ICA在合成孔径雷达抗噪声干扰中的应用研究

将ICA（Independence Component Analysis）消噪原理应用于合成孔径雷达抗噪声干扰技术中,用噪声信号和受到干扰的SAR回波数据作为扩展的虚拟观测信号,对扩展的多维加噪观测信号进行分离, 得到源雷达回波信号, 从而实现噪声的有效消除.通过对条带式SAR点目标成像进行仿真试验, 结果表明这种消噪方法在消除SAR噪声干扰中是有效的.     

大型稀疏矩阵的压缩技巧及其应用算法研究

本文通过对目前流行的两类关于大型稀疏矩阵优化压缩设计技巧的分析,提出一种在矩阵加、乘算法中统一使用的压缩格式。文中提出的算法,无论是矩阵的输入或者运算结果的输出均采用统一的压缩格式,所以能方便地应用于矩阵链相加或相乘的运算,而且所用的存储量较少,也大大加快了运算速度。用FORTRAN77编制的两算法的标准子程序已经在DPS7机上调试成功。     

共模误差PCA与ICA提取方法的比较

为消除共模误差CME,目前广泛应用的主成分分析法（PCA）基于观测数据的二阶统计量（方差和协方差）将观测网残差分解成一组不相关的随时间变化的模态和对应的空间响应,而GPS时间序列分布具有非高斯特征,二阶统计量不能完全描述其随机特性。本文假设区域网CME 与其他误差相互统计独立,则可以采用独立分量分析（ICA）法。采用模拟数据对ICA提取CME的精确性和有效性进行验证,并与PCA结果进行对比。结果表明,ICA能够有效地提取观测网CME。     

欠定盲源分离的稀疏分量分析方法

分析了解决欠定盲源分离问题的稀疏分量分析方法,通过聚类算法得到混合矩阵的估计,通过优化算法恢复源信号。总结了各种实现"聚类"和"优化"的具体方法,论述了欠定盲源分离和稀疏分量分析、压缩传感之间的紧密联系,对欠定盲源分离进行了展望。     

基于功率谱获取海浪波长波向算法的改进

提出一种针对基于海浪图像功率谱获取海浪波长和波向的改进算法。算法首先假定海浪功率谱是一个密度不均匀的薄片平面,然后寻找其重心坐标,该坐标可等效为海浪主频位置,从而能够快速准确地得到海浪波长和波向。并经过大量的实验,验证该方法能够很好地解决基于二维傅里叶变换获取海浪图像波长、波向时主频不明显和大量频率分量没用上等缺点。     

基于免疫遗传小波分析的管道焊缝图像处理方法

针对难以实现管道焊缝图像信息准确提取的问题,利用免疫遗传算法优化小波系数,将小波变换与免疫遗传算法引入焊缝图像的处理过程,采用相似性距离分析传统小波、Canny算法、免疫遗传小波等算法优劣性.结果表明:该算法能够有效地抑制噪声干扰,去除图像边缘中的伪影,从而较好地实现图像边缘信息的清晰与细化,体现遗传小波变换算法在精确定位与抗噪声能力上的优越性.     

基于Pfafstetter规则的流域编码算法并行化方法

流域编码是以子流域划分进行流域相关研究的重要内容。Pfafstetter 流域编码以编码唯一、顾及流域拓扑关系及编码效率高等优点而被广泛采用。本文在流域相关研究的分析范围不断增大、数据精度越来越高的需求背景下,以Pfafstetter 编码为基础,对流域编码并行化方法进行研究。首先,分析了Pfafstetter 编码不全面和码位不一致的问题,改进了Pfafstetter 编码规则;然后,从数据并行的角度,讨论了并行计算环境下的数据划分及并行化策略,进而设计了流域编码并行算法;最后,利用长江中上游流域SRTM数据,在集群系统上对流域编码并行算法的正确性和并行性能进行了测试。实验结果表明,本文设计实现的流域编码并行算法可获取与实际较为一致的计算结果,且提高了编码计算效率,可为基于子流域划分的流域分析并行化提供参考。     

3S技术集成及其在地质领域中的应用

遥感技术（ＲＳ）、全球定位系统（ＧＰＳ）和地理信息系统（ＧＩＳ）的不断发展以及以ＧＩＳ为核心的３Ｓ技术集成,为现代地质学向综合化、系统化、科学化方向发展,提供了强有力的技术支持。３Ｓ技术集成不仅可为地质工作提供及时、可靠的基础信息,而且还可对地质信息进行综合分析、处理,进而对成矿靶区进行科学预测。本文介绍了３Ｓ技术集成及其在地质领域中的应用现状,并就其应用前景作了展望     

应用MAPGIS图像处理实现彩色地图等高线的提取

文章介绍了彩色扫描地形图矢量化前利用MAPGIS对图像进行HSV分色,并利用PHOTOSHOP软件进行分色后的二次处理,从而提取彩色地形图等高线的方法和步骤。     

非线性模糊化SOM图像分类的方法在含噪声图像融合中的应用

采用一维的自组织特征映射(SOM)进行图像的像素分类,分类的输出个数采用了用等灰度图法确定的办法;对分类后的图像每个像素的归一化权值采用非线性模糊化得到隶属度矢量,用模糊化的隶属度矢量和SOM训练得到的归一化权值数组实现以两幅含有噪声图像的融合.给出详细图像仿真试验数据,验证了这种模糊化方法在实现多幅含噪图像的融合在一定的范围内是有效的.     

现代计算机印前制版技术在遥感图像印制中的应用研究——以《长江经济带可持续发展地图集》为例

利用现代计算机印前制版技术开展遥感图像印制中的应用研究。通过Barco系统软件功能很好反映遥感图像的信息特征.     

JPEG 2000编码参数对遥感影像压缩质量的影响

离散小波变换和EBCOT编码是JPEG 2000标准的核心技术,调整其编码参数对图像压缩性能有重要影响。将压缩后影像与原始影像做对比,通过大量实验重点分析小波变换级数和码块大小对不同压缩倍率下重建图像质量的影响,并给出不同压缩比下编码参数的适宜取值范围。实验结果表明,影像进行中、低倍率压缩时,可以设置较低的小波变换级数(2级或3级)和较小的码块大小(如8×8或16×16)对图像进行编码;影像进行较高倍率压缩时,需要设置较高的变换级数(4级或5级)和较大的码块大小(如32×32)使图像获得较高的重建质量。相关结论为影像压缩实际参数的选择提供依据。     

基于加权指数函数模型的高光谱图像分类方法

高光谱图像的众多波段为地物分类提供了充分的特征信息,同时也为如何有效利用这些特性带来难题。为了充分利用高光谱图像的光谱信息实现地物目标的精确分类,根据其像素光谱曲线所呈现出的多峰特性,提出一种基于加权指数函数模型（Weighted Exponential Function, WEF））的高光谱图像分类方法。首先,采用WEF建立像素光谱曲线的理想模型,其中WEF模型由多个具有不同权重的指数函数相加而成。由于该模型中参数较多,导致参数求解较为困难。因此,为简单起见固定所有像素WEF模型中的峰值位置,并将由所有峰值位置构建矢量集。然后,根据最小二乘原理求解WEF模型的参数,以拟合光谱曲线。利用求得的参数集代替光谱测度矢量作为像素特征。最后,采用模糊C均值（Fuzzy C-means, FCM）算法实现图像分类。为了验证提出方法的可行性和有效性,分别以提出的分类方法、基于主成分分析（Principal Component Analysis, PCA）的分类方法、基于最小噪声分离（Minimum Noise Fraction, MNF）的分类方法和以光谱测度矢量为分类特征的FCM方法对Salinas和PaviaU图像进行分类实验,并据此对实验结果进行定性和定量评价。在Salinas图像中提出的分类方法比其它方法的分类精度从51%提高到了60%,在PaviaU图像中分类精度从43%提高到了51%。此外,提出的分类方法在降低了高光谱图像数据量的同时,保留了高光谱图像丰富的光谱信息。     

基于颜色特征和空间特征的图像检索

针对已有的综合多特征进行图像检索的算法复杂度高、计算量大且准确率不够的现状,提出一种基于图像分块并综合灰度特征和空间特征的图像检索算法。首先将原图像划分为10×10的子块,再计算每个子块的平均灰度和空间位置作为检索特征,通过实验表明这种方法在检索结构相似的图像时准确率高,但对颜色不敏感。通过增加颜色特征并调整空间特征计算方式进行改进,相比改进前,算法对于公开的图像库中大多图片有更高的查准率。实验中统计了多类图片在不同情况下的查准率,表明文中算法准确高效,应用性好。     

基于面向对象与深度学习的榆树疏林识别方法研究

榆树疏林是浑善达克沙地中一种特殊的植被类型,它对于维持区域生态系统稳定具有重要意义,在防风固沙、涵养水源、调节气候等方面发挥着重要的作用。本文利用无人机影像与GF-2影像,对高分辨率数据源中榆树疏林的两种自动识别方法进行了研究。在面向对象方法中,首先通过计算影像对象的局部方差变化率得到了最佳分割尺度;其次采用随机森林算法对初选特征的重要性进行排序,并删除无关特征;最后分别对支持向量机（SVM）、随机森林（RF）、深度神经网络（DNN）3种分类器进行参数寻优与榆树疏林提取。此外,在ENVI5.5中基于TensorFlow框架,利用U-Net构建深度学习模型对榆树疏林进行了提取,并与面向对象方法进行对比。结果显示：① 通过面向对象方法过程的优化,最终的识别精度较以往研究有所提升,GF-2影像中SVM总体精度为90.14%,RF总体精度为 90.57%,DNN总体精度为91.14%;无人机影像中SVM总体精度为97.70%, RF与DNN总体精度为97.42%。② 深度学习方法中,GF-2影像的总体精度为91.00%,无人机影像的总体精度达到了98.43%。研究结果说明在榆树疏林提取中,无人机影像具有更高的空间分辨率,更丰富的纹理、形状等信息,能达到比GF-2影像更高的精度。面向对象方法对于2种影像都有较高的适用性;深度学习的方法在本文中更适用于无人机影像,它可以有效地减少无人机影像中的错分现象。     

基于独立成分分析和随机森林算法的城镇用地提取研究

城镇用地信息是联合国2030年可持续发展议程关注的重点之一。城市在世界范围内迅速扩张,快速准确地获取城镇用地信息对于政府决策具有重要作用。城镇土地覆盖信息非常复杂,包括人工建筑、树木、草地、水体等多种地表覆盖类型。基于传统人工测绘获取城镇用地信息费时费力并且难于及时更新。Landsat等遥感卫星数据为城镇用地信息提取提供了丰富的数据源。基于卫星遥感数据提取的城镇用地信息可以为未来城市的建设和管理提供基础的科学决策数据。基于监督分类方法和卫星遥感数据可快速地提取城镇用地信息,然而特征变量的选择对于高精度城镇用地信息提取尤为重要。为研究不同特征变量组合对于城镇用地信息提取的影响,以北京市为研究区,以2017年7月10日获取的Landsat 8 OLI影像为数据源,通过数据预处理、纹理提取、独立成分分析、主成分分析等得到4个维度的29个特征,选取了7种特征组合方案进行城镇用地提取。考虑随机森林算法性能稳定,分类精度高和可以方便进行特征重要性评价等优点,选择其作为监督分类算法以提取城镇用地信息,并进行了精度评定,以确定最优的城镇用地提取特征组合。研究发现：综合利用光谱特征和独立成分分析后的影像特征,提取城镇用地的总体精度为93.1%,Kappa系数为0.86,优于利用其他特征的提取结果;基于随机森林算法对数据进行训练后输出的各变量的归一化变量重要性与特征均值的标准差结果存在相似性,利用随机森林算法的变量重要性估计与特征均值折线图都可以进行变量重要性评价。     

快速遥感影像纠正处理系统在汶川抗震救灾中的应用

"快速遥感影像纠正处理系统RSWorkS"改进了传统资料管理模式,建立了4D产品控制资料数据库,集采集、保存、共享控制点资料于一体,智能提取DEM,快速完成遥感影像的纠正及检查.在汶川抗震救灾中完成了大量的遥感影像的纠正工作.     

主成分分析在遥感影像数据中的实例应用

主成分分析(Principal Component Analysis)是根据变量之间的相互关系,尽可能不丢失信息地用几个综合性指标表示多个变量的方法。在多(高)光谱图像中,由于各波段的数据间具有相关性,因此包含许多冗余信息。通过主成分分析法可以把遥感图像中所含的大部分信息用少数波段表示出来,这样就可以几乎不丢失数据但可以减少数据量,消除冗余信息。在遥感数据处理时用主成分分析法作数据分析前的预处理,以达到数据压缩和图像增强的效果,更加有利于影像信息提取。文章对主成分分析在遥感图像处理中的实际应用进行了实例示范应用研究。     

图像预处理对人脸识别系统性能影响研究

目前多数工程化人脸识别系统是基于子空间算法的,针对子空间算法识别系统中稳定性和抗干扰性不高的问题,从图像预处理的角度出发,通过Matlab仿真Eigenface和Fisherface两种算法识别过程,建立起图像差值模型,同时引入不同预处理方法进行比较,根据类间距离和类内距离的变化,从中确定出最优的预处理方法,改善算法识别率和效率,实验结果表明,加入合适的图像预处理可以增强识别系统的强壮性。