面向遥感目标识别耦合GA与SVM的特征优选方法

提出了GA-SVM耦合用于高分遥感目标识别的特征优选方法,将GA中的特征降维和适应度函数构建与SVM中的特征空间映射、样本训练以及分类结果在内容上耦合,利用SVM的识别结果指导GA的进化方向。同时,为减小未成熟收敛风险,对传统GA做了改进。实验表明,该方法在高分遥感影像目标识别中效果较好。     

一种地铁轨道相对变形检测与定位方法

利用三维激光扫描所得点云数据识别并提取轨道高程,引入轨道不平顺的研究方法,定义了用于描述不同期之间轨道局部相对位置关系的线状结构局部相对变形波动性指标,提出了基于小波分解和平滑伪维格纳-威尔分布的异常局部相对变形提取方法.小波分解具有放大轨道相对变形特征和缩小频段范围的作用,可确定异常局部相对变形的波长.维格纳-威尔分...     

室内行人移动行为识别及轨迹追踪

作为室内位置服务的基础,室内定位技术近年来得到了广泛的关注。针对现有室内定位技术存在成本高、精度有限以及效率不足等问题,提出了一种融合人类活动识别、行人航迹推算(pedestrian dead recko-ning,PDR)以及地标匹配修正等技术的室内行人位置推算方法。该方法使用基于智能手机的PDR技术来估算用户的位置信息,而人类活动识别技术则用来感知用户室内移动行为中的特定地标,利用这些地标信息来辅助修正PDR轨迹中产生的累积误差。此外,为了解决用户初始位置未知的问题,引入隐式马尔科夫模型进行推断,并提出了一种顾及室内环境特征的维特比算法来确定用户轨迹。实验结果显示,所提方法在提高室内行人移动行为识别和定位精度的同时,有效实现了用户室内轨迹的追踪。     

余弦调相散射波干扰对SAR双通道对消干扰抑制的影响

作为多通道合成孔径雷达(SAR)的一种高效便捷的抗干扰方法,SAR多通道对消技术可有效抑制包括散射波干扰在内的多种干扰类型,于是提出采用方位向余弦调相散射波干扰方法来对抗SAR双通道对消的干扰抑制能力。该方法通过对传统散射波干扰慢时间域进行余弦调相,不仅实现了干扰信号的方位向扩展,更使得干扰信号到达各通道之间的相位关系发生严重改变。这种相位差变化会影响干扰对消过程中的自动相位搜索环节,扰乱对消时所需补偿相位的估计结果,进而严重破坏对消后的真实场景成像。以SAR双通道对消系统为例分析了该干扰方法的影响效果,理论分析与实验结果表明:余弦调相散射波干扰可使得补偿相位的估计结果在慢时间上近似正弦分布;在双通道对消成像中,该干扰使得真实场景在方位向上被重复搬移,造成严重的影像重叠,同时在方位向上伴随着密集的明暗条纹;干扰效果可通过设定余弦调制频率、调制指数等参数进行控制。     

卫星+AI时代遥感专业模式识别课程的教学实践与改革

在人工智能时代深化遥感产业发展背景下,遥感专业人才培养需要与时俱进,以提高人工智能应用能力。本文针对目前遥感科学与技术专业人工智能核心课程模式识别教学现状及存在的问题,提出面向遥感专业应用导向的模式识别课程建设思路,从教学内容和实践环节两个方面设计了以提高遥感专业学生人工智能应用能力为目的的教学方案。从教学反馈结果来看,本文提出的教学思路不仅激发了学生对模式识别课程学习的兴趣,而且提高了学生应用模式识别方法进行遥感信息解译的能力。     

多视角InSAR数据解算2017两伊地震三维同震形变场

2017两伊地震是自1900年以来发生在扎格罗斯山脉的最大地震,为了研究此次地震引起的同震形变场,利用覆盖同一地区的3对Sentinel-1A升降轨数据分别进行两通差分DInSAR处理,得到了研究区3个视线向的地表同震形变场,通过直接解算法重建了研究区的三维同震形变场。试验表明：3种视角的升降轨视线向上升与沉降总体趋势基本一致;联合多个视角的观测结果可以实现三维形变场的重建;根据地表视线向和三维同震形变的特征以及地质构造背景推测了发震断层很有可能为扎格罗斯山前断层。     

Feature fusion to improve road network extraction in high-resolution SAR images

This letter aims at the extraction of roads and road networks from high-resolution synthetic aperture radar data. Classical methods based on line detection do not use all the information available; indeed, in high-resolution data, roads are large enough to be considered as regions and can be characterized also by their statistics. This property can be used in a classification scheme. Therefore, this letter presents a road extraction method which is based on the fusion of classification (statistical information) and line detection (structural information). This fusion is done at the feature level, which helps to improve both the level of likelihood and the number of the extracted roads. The proposed approach is tested with two classification methods and one line extractor. Results on two different datasets are discussed.     

Stroke构造、移位一体化的道路网示意化方法

针对当前常用示意性地图生成方法中往往存在简化程度不够、未考虑长度信息以及时间效率低等问题,提出了stroke构造、移位一体化的道路网示意化方法。该方法在对道路网进行stroke划分构造的同时,直接对其进行渐进式的移位示意化及拓扑检查。同时本文还提出利用相似分形维数来定量比较并验证不同示意化方法的有效性。试验表明,本算法在考虑原始线形的基础上,示意化过程简单,时间效率较高,减少了拓扑冲突问题,保证了拓扑一致性及路网的均衡分布,具有较好的清晰度和认知度。     

卫星导航接收机抗欺骗干扰方法研究

在分析各种可能的欺骗干扰方法的基础上,研究了欺骗干扰信号的特性,并从信号体制设计和接收机信号处理两个不同层面提出了一系列通用的抗欺骗措施,可直接用于关键民用基础设施GNSS接收机的抗欺骗设计。     

基于Bayesian线性规划的影像纹理识别方法

介绍了Bayesian线性规划的基本原理，利用它解决带有不确定性MRF（尔柯夫随机场）参数的影像纹理识别问题，并提出了将不确定性状态参数变成确定性参数的5种选择方法。通过使用实际航空影像的对比识别实验，给出一个合理的选择方法。本方法为解决纹理识别中带有不确定性特征参数的处理提供了新的途径。     

改进LBP和HSV颜色直方图相结合的地表状态识别

在利用近地表遥感探测方法对地表信息进行反演时,地表状态的不同会导致电磁波传播方式不同,进而决定了所采取的遥感探测方式、探测波长及探测手段的不同。因此,地表状态的识别是进行近地表遥感反演的前提和基础,其识别的准确率也决定了反演结果的准确度。本文提供了一种改进LBP（local binary pattern）和HSV颜色直方图相结合的地表状态识别算法,通过改进阈值的LBP算法和HSV颜色直方图提取特征向量并建立判别条件,最后利用K邻近算法对测试样本与训练样本进行特征匹配,得到识别结果。将野外采集的411张图片多粗随机分组为训练样本和测试样本,结果表明206张测试样本的分类正确率都达98.7%以上,证明了本文算法的有效性。     

Data field for mining big data

Abstract

Big data is a highlighted challenge for many fields with the rapid expansion of large-volume, complex, and fast-growing sources of data. Mining from big data is required for exploring the essence of data and providing meaningful information. To this end, we have previously introduced the theory of physical field to explore relations between objects in data space and proposed a framework of data field to discover the underlying distribution of big data. This paper concerns an overview of big data mining by the use of data field. It mainly discusses the theory of data field and different aspects of applications including feature selection for high-dimensional data, clustering, and the recognition of facial expression in human–computer interaction. In these applications, data field is employed to capture the intrinsic distribution of data objects for selecting meaningful features, fast clustering, and describing variation of facial expression. It is expected that our contributions would help overcome the problems in accordance with big data.     

基于PCA-SMO的CSI指纹定位方法

Wi-Fi信道状态信息(CSI)中包含丰富的特征信息,使得基于CSI的指纹定位方法可以构建更高维度的特征以改善定位精度,但指纹特征中的冗余信息也导致构建的指纹库存储量大、建立定位模型的时间开销变大以及实时定位计算量大等问题.对此,提出使用主成分分析(PCA)的方法对原始指纹特征进行降维,而后利用序列最小最优化算法(SM...     

融合单视线D-InSAR和BK模型的煤矿地表三维变形动态监测方法

合成孔径雷达差分干涉测量（differential interferometric synthetic aperture radar, D-InSAR）在获取地表形变的过程中有其特有的监测手段,针对D-InSAR矿区地表三维变形监测的难点,首先,顾及D-InSAR难以获取快速大梯度变形的特性,选取边界拟合度较好的Boltzmann函数模型,结合Knothe时间函数,构建一种BK(Boltzmann-Knothe)模型;然后,由于D-InSAR仅能获取地表沿视线向（line of sight, LOS）的短时段一维变形量,依据地表三维移动变形和LOS向变形的投影关系,结合目标区域地质采矿条件,构建适应短时段单视线向变形的适应度函数;最后,引入烟花算法（fireworks algorithm, FWA）,提出了融合单视线D-InSAR和BK模型的煤矿地表三维变形动态监测方法。模拟实验表明,所提方法能够可靠准确地反演出全部开采沉陷动态预计参数,求参相对误差为0.11%～7.51%;在大变形区域,该方法监测的下沉和水平移动与真实值一致。抗差求参实验结果表明,在观测误差或模型参数误差的影响下,该...     

基于单视线向D-InSAR技术的倾斜煤层开采地表沉陷监测方法

基于合成孔径雷达差分干涉测量（differential interferometric synthetic aperture radar,D-InSAR）技术的开采沉陷监测理论和方法是矿山变形监测领域研究的热点,当前已有学者融合单视线向D-InSAR技术和开采沉陷规律成功构建了开采沉陷三维监测模型,然而由于该模型仅融合了水平煤层开采地表沉陷规律,其并不适用于倾斜煤层开采地表沉陷监测。针对上述问题,根据D-InSAR监测的视线向变形与三维变形的关系,融合倾斜煤层开采地表沉陷规律,提出了基于单视线向D-InSAR技术的倾斜煤层开采地表沉陷监测方法。模拟实验表明,所提出的方法下沉监测相对误差绝对值小于9.53%,平均为1.31%,南北方向和东西方向水平移动监测相对误差绝对值小于9.78%,平均为3.71%,满足开采沉陷监测精度要求。并利用该方法成功监测了中国山东省兖州矿区南屯煤矿9310工作面在2012-01-27—2012-02-07期间开采引起的地表移动与变形。     

三维目标位姿跟踪与模型修正

本文是机器视觉参量下的三维数字摄影测量智能构像基础工作之一：成像系统位置姿态自动跟踪与精密修正,属于摄影测量与机器视觉、数字图像处理等学科交叉的摄像测量领域。针对基于目标3D模型的位姿跟踪问题开展研究,对相关研究的现状进行梳理,并提出系列位姿跟踪与模型修正方法。在完全已知目标3D精确模型的情况下,对于包含丰富直线特征的特殊目标,提出基于直线模型的目标位姿跟踪方法,实现了目标位姿参数的精确跟踪;为处理更为一般目标,利用目标的3D边缘模型,提出法向距离迭代加权最小二乘位姿估计方法及距离图迭代最小二乘位姿跟踪方法。当目标3D直线模型参数不准确时,结合光束法平差思想,提出一种针对序列图像的基于3D直线模型同时位姿跟踪与模型修正方法,联合优化求解目标位姿参数及3D直线模型参数,在模拟空间卫星目标位姿测量的仿真试验中,模型直线朝向、位置误差及目标位姿平均角度、平均位置误差分别为0.3°、3.5 mm及0.12°、20.1 mm。针对包含丰富直线特征的目标,在其3D直线模型完全未知的情况下,提出基于序列图像直线对应的目标结构重建与位姿跟踪方法,利用序列图像信息,在SFM框架下同时优化求解目标直线模型参数及位姿参数,仿真试验条件下,重建模型直线朝向、位置误差及位姿参数平均角度、平均位置误差分别约为0.4°、7.5 mm及0.16°、23.5 mm。     

基于DOA和TDOA的单站外辐射源目标跟踪IPKF方法

随着电子战、信息战在现代军事领域的地位日趋重要,基于外辐射源的定位跟踪方法成为现代雷达领域的研究热点。针对通过单站接收多外辐射源信号获取角度（direction of arrival,DOA）和时差（time difference of arrival,TDOA）信息对运动目标跟踪的问题,首先推导角度和时差的伪线性观测方程,在通过最小二乘（least squares,LS）算法获取初值的条件下,利用传统的卡尔曼滤波算法实现目标的跟踪,该方法称为伪线性卡尔曼滤波（pseudo-liner Kalman filter,PKF）算法。进一步分析观测方程,提出了利用迭代的IPKF（iterative PKF）目标跟踪算法,并推导其克拉美罗下界（Cramer-Rao lower bound,CRLB）。仿真实验分析说明,该IPKF算法的跟踪精度、收敛速度和稳定性均优于传统的扩展卡尔曼滤波（extended Kalman filter,EKF）算法,且迭代次数越多,性能越好,观测误差越小,跟踪误差越接近CRLB。     

联合SAR相位和振幅信息校正电离层延迟相位

电离层延迟是合成孔径雷达差分干涉测量(DInSAR)的误差源之一,对长波段SAR数据影响尤为严重。文中提出联合SAR相位和振幅信息精确测量方位向偏移,并基于方位向偏移构建模型校正DInSAR电离层延迟相位。选取覆盖2008年汶川地震的ALOS PALSAR(轨道号471)同震干涉对为实验数据,进行电离层延迟校正实验和精度分析。结果表明,实验同震干涉对中电离层贡献相位达17rad,对应约32cm的视线向形变误差,经过校正后地震远场形变均方根减小59%。对比传统方法校正结果,所提方法可有效提高电离层延迟相位校正精度。     

A new kernel method for hyperspectral image feature extraction

Abstract

Hyperspectral image provides abundant spectral information for remote discrimination of subtle differences in ground covers. However, the increasing spectral dimensions, as well as the information redundancy, make the analysis and interpretation of hyperspectral images a challenge. Feature extraction is a very important step for hyperspectral image processing. Feature extraction methods aim at reducing the dimension of data, while preserving as much information as possible. Particularly, nonlinear feature extraction methods (e.g. kernel minimum noise fraction (KMNF) transformation) have been reported to benefit many applications of hyperspectral remote sensing, due to their good preservation of high-order structures of the original data. However, conventional KMNF or its extensions have some limitations on noise fraction estimation during the feature extraction, and this leads to poor performances for post-applications. This paper proposes a novel nonlinear feature extraction method for hyperspectral images. Instead of estimating noise fraction by the nearest neighborhood information (within a sliding window), the proposed method explores the use of image segmentation. The approach benefits both noise fraction estimation and information preservation, and enables a significant improvement for classification. Experimental results on two real hyperspectral images demonstrate the efficiency of the proposed method. Compared to conventional KMNF, the improvements of the method on two hyperspectral image classification are 8 and 11%. This nonlinear feature extraction method can be also applied to other disciplines where high-dimensional data analysis is required.     

基于子区域多标签学习的露天煤矿区场景识别

露天煤矿开采易对区域生态环境产生不利影响,对其进行高效监管有利于矿区环境保护和可持续发展。随着遥感技术和人工智能的发展,基于高分辨率遥感影像的露天煤矿区场景自动识别成为可能。本文针对单标签学习算法在场景子区域识别中识别率较低的问题,将多标签学习策略和地理学第一定律相结合,提出一种基于子区域多标签学习的露天煤矿区场景识别方法。为了区分露天煤矿区场景与其周边场景,设置了6类矿区标签和7类非矿区标签,对9768张场景子区域图像进行标注,构建多标签数据集,利用该数据集训练基于多标签学习的Inception-v3模型。场景识别时,首先将一幅覆盖研究区的遥感影像划分为相同大小的子区域并进行多标签分类;然后对含有矿区标签的子区域,利用地理学第一定律对其矿区标签的相关性和完整性进行判定,识别出属于露天煤矿区场景的子区域。胜利西露天煤矿区识别实验结果表明：该方法提取的结果最接近真值,显著高于单标签学习的识别精度;其子区域多标签分类F1分数达到0.857,与单标签学习中性能最好的ResNet50模型相比,提高了8个百分点。本文提出的方法能够自动提取子区域内多类标签的有效特征,提高露天煤矿区场景识别的精度,...