GPS变形监测动态数据处理中卡尔曼滤波的应用

介绍了卡尔曼滤波的基本原理,针对常规GPS变形监测数据处理中存在着不连续、非实时的缺点,结合卡尔曼滤波的特点,运用三峡实测数据对GPS变形监测动态数据处理中卡尔曼滤波的应用进行研究。并采用各点点位位移速度图对所建立的函数模型进行验证,同时对状态方程的建立及初始值的选取进行分析总结。     

扩展卡尔曼滤波与采样卡尔曼滤波性能比较

详细研究了卡尔曼滤波在非线性系统中的应用,在分析扩展卡尔曼滤波理论的基础上,指出了其在非线性系统应用中的缺陷,阐述了采样卡尔曼滤波(UKF)思想,通过事例和仿真说明了这种新型卡尔曼滤波理论的优越性能。     

hairy和hedgehog在单环刺蜢幼虫体节形成过程中的表达特征分析

hairy作为成对控制基因参与果蝇等体节动物的体节形成;体节极性基因hedgehog是节肢动物和环节动物体节边界维持的关键基因。本研究分析了单环刺螠hairy的序列特征以及hairy和hedgehog在其幼虫体节发生过程中的时空表达特征,结果显示:单环刺螠Hairy序列中含有保守的HLH结构域、Hairy_orange结构域和四肽WRPW;其mRNA在早期体节幼虫中的表达量显著高于晚期担轮幼虫,并且定位于每个体节的边界处。单环刺螠hedgehog mRNA在体节幼虫中的表达水平显著高于早期体节幼虫,并且呈现保守的体节边界表达特征。研究结果表明,hairy和hedgehog在单环刺螠幼虫体节中的表达图式与小头虫等典型体节动物中的表达图式基本一致。     

结合BM3D和多级非线性加权平均中值滤波的遥感影像混合噪声去噪方法

提出了一种基于三维块匹配（BM3D）和多级非线性加权平均中值滤波的遥感影像混合噪声去噪方法,使用coief3小波和sym2小波替换传统三维块匹配算法中的bior1.5和hear参数,将三维块匹配算法和多级非线性加权平均中值滤波相结合以提高算法对混合噪声的去噪能力。进行一个仿真对比试验和一个真实遥感影像去噪试验,试验表明,本文提出的方法在遥感影像混合噪声去噪方面效果要优于传统混合噪声去噪方法。     

基于高分遥感影像的建筑物侧面信息提取及其高度计算

本文选取成都市某一区域建筑物A、B为研究对象,采用分辨率为0.61 m的Quick bird影像,运用图像分割法和LVQ神经网络算法,提取建筑物侧面信息,根据假设法原理,构建高度计算物理模型,求取建筑物高度。对比实测数据,结合可能影响实验结果的实地因素、遥感影像因素进行精度分析与评价,探讨基于高分遥感影像的建筑物侧面信息提取和高度计算的方法。结果表明,LVQ神经网络算法在建筑物侧面提取和高度计算中有更好的应用价值,精度高达94%。     

载波相位平滑时间常数对GBAS精度增强的影响

陆基增强系统(GBAS)是利用载波相位平滑伪距差分修正实现对导航辅助定位的. 其中,平滑时间常数是影响载波相位平滑伪距精度的关键参数. 本文分析研究了不同平滑时间下电离层时间梯度和空间梯度对Hatch滤波的影响. 在结合电离层时空梯度和多径效应引起的滤波总误差方差的基础上,推导出自适应的最优平滑时间常数. 分别对GBAS静态和动态两种环境下的定位误差进行实验,实验结果表明,采用本文推导出的自适应平滑时间常数降低了GBAS伪距测量误差,从而使定位精度得到增强.      

顾及水陆差异的高分五号影像条带去除

高分五号搭载的可见光短波红外高光谱相机,能获取精细的地物光谱信息,具有十分广泛的应用前景。但高光谱卫星遥感数据往往无法避免条带噪声的干扰,进行条带去除是数据预处理中不可缺少的步骤。传统方法往往对地物的异质性与丰富的细节纹理考虑不足,导致条带不能被彻底地消除。为此,本文提出了一种顾及水陆差异的影像条带去除方法,采用水体与陆地区别统计的策略,解决条带噪声在异质区域的统计特征差异问题,并结合优化统计和一维变分滤波技术实现水陆区域参考统计特征的精确估计,最终基于矩匹配方法分别实现条带去除。实验结果表明:无论是真实实验还是模拟实验,本文提出的算法相较于传统条带去除算法,能更加稳健地去除数据条带噪声,还原地表真实辐射信息;在模拟实验中,本文算法处理结果的峰值信噪比(PSNR)达到46.58,且平均绝对误差(MAE)仅有11.56,均明显优于用于比较的3种传统算法,且算法执行效率也具备优势,能够更好地适用于高分五号大数据量的处理需求。     

酉阳河流域典型年汛期的基流分割研究

基流分割是水文学研究中的重难点问题之一,目前基流分割也存在许多方法.基于酉阳河典型年汛期实测日平均流量资料,分别采用Chapman-Maxwell改进方程数字滤波法一次滤波(参数N=1)以及二次滤波(参数N=2)、BFI(f)法、HYSEP固定步长法、HYSEP滑动步长法、HYSEP局部最小值法进行基流分割并对其结果进...     

改进分数阶达尔文粒子群的多Renyi熵图像分割算法

针对智能优化图像分割算法易陷入局部最优、分割精度不高等问题,本文融合改进的分数阶达尔文粒子群算法和二维Renyi熵多阈值,提出了一种新的多阈值遥感图像分割算法。算法利用粒子自身进化信息来定义进化因子,结合进化因子并利用高斯图函数调整分数阶次a系数以实现精确计算和快速收敛;根据局部最优概率因子对局部最优位置进行Levy飞行随机扰动以提高算法跳出局部最优的能力;同时将二维Renyi熵单阈值扩展到多阈值分割上,并结合改进的分数阶达尔文粒子群算法,将二维Renyi熵多阈值应用于遥感图像分割中仿真结果表明,与其他2种智能优化分割算法相比,本文分割算法在细节处理和分割精度上均有明显优势,在PRI上至少提升7.27%、VOI至少降低6.5%、GCE至少降低10.4%.     

结合MST划分和RHMRF-FCM算法的高分辨率遥感图像分割

针对基于像素的HMRF-FCM算法抗噪性差以及对地物复杂边界分割精度低的问题,提出一种结合形状信息的静态MST区域划分和RHMRF-FCM算法的高分辨率遥感图像分割方法。该方法定义一种静态MST同质区域划分准则,借助MST能较好表达边界和形状信息、能较好抑制几何噪声的特点,解决地物复杂边界的表达和降低分割结果中几何噪声问题。首先,利用MST静态划分将图像域划分成若干个均质区域,假设每个均质区域内光谱测度服从独立同一的多元高斯分布。然后,在此基础上构建了区域隐马尔可夫随机场模型,以及建立基于信息熵和KL信息正则化项的模糊聚类目标函数。最后,采用偏微分方法对分割模型参数进行求解,从而得到全局最优分割结果。为验证本文方法,对WorldView-3高分遥感图像进行分割试验。定性、定量分析了尺度参数、光谱相似性参数和区域紧致度参数对最优分割结果的影响,并对比分析本文算法和eCognition软件中的多分辨率分割算法、分水岭算法。