卷积神经网络在SAR遥感海冰分类中的应用可行性分析

分别介绍了卫星遥感海冰监测、分类的传统方法,以及卷积神经网络在遥感影像分类识别中的应用成果。尝试将在图像识别、语言检测等方面取得成功的卷积神经网络算法应用在海冰图像分类中,利用其能够应对非线性、网络结构简单、可并行运算等能力去解决海冰数据分类问题。     

滨海湿地稀疏采样重构高光谱图像分类精度评价

高光谱遥感影像维数高、数据量大、波段之间的相关性强,分类时易出现"Hughes"现象,因此在分类过程中如何有效减小数据处理过程中的计算量,又保证原始数据重要的地物信息不丢失具有重要的意义。压缩感知理论可通过远低于耐奎斯特的采样率和少量观测数据实现信号的精确重构,具有对硬件读写要求低、图像恢复效果好等优势。通过利用基于小波变换的压缩感知算法对黄河口地区的高光谱影像进行图像重构,然后分别采用SVM算法、最大似然法以及神经网络分类法对重构后的影像进行分类,并对分类结果的精度分别从空域和小波域、不同的测量值等维度进行了分析和比较。结果表明:(1)压缩感知理论重构后的影像保留了原始影像的基本信息,保证了分类精度;(2)SVM算法的分类精度最好,空域和小波域的分类精度基本一致;(3)分类精度随测量值的增加先逐渐提高,然后趋于稳定。     

基于主成分分析和决策级融合的高光谱图像分类方法研究

为了评价主成分分析方法和决策级数据融合方法对高光谱图像地物分类结果的影响,作者利用各分类器和主成分分量的优势,提出了两组地物分类结果的决策级融合策略,利用8种常用监督分类方法对高光谱原始图像和PCA变换后不同分量组合图分类得到的结果进行决策级融合,并应用覆盖黄河入海口新老河道交界处的CHRIS/PROBA高光谱图像开展实验研究。结果表明:直接采用每类地物分类精度最高的、空穴和缝隙采用总体分类精度最高的融合策略,在综合考虑生产者精度和用户精度的情形下,仅使用最大似然法、支持向量机和人工神经网络3种分类方法,按照分类精度从高到低的顺序进行的融合分类效果最好,总体分类精度为87.82%。与8种监督分类方法中效果最好的最大似然法相比,精度提高了2.7个百分点,同时明显减少了错分现象,尤其是对于分布面积较小的翅碱蓬和柽柳,滩涂被误分为翅碱蓬、芦苇被误分为柽柳的现象大大降低。     

基于BP神经网络的海洋监测数据等级划分

数据的分类是数据处理和应用的重要环节和前提。在海洋领域中,海洋数据呈现多元、多类等的复杂多样性,给数据的分类带来一定的技术挑战。主要针对海洋数据分类难这一问题,首先利用BP神经网络技术对海洋环境监测数据进行分类,且通过对获取的海洋环境监测数据进行分类预测,最后,实验验证了海洋环境监测数据分类方法的正确性和可行性,给海洋监测数据根据秘密等级进行数据分类提供了支持。     

华南水东湾波控、中等潮差岬湾海滩地形动力分类

海滩地形动力分类在国外的海岸地貌研究中已经被广泛接受。本文使用了华南粤西水东湾切线带、过渡带和遮蔽带海滩连续16个月32次大潮期间同步获取的波浪、潮汐、泥沙和海滩地形数据,分别按照无量纲沉降参数、相对潮差参数和无量纲海湾尺度参数对这一岬湾海滩不同岸段的海滩类型进行了研究,研究发现：（1）水东湾切线带海滩的主要状态为有裂流的低潮台地状态和沙坝型海滩状态,过渡带海滩主要状态是低潮沙坝/裂流海滩和沙坝消散型状态,遮蔽带海滩主要状态是有或无沙坝的消散型状态;（2）海湾不同岸段海滩状态的顺序变化与差异体现了岬湾海滩状态的时空变化性,与现场观测的海滩地形的变化基本一致,说明了对波控中到强潮海滩进行研究时,需要考虑潮汐的影响。同时,本文主要给出了海滩状态研究的一个框架体系,由于海滩不同的状态伴随不同的侵蚀模式,要求我国今后需加强在这一方面研究,以进一步丰富我国海滩地形演变、海滩地形动力过程和海滩防侵蚀的理论基础。     

中国近海蛾螺科系统分类学研究现状与展望

<正>1蛾螺科简介蛾螺科(Buccinidae)隶属于软体动物门(Mollusca),腹足纲(Gastropoda),新腹足目(Neogastropoda)。蛾螺科种类个体从小到大,小的壳长不足10 mm,而大的可达150 mm。贝壳多呈卵圆形或纺锤形,壳质通常坚硬,表面常被有壳皮或具短的绒毛。壳面较平滑或具螺肋、纵肋和结节突起;缝合线(Suture)深或浅;前水管沟(Siphonal canal)有的稍长,有的宽短。壳口大或狭窄,外唇(Outer lip)简单或厚;内唇(Inner lip)平滑或具褶襞。厣(Operculum)角质,通常为黄色、     

基于遗传小波神经网络的海底声学底质识别分类

分割海底声纳探测图像,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,构建小波神经网络。利用遗传算法优化小波神经网络的初始权值及小波参数,对砂、礁石、泥3种底质类型分别进行训练,并得到3种底质的测试精度都在90%以上,优于单独利用小波神经网络进行训练时的测试精度,克服了小波神经网络训练时易陷入局部极小的固有缺陷,表明基于遗传算法的小波神经网络可有效用于海底底质声纳图像的识别和分类。     

四种绿藻和四种褐藻脂肪酸组成的比较研究

对绿藻门和褐藻门8种大型海藻的脂肪酸组成进行了研究,发现两类海藻都有其特征脂肪酸或有几种特征脂肪酸组合做为其化学分类的标记。4种绿藻的主要脂肪酸是16:0、16:1ω7、18:4ω3、18:1ω7、18:2ω6、18:3ω3、18:1ω9,其中18:1ω7和18:3ω3的含量相对较高;4种褐藻中16:0、18:1ω9、18:2ω6、18:3ω3、18:4ω3、20:5ω3、20:4ω6的含量占绝对优势,十八碳和二十碳多不饱和脂肪酸是褐藻门脂肪酸的典型特征。另外,褐藻中含有较高含量的EPA,海带和裙带菜尤为明显。对2门类5属8株海藻所含脂肪酸进行聚类分析的结果显示海藻各门及种间的亲缘关系,表明利用静态条件下海藻脂肪酸的聚类分析结果,可在一定程度上判别海藻在分类上亲缘关系的远近,海藻脂肪酸组成的差异可以作为海藻分类的一个辅助技术手段。     

基于声纳图像纹理特征的海底底质分类方法研究

一般不同底质的海底声纳图的纹理特征不同。重点分析了不同底质声纳图像纹理特征的差异,为底质分类的实现提供了基础。并提取了海底声纳图像的灰度共生矩阵,将灰度共生矩阵的统计特征作为特征向量。最后应用自组织迭代(ISODATA)分类算法依据对特征向量进行分类,从而实现了海底底质的划分。     

进馆海洋档案整理原则和方法

以海洋档案工作实践为基础,结合档案进馆工作实际需要,提出了进馆档案整理尊重并维护立档单位历史原貌、符合进馆档案保管和利用需求以及平衡档案进馆前后的工作投入的基本原则。并从进馆档案案卷的系统性、卷内文件整理的规范性、编目信息的规范性和电子文件迁移的有效性等方面,阐述了在进馆档案整理过程中要达到这些要求应采用的方法。