坐标转换中大地高对平面坐标和高程的影响

验证大地高的不确定性对高程的影响和对平面坐标的影响,为具体工程实际应用提供参考依据.通过改变选定的重合点上的大地高,求得两套转换参数,并比较这两套转换参数求得的高斯平面坐标.通过不同数据验证,得出结论.     

中国近海及邻近海域高精度高分辨率海面高的确定

利用新的海潮模型(NAO99B)更为合理的共线方法和交叠平差技术,有效改善了ERM数据的径向轨道误差和时变海面高的影响,提高了浅海海域测高数据的测高精度。     

超高阶次勒让德函数递推计算中的压缩因子和Horner求和技术

摘要：超高阶次（如2000阶次）缔合勒让德函数值的递推计算,在接近两极时达到极大的数量级（超过10的数千次方）,这导致现有递推方法在计算缔合勒让德函数值及其导数值时失效。我们通过插入压缩因子技术,提出一个修改的递推算法,并结合使用Horner求和技术计算球谐级数的部分和。试验表明,该算法至少可以计算到3600完全阶次的球谐级数式,优于现有结果。     

基于支撑向量机概率输出的高光谱影像混合像元分解

提出利用支撑向量机(SVM)后验概率来分解高光谱影像的混合像元,通过支撑向量机的输出值转化为两两配对的后验概率,再由两两配对的概率值求得多类后验概率,并以像元所属类别的后验概率作为地物的组分信息。实验结果表明,该方法能较好地估计出混合像元的组分比。     

混合光谱分解模型提取水体叶绿素含量的研究

遥感监测水体叶绿素含量是水质遥感研究的难点之一。本文通过研究不同叶绿素含量水体反射率的光谱特征，确定了提取叶绿素a含量的最佳特征波段，建立了太湖水体叶绿素a的混合光谱模型。研究发现，混合光谱模型提取的水体叶绿素a百分比浓度与同步采样分析的叶绿素a浓度之间有较好的线性相关性。并基于TM和HEPERION图像利用此模型生成了叶绿索a浓度分布图。研究结果表明，混合光谱分解模型可以作为遥感监测水体叶绿素a含量的定量模型。     

基于决策树的高光谱数据特征选择及其对分类结果的影响分析

本文利用OM IS高光谱数据,研究了决策树算法（Decision Tree,DT）特征选择的特点以及特征选择对决策树分类结果的影响。设计了三种特征选择方法：SEP,MDLM和RELIEF,将它们与DT特征选择的结果以及特征选择后的分类精度（考虑了三种分类器：最大似然法、后向传播神经网络、最邻近法）进行对比,并分析了这三种特征选择方法对决策树结构和分类精度的影响。结果显示,DT是一种比较好的特征选择方法;经过特征选择后再生成的决策树比直接生成的决策树,用到更少的特征（平均减少了43.36%）、有更多的节点（平均增加了18.61%）和更高的分类精度（平均提高了0.35%）,当样本数量少时,分类精度的提高幅度最大,而树的大小却基本没有增加。     

基于单邻点多波段预测的高光谱图像无损压缩算法

提出了一种基于聚类-单邻点、多波段预测-熵编码的高光谱数据无损压缩方法。根据谱向特征,进行高光谱图像矢量聚类。对各个分类,采用单个空间位置邻点、多个波段作为预测数据,训练预测系数,进行三维预测。残差采用Golomb-Rice编码。实验证实了算法的有效性。     

融合形状和光谱的高空间分辨率遥感影像分类

提出了一种像元形状指数及基于形状和光谱特征融合的高（空间）分辨率遥感影像分类方法。形状和光谱是遥感影像纹理的具体表现形式,尤其在高分辨率影像中地物细节得到充分表达,相邻像元的关系及其共同表征的形状特性成为分类的重要因素。本文用像元及其邻域的关系来描述其空间结构,同时为了更全面地利用影像特征,提出了基于支持向量机的形状和光谱融合分类方法。实验证明,该方法计算简便且能有效表达高分辨率影像的地物特征,提高分类精度。     

组合分类器及其在高光谱影像分类中的应用

多分类器组合问题一直是模式识别和机器学习领域的研究重点。由于各分类器的分类结果有着互补信息,因而一般来说,组合分类方法总有着较单个分类器精度更高的分类结果。将组合分类方法引入到高光谱影像的分类过程中,并针对该类影像的特点,提出了混合组合策略。实验表明,将组合分类器用于高光谱影像的分类,可以得到较为理想的分类结果。     

基于Hyperion影像的涩北气田油气信息提取

 对柴达木地区涩北气田地质地理环境下的蚀变矿物进行分析，结合卫星高光谱遥感数据Hyperion的图谱，对已知气田区与背景区光谱特征进行相关分析，确定了932.64~1 346.25 nm与2 002.06~2 385.5 nm为油气信息识别的有利波长范围； 利用光谱角制图（SAM）技术提取了涩北气田油气的空间分布信息和台吉乃尔含气构造等远景区，为高光谱遥感油气勘探提供了有效技术方法与途径。