卫星图像边缘与纹理特征提取

在卫星遥感图像的分析中,提取图像的边缘和纹理特征,对于识别图像的类型,从而完成对目标物体的分析十分重要.根据欧空局提供的Envisat 卫星的共享数据,通过C 程序设计转换成dat数据格式并在Matlab环境中显示.依据卫星遥感图像的特点,讨论了几种图像边缘检测和纹理特征提取的方法,如微分算子、模糊C均值聚类、灰度共生矩阵等,通过分析、比较、判断,应用图像实例验证说明了上述分析方法的有效性与特点.     

数字工具软件对测量平差教学改革的启示

在总结了基础数学教学改革成果的基础上，阐述了将数学工具软件引入测量平差教学的必要性和紧迫性，通过简要介绍Mathematica软件解算测量平差问题的几个实例，展示了数学工具软件在测量平差教学中的应用前景。     

随机森林回归模型用于土壤重金属含量多光谱遥感反演

本文以陕西省柞水县大西沟矿区为研究区域,通过实地采集土壤样本,结合在Landsat 8多光谱遥感影像上提取的辐射亮度值和光谱衍生指数,以及从ASTER GDEM提取的3种地形因素,通过相关性分析确定了建模因子,并以K折交叉验证法建立了砷、铜、铅3种重金属元素的随机森林回归模型。试验结果表明,所建立模型的预测精度优于多元线性回归模型和CART模型,可见随机森林回归模型适用于在小样本情况下的矿区重金属含量反演。经现场调查,空间反演结果与实际情况较符合,证明了基于多光谱遥感的随机森林回归模型在矿区土壤重金属反演中的准确性。     

春季陆面植被对长江流域夏季降水可预报性的影响分析

利用美国全球监测与模型研究中心(GIMMS)1982—2006年逐月归一化植被指数(NDVI)、美国国家海洋和大气局(NOAA)1854—2008年海温资料以及中国国家气候中心(NCC)1951—2006年160站月降水资料,通过旋转经验正交函数分解(REOF)和相关分析获得了长江流域夏季降水预报序列和植被、海温预报因子集。基于最优子集回归方法(OSR),并借助交叉验证(CV)以及空间重建等手段,构建了单独以前期春季海温为预报因子和同时引入前期春季海温与归一化植被指数为因子的两类预报模型,对比分析引入陆面植被因子前后长江流域夏季降水预报效果改善状况,评估春季陆面植被对长江流域夏季降水可预报性的影响及预报效果的稳健性。结果表明:(1)相对于海温因子,春季陆面植被因子对长江流域夏季降水预报具有同样重要性,引入春季归一化植被指数后,长江流域夏季降水预报得到明显改善,相关系数平均由0.49提升到0.66,提高0.17左右,模型解释方差提升平均60%左右,其中单纯海温因子预报效果较差的汉江—淮河地区和淮河流域地区,相关系数更是提高了0.20—0.30,模型解释方差提升1倍左右;(2)交叉验证预报表明,相对于仅考虑海温因子模拟情形,交叉预报相关系数下降较多,模型稳健性较低,引入归一化植被指数后,长江流域夏季降水预报稳健性得到明显提升,长江中下游及其以南的长江三角洲地区、洞庭湖—鄱阳湖地区改善尤为明显;(3)长江流域降水可预报性存在明显的区域差异,嘉陵江流域地区、汉江—洞庭湖地区预报效果最好,汉江—淮河地区、淮河流域地区、长江三角洲地区预报效果最差,但引入归一化植被指数后预报效果提高最明显,而洞庭湖—鄱阳湖地区虽然模拟效果较好,但预报稳健性较低,交叉验证相关系数降幅达到0.27,这也从侧面说明了长江流域夏季降水分区预报的重要性。     

基于AIS距离-多普勒投影的地波雷达CFAR检测验证方法

恒虚警(CFAR)检测是地波雷达船只目标探测的主要方法。目前基于船舶自动识别系统(AIS)信息的CFAR检测验证方法是一种间接验证方式,容易受地波雷达系统测向误差的影响,且不具备对错检与漏检目标的分析能力。本文提出了一种基于AIS信息的评价地波雷达CFAR检测结果的直接验证方法。该方法将有效的AIS信息转换到地波雷达的距离-多普勒谱中,通过在该谱中AIS信息与CFAR检测结果的关联分析,实现CFAR检测结果的直接评价。论文首先给出了方法的原理和处理流程,然后利用实测数据给出了该方法在CFAR检测结果评价中的实际应用,验证了方法有效性,而且该方法也为低可观测目标的CFAR检测提供了参数优化调整的依据。     

简易门禁系统控制器系统设计

介绍了一个以AT89S52单片机为主要处理单元,配合存储电路、复位电路以及其它元器件实现门禁地址的分配及存储判定的门禁控制电路,该控制器通过对串口数据的处理,能实时对PC进行通信并通过实时代码验证各项控制器操作.