云进行配准研究。实验结果表明:基于改进的SICP算法提高了影像点云与三维激光点云的配准精度、减少了迭代次数,能有效解决不同源平台获取的点云数据融合问题。     

多视角聚类的数值方法研究

针对Zhang等提出的多视角子空间聚类方法,本文给出了一种求解该非凸优化问题的方法并对其提出的算法进行了新的分析和改进。得到的主要结果包括：(1)选择一个好的近似解作为初始点,提高了算法的收敛速度和对全局最优解的收敛概率。(2)用MM思想重新推导出Zhang的方法,由此证明了一个新的收敛性定理;(3)改进了Wen提出的基于流形的正交约束算法并用于求解多视角子空间聚类模型,在算法中加入了初始点,大大提高了运行速度。通过对合成数据和实际数据的实验,验证了算法的有效性。     

基于时空约束和三角形迭代划分的渔船AIS与ARPA轨迹匹配

针对现有的轨迹相似度匹配算法用于渔船AIS (Automatic Identification System)与ARPA (Automatic Radar Plotting Aid)轨迹匹配时存在复杂度高、效率低等问题,本文提出基于时空约束和三角形迭代划分的渔船AIS与ARPA轨迹匹配算法TSC-TIP (Temporal and Spatial Constraint-Triangle Iterative Partitioning)。首先采用时空约束法筛选出ARPA目标时空约束范围内的AIS数据;其次采用三角形相似算法选择与AIS数据具有相似特征点的APRA轨迹数据;最后设计了子轨迹迭代划分法将每条轨迹划分为两条子轨迹并采用三角形相似法对子轨迹进行迭代筛选。为验证算法的性能,用渔船的真实AIS轨迹数据和ARPA轨迹数据进行了试验,结果表明：与基于经典距离的相似性度量方法相比,提出的TSC-TIP算法在不影响匹配准确率的前提下,匹配时间减少了95%。研究表明：TSC-TIP算法能有效匹配渔船AIS与ARPA轨迹数据,为面向AIS与ARPA的渔船轨迹数据融合研究提供了新思路。     

一种改进的水下声学定位算法

通过分析讨论泰勒级数展开法和Chan算法的优缺点,提出了一种先由Chan算法解算求得初始参考值,再由泰勒级数展开法在该初始值处展开进行迭代求解的协同定位算法。通过实验,将本方法与传统定位算法(泰勒法)、Chan算法进行对比。结果表明,该方法无需额外提供初始值,解算出较好的结果的同时且能保持良好的时间效率。通过此方法,在实际生产作业中可节约定位时间,改善定位精度。     

求解极大相关问题的对偶方法

多组变量间的极大相关问题(MCP)有重要统计应用。目前已有的求解MCP的算法都不能保证获得MCP的全局解。本文通过求解MCP的对偶问题,给出了一种改进的Lagrange对偶方法。最后,数值实验结果说明了新方法能提高收敛到全局解的可能性。     

侧扫声纳图像海面线检测和消除方法研究

海面线是影响侧扫声纳图像海底线跟踪和海底目标检测识别的重要因素,识别并处理海面线是侧扫声纳图像处理的主要内容。考虑到海面风浪影响及拖鱼姿态变化,提出了一种基于移动最小二乘法的侧扫声纳海面线拟合提取方法。首先根据侧扫声纳Ping回波强度的分布特征,利用迭代收敛算法得到海面线概略拟合结果;然后利用移动最小二乘法实现海面线的精确拟合;最后依据得到的海面线,抑制海面线强度,以实现消除海面线。实验结果表明：本文所述方法精度高、误差小、拟合效果佳,能很好地消除海面线。     

基于地物光谱的赤潮优势种识别研究

利用2001年获取的不同优势种赤潮水体的现场光谱数据，处理得到了不同优势种赤潮水体的遥感反射率光谱曲线；在此基础上，发展了基于光谱角度制图法(Spectral Angle Mapping，SAM)和互相关光谱匹配法(Cross Correlogram Spectral Mapping，CCSM)的赤潮优势种识别算法。数据实验结果表明，上述两种方法对于实现基于光谱数据的赤潮优势种识别是基本有效的，且CCSM方法的识别结果略优于SAM方法。进一步提高上述方法的适用性在于大量获取不同优势种赤潮的光谱数据并建立赤潮光谱数据库。