INSAR相位解缠的半参数解算方法

建立半参数回归模型,将系统误差加入,导出了模型正则化矩阵时参数平差的计算方法,用直接法得到了相位解缠的估计量,给出了相应的公式,并通过实例证明了该方法的有效性.     

考虑全时间序列信息的NDVI变分重建方法

NDVI数据受云覆盖等因素影响,普遍存在信息缺失和噪声污染问题。传统基于滤波或曲线拟合的方法对NDVI时间序列的先验特征考虑不足,难以有效解决时间连续缺失的难题。该文在变分框架下,通过正则化方式对NDVI时间序列的局部平滑性和非局部年际相似性进行刻画,提出一种考虑全时间序列信息的NDVI重建方法;选取Savitzky-Golay(SG)滤波、时间序列谐波分析(HANTS)和Whittaker滤波3种方法作为对比方法,在长江经济带两个区域的MODIS NDVI产品上进行模拟实验和真实实验。结果表明：该文方法在随机缺失和时间连续缺失情况下的MAE、RMSE和CC均更优,且能有效滤除不平滑的原始NDVI时间序列曲线中的噪声,获得平滑曲线,在处理时间连续的云污染方面表现更好。     

三维大地电磁自适应L1范数正则化反演

常规三维大地电磁反演的正则项为L₂范数,它以电阻率空间分布函数处处光滑为模型期望,弱化了算法对电性突变界面的分辨能力.本文实现了正则项为L₁范数的三维大地电磁反演算法,让模型空间梯度向量更有机会取得稀疏解,在充分正则的迭代下能够有效突出模型真实电性界面.为避免L₁范数零点不可导带来的求解困难,使用迭代重加权最小二乘法把原问题转换为一系列L₂正则子问题迭代求解.每个子问题的极小方法使用改进型拟牛顿法,其下降方向既能保证正则项海塞矩阵的精确性,又能允许反演过程随迭代灵活更新正则因子.使用比值法或分段衰减法自适应更新正则因子以避免迭代早期陷入奇异解,从而提升反演收敛的稳定性并降低初始模型依赖度.合成的无噪数据反演表明L₁正则算法的模型恢复效果优于L₂正则;不同噪声水平的合成数据反演表明本文的算法具有稳健性;实测数据反演对比表明在合理的正则因子调整策略下,L₁正则反演结果的模型分辨率优于L₂正则.另外,不同初始模型的反演测试还表明,正则因子选取不合理时L₁正则可能造成方块状假异常.     

顾及基线先验信息的GPS模糊度快速解算

采用GPS相位观测值进行快速定位时,其解算模型严重病态,最小二乘解得的浮点模糊度精度差且相关性大,导致整周模糊度搜索空间过大,难以正确固定。本文提出一种顾及基线先验信息和模糊度线性约束的整数条件的GPS模糊度快速解算方法,先用顾及基线先验信息的正则化算法解得精度较高且相关性较小的浮点模糊度,以减小整周模糊度的搜索空间;再综合利用整周模糊度间的线性约束的整数条件和基线先验信息,进一步有效地减小模糊度搜索空间,提高搜索效率。算例表明:顾及基线先验信息的正则化算法有效地改善了模糊度浮点解,模糊度线性约束的整数条件有效地提高搜索效率和成功率。     

结合三维边缘特征约束的网格模型优化方法

对于具有复杂几何结构特征的建筑物,三维网格模型重建结果易存在表面扭曲、边缘特征平滑的问题,无法较好地反映重建目标的真实信息。针对上述问题,本文提出一种结合三维边缘约束的网格模型优化方法。该方法以OpenMVS算法得到的初始网格为基础数据,利用变分原理构建能量函数,将网格模型优化问题转换为能量函数最小化问题。首先,从多视图像中提取三维边缘点,以三维边缘点构成的边缘轮廓来定位网格模型边缘区域;接着,利用灰度一致性测度构建数据项,利用顶点自身曲率构建平滑项,利用三维边缘轮廓约束构建附加约束项,将3个约束项构建为一个总体能量函数;最后,采用梯度下降法迭代求解总体能量函数最小值,将梯度变化量分配到网格模型的顶点上来驱动网格形变,以此优化模型。选取Strecha数据集中两个真实室外场景和ETH3D数据集中一个真实室内场景进行优化实验,使用ETH3D评估框架对实验结果进行评估。结果表明,经本文算法优化后的网格模型完整度和精度最高为89.76%、94.45%,本文算法在解决复杂几何结构建筑物模型边缘优化问题的基础上,提高了建筑物模型的准确程度。     

利用航空重力梯度反演Kauring试验场三维密度结构

相对于传统的重力测量手段,重力梯度测量能够以更高的灵敏度和分辨能力反映出地下密度异常体的结构特征。由于拉格朗日经验参数在实测数据反演中存在不确定性,对预条件共轭梯度反演算法加以改进,利用L曲线的拐点值代替原反演算法中的拉格朗日经验参数作为正则化参数;为改善反演中存在的病态性问题并减弱核函数的快速衰减,将地下模型改进为不等间隔模型;为改善反演中解的非唯一性,利用重力梯度的5个独立分量进行联合反演;通过对澳大利亚Kauring试验场航空重力梯度张量进行联合反演,得到该地区异常体的三维密度分布,将重力梯度联合反演结果与之前的重力反演结果对比分析,发现在中心异常体附近沿线还分布着多个异常块体。结果表明,改进后的算法能够有效地利用实测重力梯度数据反演出密度异常体的分布信息。     

空-谱协同正则化稀疏超图嵌入的高光谱图像分类

传统依据图嵌入的高光谱图像维数约简算法多数仅利用光谱信息表征像元间单一关系,忽视了数据间的多元几何结构。本文提出了一种面向高光谱图像分类的空-谱协同正则化稀疏超图嵌入算法(SSRSHE)。该算法首先利用稀疏表示揭示像元之间的相关性,自适应选择近邻,并构建稀疏本征超图和惩罚超图,以有效表征像元间的复杂多元关系,并进行正则化处理。然后利用遥感图像空间一致性原则,计算局部空间邻域散度来保持样本局部邻域结构,并引入样本总体散度来保持高光谱数据的整体结构。在低维嵌入空间中,尽可能使类内数据聚集、类间数据远离,提取鉴别特征用于分类。在Indian Pines和PaviaU高光谱遥感数据集上试验结果表明,本文算法总体分类精度分别达到86.7%和 92.2%。相比传统光谱维数约简算法,该算法可有效改善高光谱图像地物分类性能。     

基于射线追踪的成像域走时层析反演及其应用

层析成像是现今地震勘探开发处理中的常用手段,针对传统走时层析反演中角度覆盖问题,利用正则化约束加以解决,利用角道集的拾取拟合来判断实验模型的准确性,同时,不再利用原始炮记录拾取剩余时差,利用深度残差与走时残差的线性关系提高走时残差的拾取精度。以三层洼陷模型和实际资料进行试算,结果表明:本方法可以较好地反演更新偏移速度场,得到更精确的偏移成像结果,对于小尺度地质构造可以精细刻画。      

基于GCV的迭代Tikhonov正则化在测绘中的应用

由于Tikhonov正则化(Tikhonov regularization, TR)法求解大地测量领域中的病态问题时,其求解质量过于依赖正则化参数的确定,且稳定性较差,因此提出改进的迭代Tikhonov正则化(iterated Tikhonov regularization, ITR)法,结合广义交叉验证法(generalized cross-validation, GCV),可以有效克服上述缺点。算例结果表明,ITR-GCV法在解算精度、稳定性以及抗干扰性方面表现良好。     

信息扩散函数在半参数地壳形变分析中的应用

提出一种利用信息扩散函数构建正则矩阵的新方法。首先,仅保留半参数模型的参数化模型部分,利用最小二乘估计获取参数模型的最小二乘残差;然后,将此残差向量作为信号,计算信号的信息扩散函数估值;最后,将信息扩散估计值作为正则矩阵的主对角元素构建正则矩阵。与时间序列法相比,新方法淡化了对信号连续性和光滑性的要求,且信息扩散函数估值本质上是残差的概率分布,相当于事先合理地确定了信号权阵,使得参数估计具有良好的稳健性。中国大陆华北块体的半参数地壳形变分析结果表明,新方法具有明显优势。