基于Freeman分解的极化SAR数据相干斑滤波

本文在Freeman分解理论基础上,提出一种极化SAR数据相干斑滤波算法。该算法基于Freeman散射模型对原始极化SAR数据进行分解,以获得像素的散射类型和总功率值;在滤波窗口内选取与中心像素散射类型相同,总功率值接近的像素构成滤波同质区;并根据同质区的局部统计特性,应用线性最小均方滤波器进行滤波处理。试验表明,该算法在有效去除相干斑的同时,对极化和边缘等细节信息也有较好的保持效果。     

一种极化sar协方差矩阵综合四分量分解模型

基于多视协方差矩阵发展了一种综合选择性去取向和广义体散射的极化sar四分量分解模型 首先引入交叉极化相关系数进行螺旋体散射抑制和非反射对称地物去取向然后采用一种随hh和vv功率比值自适应变化的广义体散射模型来替代原体散射模型最后通过功率限制处理以完全消除分解负功率像素该处理不仅能够保持地物主导散射类型不变而且包含与krogager分解三分量对应的非相干分解 通过机载l波段esar和airsar极化数据实验并与其他分解模型的比较验证了该分解模型的有效性     

归一化法消除全极化SAR影像Freeman分解中的不一致

分析了Freeman分解中的不一致性问题,提出了解决这种不一致性的归一化消除方法,并使用德国普拉特灵地区的全极化星载TerraSAR-X数据进行了验证.实验结果表明,Freeman分解中存在分解不一致的现象,本文提出的归一化方法能够完全去除Freeman分解的不一致性,即负功率现象.     

结合Freeman分解与子孔径散射特性的极化SAR图像分类

本文结合Freeman分解和子孔径分析,提出一种新的极化SAR图像分类算法。该方法首先利用子孔径分解,产生不同方位观察角度下的子孔径图像,再利用Freeman分解对各个子孔径图像提取三种散射机理成分的功率,平均后对类别进行细分,最后使用Wishart统计分类器对类别进行分类划分得到最终结果。该方法考虑了极化散射机理在不同方位观察角度下的变化,能够取得较好的分类效果,能够保存主要极化散射特性的纯度,同时还可以动态地设定分类类别数。最后利用EMISAR获取的极化SAR数据进行了仿真,验证了该方法的有效性。     

基于Freeman分解的极化SAR数据相干斑滤波

本文在Freeman分解理论基础上,提出一种极化SAR数据相干斑滤波算法。该算法基于Freeman散射模型对原始极化SAR数据进行分解,以获得像素的散射类型和总功率值;在滤波窗口内选取与中心像素散射类型相同,总功率值接近的像素构成滤波同质区;并根据同质区的局部统计特性,应用线性最小均方滤波器进行滤波处理。试验表明,该算法在有效去除相干斑的同时,对极化和边缘等细节信息也有较好的保持效果。     

一种结合Freeman分解和散射熵的MRF多极化SAR影像分割算法

针对多极化SAR图像,采用Freeman分解理论,将其分为表面散射、偶次散射、体散射、混合散射4种散射机制,并通过H/Alpha分解提取散射熵,将地物初始分为12类,并运用聚合的层次聚类算法对初始分类结果进行合并。利用Wishart分布对特征场进行建模,用模拟退火优化方法求取基于最大后验准则下的分割结果。     

一种利用Cloude-Pottier分解和极化白化滤波的全极化SAR图像分类算法

提出了一种新的基于Cloude-Pottier分解和极化白化滤波(PWF)的全极化SAR数据分类算法。该算法利用PWF的结果来代替反熵A对复WishartH/α分类结果进行进一步细化,按PWF的值将复WishartH/α分类结果由8类分为16类,然后再次进行Wishart迭代分类。实验结果表明,该算法能有效地提高分类精度,分类结果明显优于常规的复WishartH/α分类结果和复WishartH/α/A分类结果。     

一种利用Cloude-Pottier分解和极化白化滤波的全极化SAR图像分类算法

K-Wishart分布旨在通过统计方法更精确地描述极化SAR多视协方差矩阵或相干矩阵数据,揭示极化SAR影像在异质场景下的非高斯统计特性。以内蒙古自治区依根实验区和河北省遵化实验区的国内机载数据为例,分别进行了Wishart和K-Wishart非监督分类实验。研究结果表明,K-Wishart分类器适用于提取林地、园地、农村居民点等较不均匀区域。同时,本文通过分类准确性和稳定性两个方面对K-Wishart分类器的性能进行了评价。     

一种动态网页自适应访问控制模型

分析了动态网页访问控制的现状和需求,提出了一种动态网页细粒度策略自适应访问控制模型(FPAAC),并在开发的模拟系统中进行了验证。     

基于极化分解的极化特征参数提取与应用

基于极化分解原理,获取了描述地物散射机制的特征参数,并组合成一些特征指数,如雷达植被指数等。这些特征指数具有反映体散射信息的能力,从而可间接获取植被长势、疏密程度及分布区域等信息。实验选择了鄱阳湖区Radarsat-2全极化数据,结合野外采集的样本数据,在分析该区植被特征的基础上,对不同特征参数进行了对比分析,对雷达植被指数与实地测量样本的生物量参数进行了相关分析。实验结果表明:文中给出的4种特征参数对植被引起的随机散射的描述总体趋势是一致的,但随着植被覆盖密度的增大,不同特征指数具有一定的差异,其中雷达植被指数最为准确,适用动态范围最大,并且与湿地植被生物量具有较高的线性相关性,可以定量地反映研究区的植被疏密及生物量差异信息。     

利用线性混合模型进行高光谱混合图像分解

简述了混合像元及线性模型的基本理论,介绍了线性光谱模型进行分解的步骤,以具体实例实现应用线性混合模型对高光谱混合影像的分解。     

一种端元变化的神经网络混合像元分解方法

遥感图像中普遍存在着混合像元,对混合像元进行分解是遥感图像处理中的难点,在端元（Endm ember）个数不变的情况下,往往得到的分解结果精度不高。本文基于fuzzy ARTMAP神经网络,提出一种基于端元变化的神经网络混合像元分解模型。首先利用混合像元与纯净端元之间的光谱相似性,判断出混合像元包含的端元个数及类别,然后结合fuzzy ARTMAP神经网络进行分解。实验结果表明：本文提出的方法比传统的线性混合模型及fuzzy ARTMAP神经网络模型的精度要高,而且更加符合实际情况。     

一种综合多特征的全极化SAR建筑物分割模型

针对全极化SAR影像的特点以及传统分割方法存在的问题,提出了一种综合多特征(多种极化特征和形状特征)的全极化SAR建筑物分割模型。该模型采用分形网络演化算法及多元线性回归模型,构建综合多特征的建筑物分割模型。实验结果表明,该模型能够显著提高分割的精度,并且分割对象个数比较合理。     

一种基于统计模型的自适应窗口匹配方法

提高匹配精度和效率是摄影测量的主要研究内容之一。本文基于统计模型计算窗口灰度波动及视差波动,根据视差和其不确定性估计调整窗口。在调整窗口的同时确定最佳匹配点位,实现动态窗口匹配,匹配精度达到子像素级。通过对无人机影像匹配的实验结果验证了模型的有效性和实用性。     

应用神经网络模型分解AVHRR混合像元

在大面积农作物遥感估产中,应用气象卫星数据估算种植面积一直是一个难点。已有的混合像元分解法要么实际操作困难,要么不适用于ＡＶＨＲＲ数据。该文在前人研究的基础上提出了一种新的方法──应用ＡＶＨＲＲ混合像元神经网络分解模型估算种植面积。这种方法综合利用了ＴＭ数据与ＮＯＡＡ数据各自的优势,具有较好的科学性和经济可行性。     

一种基于自适应M-S模型的遥感影像分割方法

提出一种基于自适应M-S模型的遥感影像多特征融合的分割方法。首先结合改进的Sobel算子进行阈值化轮廓提取方法提取边缘信息;然后利用波段距离加权函数计算边权值,同时按照一定的原则加入边缘特征,采用最小生成树算法获得初始分割对象;最后在光谱特征和纹理特征的辅助下进行自适应M-S模型合并,合并后的对象即为分割结果。为了验证该方法的可行性,采用Quickbird影像和高分二号影像进行实验分析并对结果做出定性和定量评估。实验结果表明,基于自适应M-S模型的遥感影像分割方法的分割精度优于分形网络演化算法,同时分割速度也略有提升。     

一种面向角色任务分解的网格三维GIS处理模型

讨论了一种新型的网格任务分配模型。该模型将网格计算思想和三维GIS漫游技术有机地结合在一起,将复杂的三维GIS计算任务分解成小块并分交给多台实验机协同完成,从而使原先只能单机上运行的三维GIS漫游功能,现在能由多台机器同时处理,有效地解决了传统三维GIS漫游中由于三维数据量太大和处理复杂而产生的诸如三维漫游速度慢、要求服务器配置高、漫游时停顿等问题。     

一种基于蓝牙/Wi-Fi的自适应指纹定位方法

为混合蓝牙指纹定位和Wi-Fi指纹定位,该文提出了一种基于蓝牙/Wi-Fi的自适应指纹定位方法。通过Wi-Fi与蓝牙指纹定位结果的坐标间距判断是否存在异常定位结果,若坐标间距较小,说明定位结果无异常,两种指纹定位结果都可信,根据指纹确定权重,取加权平均值作为最终定位结果;如果坐标间距过大,说明存在异常定位结果,此时对指纹进行分析,评估定位结果的可信性,若评估结果表明只有一种定位结果可信,选择此结果作为定位结果,若两种结果都可信或都不可信,选择加权平均值作为定位结果。实验结果表明,蓝牙指纹定位的平均定位精度为3.133 m,Wi-Fi指纹定位的平均定位精度为2.878 m,而基于蓝牙/Wi-Fi的自适应指纹定位方法的平均定位精度为2.183 m,相比只用蓝牙指纹定位和Wi-Fi指纹定位,定位精度分别提高了30.32%和24.15%。     

端元可变非线性混合像元分解模型

遥感影像中混合像元普遍存在。端元固定的情况下对混合像元进行分解,很难高精度地识别影像地物。本文基于支持向量机,提出了端元可变的非线性混合像元分解模型。首先,通过构建多个支持向量机获取每个像元的优化端元集,在优化端元集的基础上运用支持向量机与两两配对方法相结合的算法获取像元组分。试验结果表明,本文提出的方法效果优于传统的多端元光谱分解法。     

一种基于模糊混合像元分解的高光谱影像分类方法

高光谱遥感影像较低的空间分辨率使得混合像元大量存在于影像中,不仅影响了基于高光谱影像的地物要素识别能力,而且还降低了高光谱影像的分类精度。本文提出了一种基于模糊混合像元分解的高光谱影像分类方法。该方法主要利用约束能量最小化法设计的FIR线性滤波器,使得影像通过滤波器后输出与每类地物类别相关的"丰度图",其维数等于类别数;最后利用类中心匹配分类法实现高光谱影像的分类。实验结果表明,提出的分类方法与直接利用类中心匹配分类法相比,提高了影像的分类精度。