MODIS和HJ-1 CCD数据时空融合重构NDVI时间序列

遥感数据反演高时空分辨率NDVI对监测植被动态变化过程具有重要意义,然而受天气影响,单颗卫星难以提供时间连续的高空间分辨率NDVI数据。以华北平原中东部为实验区,联合HJ-1 CCD数据和MODIS数据,对STARFM算法进行了改进,(1)考虑了不同地物对光谱响应的差异,为减少分类错误利用统计学上()对分类数据进行筛选,按照不同地物类型分别利用线性拟合方法修改光谱距离权重;(2)定义了预测半径,对HJ-1 CCD数据因外界影响而缺失的影像进行了预测。结果表明,与真实影像相比,预测结果呈现了较好的空间一致性,相关系数均达到了极显著相关,改进算法的预测精度要高于原算法。利用该方法将HJ-1 CCD NDVI的空间变化信息与MODIS NDVI时间变化信息有机结合重构了高时空分辨率NDVI序列,有效补充了HJ-1CCD NDVI的缺失数据集。     

纯净像元指数改进的N-FINDR高光谱端元提取算法

为了有效解决遥感影像中普遍存在的混合像元导致遥感影像定量解译精度低的问题,对两种不同混合像元端元提取算法进行了比较分析。纯净像元指数算法随着迭代次数的增加时间效率大大降低,而经典的N-FINDR算法初始端元数目选择的任意性会导致像元解混的精度不一,因此本文提出了一种基于纯净像元指数改进的N-FINDR算法。改进的N-FINDR算法相较于传统的N-FINDR算法能够准确构建候选端元集合并求得最优解。该算法结合高光谱影像数据的特点,首先利用纯净像元指数求取备选端元数目;然后以此为基础运用经典的N-FINDR算法求解最大的单形体顶点,将求解后顶点作为纯净像元,并完成丰度反演;最后使用ENVI产品中自带的经过大气校正的航空高光谱数据cup95eff.int对算法进行验证。试验结果表明,以纯净像元指数改进的N-FINDR算法在整体精度方面优于传统的N-FINDR算法。     

利用时间序列傅立叶分析重构无云NDVI图像

利用基于傅立叶变换的HANTS算法，对中国地区（不包括南海诸岛）AVHRR NDVI时间序列数据进行简化和压缩，将植被的动态变 化情况通过NDVI在时间和空间上量化，实现了时间序列图像中云和错误信息的检测、去除和替代。利用HANTS算法提取时间序列的傅立 叶分量（幅值分量、频率分量），并由这些分量得出NDVI时间序列拟合曲线，依照曲线进行时间上的插值，从而重构无缝的时间序列图 像。     

大空间尺度GPS网共模误差提取方法研究

基于全球分布均匀且时间跨度大于10a的138个IGS基准站坐标时间序列,分析了大空间尺度GPS网基准站坐标时间序列之间的相关性,发现部分测站之间的距离超过5 000km时仍存在较显著的相关性。针对目前共模误差提取方法存在的不足,引入相关系数作为权重因子,改进了区域叠加滤波算法。并利用IGS基准站坐标时间序列验证了此方法。结果表明,改进后的相关系数加权叠加滤波算法能够有效地提取大空间尺度GPS网坐标时间序列中的共模误差。     

基于卷积运算的影像镶嵌算法研究

本文将距离加权运算运用到卷积运算上提出了改进的图像镶嵌算法。该算法针对重叠区域图像边缘灰度之间的差异,考虑到中心像元与周围像元之间的相关关系,即临近像元效应,因而需要采用一定的方法来消除或减小这种影响效应,基于空间分析方法给出了像元权重因子的求解,确定出了周围像元对中心像元灰度的影响。之后运用此权重因子采用卷积距离加权算法实现了影像的无缝镶嵌。文中最后对算法在时间和视觉效果上做出了一定的评价。经与其他3种镶嵌算法分析对比,该算法简单易行、耗时少、效率高,达到了良好的视觉效果。     

顾及有色噪声的GPS位置时间序列中断探测法

GPS位置时间序列中经常会出现信息中断,造成数据不连续,进而导致测站速度及其不确定度的估计有偏。因此,时间序列中断探测是动态大地测量数据处理的重要内容。在基于t-检验的序贯格局转换分析法(sequential t-test analysis of regime shifts,STARS)算法的基础上,顾及GPS位置时间序列的噪声特性,提出了一种考虑有色噪声的STARS算法(COL-STARS)。该算法首先利用一阶自回归模型(auto-regressive,AR(1))模型进行噪声"白化",然后再进行数据中断探测。经模拟数据和实测数据分析,改进后的COLSTARS算法在一定程度上降低了中断探测的误判,能提高GPS位置时间序列中断探测的准确率。同时,也对STARS算法的参数设置以及滤波对中断探测的影响分别进行了讨论。     

EM算法的时序模型在沉降数据处理中的应用

针对时间序列分析对监测数据中出现的不完全数据(部分数据缺失)无法进行精确建模的问题,该文引入期望极大算法(EM算法),提出EM算法与时间序列分析的组合算法模型。运用EM算法的时间序列分析组合算法模型可以对沉降过程中遇到的不完全沉降数据进行建模分析,该组合算法模型可以对不完全沉降数据进行较为精确的建模,并对后期沉降数据进行较为精确的预测。将某地铁基坑点沉降数据作为实验数据,EM算法的时间序列分析的建模结果表明:所提出的组合算法模型可以对不完全沉降数据进行建模分析,绝对误差为0.23mm,建模精度较高。     

显著性权重RX高光谱异常点检测

高光谱图像异常点检测中,传统RX异常点检测算法忽略了空间相关性,背景估计不准确。本文提出了一种基于图像局部邻域光谱显著性分析的加权RX算法。该算法通过引入图像显著性分析,对基于概率密度为权重的图像背景建模进行改进,建立光谱显著性权重图,重新定义RX算法中的均值向量和协方差矩阵,并给不同的目标赋予不同的权值,达到优化背景估计的目的。利用合成高光谱数据和真实高光谱数据进行异常点检测实验,结果表明,对于同一组数据,本文算法检测到的异常点数比传统算法多,虚警率较低,有效地提高了检测率。     

混沌理论支持下的桥梁变形监测研究

针对桥墩的非线性下沉问题,引入了混沌理论。采用改进的C-C算法计算时间序列的时间延迟τ,采用改进的G-P算法计算最佳嵌入维数m,进行相空间重构,并与传统算法对比抗干扰性,计算效率等得到了改善,运用Lvyapunov指数判别该时间序列的混沌特性;最后根据所求参数建立加权一阶局域预计模型和RBF神经网络混沌预计模型,分别对观测数据进行预计分析,将混沌时间预测结果与指数平滑法预测结果进行对比分析。得出混沌时间预测精度高于指数平滑法预测精度,RBF神经网络混沌预计模型的预计精度最高,证明混沌时间序列预计精度可靠,能够实时对桥身变形进行监测,避免灾害的发生。     

基于配准残差分布函数点对定权的ICP算法研究

针对传统ICP配准算法无法抵抗常规粗差点对配准精度的影响问题,研究了基于配准残差分布函数点对定权的改进ICP配准算法,推导了基于配准残差分布函数的点对残差权重值计算公式,在此基础上采用幂法解算单位四元数,最终在速度和精度2个方面完成对原始ICP配准算法的优化。采用C~(++)编程语言将改进的ICP点云配准算法程序化,利用Rigel LMS-Z420i三维激光扫描仪对某雕像进行扫描,通过自编程序对含有常规粗差点的点云数据进行配准实验,将基于点对权重的改进ICP算法与标准ICP算法进行比较,结果表明基于点对权重的改进ICP算法能够有效处理配准数据中存在粗差点的情况,是一种比较精确的抗差配准算法,可对现存配准算法进行有效补充。     

基于Spark的矢量数据叠加赋值方法研究与实现

随着GIS数据获取与处理技术的迅速发展,以土地利用为代表的矢量空间数据规模不断膨胀,大量生产应用对图层间矢量数据叠加赋值操作性能提出了更高要求.本文提出了基于Apache Spark技术的矢量数据叠加赋值方法,通过扩展Spark技术的弹性分布式数据集,使其提高对于GIS空间数据的表达能力,通过空间索引的构建使得叠加计算可以在Spark集群各节点上分布式高效运行.通过十万、百万、千万3种量级的数据进行实验,结果表明,相比传统算法,基于Spark技术的矢量数据叠加赋值方法有30%—90%的性能提升.     

遗传算法在组分温度反演中的应用

介绍了遗传算法的主要内容和工作原理。在连续植被热辐射方向性模型的基础上,从热红外多角度遥感数据中,同时反演混合像元组分温度、土壤比辐射率以及叶面积指数。大量试验表明,利用遗传算法反演组分温度效果非常好。在宽松的先验知识条件下,该方法可以解决不确定性反演问题     

结合变化向量分析和直觉模糊聚类的遥感影像变化检测方法

针对多时相遥感影像变化检测存在数据不确定性、检测精度不高等问题,提出了一种结合变化向量分析（CVA）和直觉模糊C均值聚类算法（IFCM）的多时相遥感影像变化检测方法. 首先通过CVA构建两个时相遥感影像的差异影像;然后采用直觉模糊C均值聚类算法对差异影像进行聚类得出变化区域和未变化区域;最后对变化检测结果进行二值化处理并进行精度评价. 选取两个时相的高分一号遥感影像和Szada数据集影像作为实验数据. 实验结果表明,采用提出的方法可有效解决传统方法存在的数据不确定性问题,变化检测精度达到了95.92%和92.70%,是一种可行的遥感影像变化检测方法. 研究结果可用于森林动态变化监测、土地复垦利用规划变化分析以及灾损评估.      

耕地需求量预测的加权模糊-马尔可夫链模型

以耕地利用动态度为度量，利用模糊有序聚类方法将耕地需求量划分为不同的模糊状态区间，利用模糊集理论构建马尔可夫链状态转移概率矩阵，以规范化的各阶自相关系数为权重改进传统的马尔可夫链预测模型，用改进后的模型对土地利用规划中耕地需求量进行预测。实验结果表明，改进后的方法较传统的预测方法更具科学性和实用性。     

改进的ELU卷积神经网络在SAR图像舰船检测中的应用

随着航天技术的发展,我国SAR载荷的探测体系呈现多种类、多分辨率的发展趋势。传统的检测识别方法很难适应多分辨率、多种类的SAR图像数据,从而需要寻求一种能从多分辨率的图像数据中提取有效特征的方法。智能化发展非常迅速,本文基于SAR图像的特点,提出了改进的ELU激活函数卷积神经网络的方法,建立了结合ELU激活函数和二次代价函数的深度学习模型。同时,在训练样本中建立样本特征与所在分类中心的距离函数,用模糊支持向量机（FSVM）对提取的特征进行了分类。试验结果表明,本文方法提高了SAR图像舰船检测的抗噪性,并且检测率达到了98.6%。     

基于矢量数据模型的模糊地理对象建模

研究了模糊地理对象建模的空间建模方法，首先以对象建模方法定义模糊地理对象，以矢量数据模型为基础，用UML设计模糊对象类和模糊地理对象类，然后以统一的UML图表示基本模糊地理对象的概念模型，尤其是模糊拓扑关系，最后将UML图直接导入通用关系数据库，完成数据库的设计。     

模糊评判在矢量地图数据质量评价中失效的处理

矢量地图数据作为GIS数据的一种主要形式,其质量问题受到很大的重视。目前对矢量地图数据的质量评价有许多种方法,应用比较多的是模糊综合评判。但是,运用此方法会出现失效现象,本文在分析矢量地图的质量元素基础上,针对现有的质量模糊综合评判失效问题进行了探讨;提出了带信任度的模糊综合评判方法,较好解决了评判过程中的失效问题,提高了评判效率以及评判结果的可靠性。     

基于数字摄影测量工作站的1：10000地形图更新

结合1：10000 DLG更新的实际,提出了一种基于数字摄影测量工作站的地形图矢量要素更新模式,即充分利用现有的DLG与DEM数据及各要素之间的空间位置关系,将二维表达的矢量要素转换到三维立体空间,进而在数字摄影测量工作站立体环境中进行修侧与新旧数据接边,它既能得到与数字摄影测量立体测图质量一致的成果,且充分利用了现有的DLG成果,达到节约作业成本、缩短作业周期、减少作业工作量的效果。实验表明,本方法具有可行性、可操作性。     

一种消除陆地卫星TM6夜间图像上干扰条带的滤波方法

本文介绍一种消除陆地卫星TM夜间图像上干扰条带的滤波方法。该方法的核心是用中位数判 错法首先判出干扰条带的位置,然后对原始图像上构成干扰条带的噪声点作二维空间域平滑滤波。 这种滤波方法不仅能消除干扰条带,而且能保存原始图像上的有用信息。通过滤波处理获得了较 满意的图像。     

一种新的中长基线BDS三频模糊度快速解算方法

虽然TCAR能够实现短基线三频模糊度单历元解算,但由于电离层延迟及观测噪声等的影响,中长基线三频模糊度快速解算仍然是导航定位的一大难点。本文提出了一种新的无几何无电离层三频模糊度解算方法。该方法通过对伪距观测值赋予不同的权重,辅助宽巷及窄巷消除电离层残差的影响,使宽巷及窄巷求解只受观测噪声的影响;然后通过多历元的平滑获取宽巷及窄巷模糊度值。通过实测BDS三频长基线数据表明,相比经典TCAR算法,该方法可大大改善中长基线模糊度的求解精度,经过数据平滑并验证基本可以实现中长基线模糊度的快速解算。