植被覆盖区高光谱遥感影像上蚀变岩与蚀变矿物信息的提取

在高光谱遥感找矿应用中,从影像上提取的蚀变信息经常包含了很多对找矿无用的信息。为了避免这些无用信息,本研究选取植被覆盖的云南普朗斑岩铜矿区作为研究区,使用该区高光谱遥感数据分别提取蚀变岩和蚀变矿物的信息,分析它们对找矿的有用性。提取蚀变矿物信息使用的是从影像上提取的矿物端元参考光谱,光谱匹配采用的是光谱角方法;提取蚀变岩信息使用的是野外蚀变岩参考光谱,光谱匹配不仅考虑光谱的整体形态,而且考虑吸收谷位置形态。在蚀变岩识别图上,4个典型蚀变岩点的野外验证表明:识别结果与实地地物基本一致。但是,在蚀变矿物信息图中,这4个圈定点无任何信息。这表明:这些点的蚀变岩信息较其表面蚀变矿物信息更丰富,因而能被有效提取出。通过比较蚀变岩、蚀变矿物的信息分布图,发现:一些粘土矿物(比如硬石膏和高岭石)的大量信息分布在沉积岩区,因而可能是假的蚀变信息。这表明:通过蚀变岩光谱获取的蚀变信息比通过蚀变矿物光谱获取的蚀变信息更可靠。在蚀变岩信息提取中,比较吸收谷位置识别前后的结果表明:考虑光谱整体和局部形态比仅考虑整体形态的识别结果具有更高的可靠性。     

融合光谱-空间信息的高光谱遥感影像增量分类算法

提出了一种融合光谱和空间结构信息的高光谱遥感影像增量分类算法INC_SPEC_MPext。通过主成分分析(PCA)提取高光谱影像的若干主成分,利用数学形态学提取各主分量影像对应的形态学剖面(MP),再将所有主分量影像的形态学剖面归并联结,组成扩展的形态学剖面(MPext)。将MPext与光谱信息相结合以增加知识,最大限度地挖掘未标记样本的有用信息,优化分类器的学习能力。不断从分类器对未标记样本的预测结果中甄选置信度高的样本加入训练集,并迭代地利用扩大的训练集进行分类器构建和样本预测。以不同地表覆盖类型的AVIRIS Indian Pines和Hyperion EO-1Botswana作为测试数据,分别与基于光谱、MPext、光谱和MPext融合的分类方法进行比对。试验结果表明,在训练样本数量有限情况下,INC_SPEC_MPext算法在降低分类成本的同时,分类精度和Kappa系数都有不同程度的提高。     

高光谱影像光谱-空间多特征加权概率融合分类

提出了一种基于光谱-空间多特征加权概率融合的高光谱影像分类方法。首先,利用最小噪声分离(minimum noise fraction,MNF)方法对高光谱影像进行降维和特征提取,并以得到的MNF特征影像作为光谱特征,联合灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取的纹理特征、基于OFC算子建立的多尺度形态学特征以及采用连续最大角凸锥(sequential maximum angle convex cone,SMACC)提取的端元组分特征,组成3组光谱-空间特征;然后利用支持向量机(support vector machine,SVM)对每一组光谱-空间特征进行分类,得到每组特征的概率输出结果;最后,建立多特征加权概率融合模型,应用该模型将不同特征的概率输出结果进行加权融合,得到最终分类结果。为了验证该方法的有效性,利用ROSIS和 AVIRIS影像进行试验,总体分类精度分别达到97.65%和96.62%。结果表明本文的方法不但较好地克服了传统基于单一特征高光谱影像分类的局限性,而且其分类效果也优于常规矢量叠加(vector stacking,VS)和概率融合的多特征分类方法,有效地改善了高光谱影像的分类结果。     

高光谱影像信息向量机分类

信息向量机是一种基于贝叶斯理论的稀疏高斯过程方法,其模型训练速度快、内存耗费小、稀疏性强,具有良好的预测性能。本文从高斯过程回归模型出发,提出了一种基于信息向量机的高光谱影像分类方法,针对高斯过程分类中的非高斯噪声模型,采用假定概率滤波算法将分类问题转化为回归问题,通过最大化边缘似然函数进行模型训练,选择活动子集中的信息向量数量达到了稀疏的目的。通过ROSIS影像试验,表明了基于信息向量机的高光谱影像分类方法的优势。     

顾及时空特性的SBAS高质量点选取算法

SBAS技术中常用的相干系数选点方法受旁瓣效应的影响,容易造成部分高质量点的漏选以及低质量点的误选。针对这一问题,本文提出了顾及时空特性的SBAS高质量点选取算法,根据干涉相位各个成分的空间特性,分离出噪声相位判别点的质量。试验表明考虑同质点的Non-Local滤波能够更加可靠地提取干涉相位中的空间相关相位,从而提高噪声相位估计的准确性。利用覆盖上海地区1992—1998年的24景JERS-1影像作为试验数据,分别用相干系数法以及本文的方法进行选点。结果表明本文算法能够有效地选出相干系数法在农田与村落交错地区漏选的高质量点,同时排除了相干系数法由于旁瓣效应影响的误选点。     

IGS跟踪站的大地高时间序列特征分析

应用国内几个IGS跟踪站在U方向的观测数据,分析研究跟踪站大地高的变化趋势。通过对时间序列进行奇异谱分析和傅立叶变换分析,表明大地高时间序列具有一定的周期性,且周期特性明显,时间序列的时频特性表现出明显的区域性。     

小区域内用大地高差代替正常高差探究

大地高和正常高都是高程系统,两者由于参考基准的不同,在实际测绘工作中,正常高往往比大地高更为实用,但是有时候人们往往只想知道某两点之间的高差是多少,而并不关心其高程是多少。本文探讨了在小区域范围内,用大地高高差代替正常高高差的可行性,提高了大地高的使用价值。     

基于纵横断面的机载雷达点云数据滤波

针对现有基于坡度滤波的改进方法难以同时提升滤波速度与精度的问题,文章提出了一种基于纵横断面的机载LiDAR点云数据滤波方法。该方法视测区为多个断面构成,以行(列)为滤波基本单位,兼顾高程突变的方向信息,分别从纵横断面以基于坡度的判据进行滤波处理,可同时提高计算速度与结果精度。实验结果表明,该算法计算速度快,并且对于不同特征的地形都能取得较好的滤波效果。     

资源一号02C与Landsat8影像融合方法对比分析

针对以往关于资源一号02C和Landsat8卫星影像数据融合的研究不足的问题,该文利用前者在空间分辨率上高于后者、后者具有前者所不具有的光谱信息这一特性,选取主成分变换法、比值变换法、色彩变换法、高通滤波法和超分辨率贝叶斯法5种融合方法,分别对两种数据本身及数据间进行融合,并利用定性与定量的方法对融合结果进行评价,得出:资源一号02C星全色波段与多光谱波段数据融合结果中高通滤波法与超分辨率贝叶斯法效果较好,Landsat8OLI全色波段与多光谱数据融合结果中高通滤波法效果最好,资源一号02C星全色波段与Landsat8OLI多光谱数据融合结果中高通滤波法效果最好。     

基于卡尔曼滤波的GPS高动态载波跟踪环路设计

针对高动态环境会使接收机接收信号载频上产生很大的多普勒频移及其变化率,普通的GPS载波跟踪环无法保证可靠的跟踪等问题,通过综合分析传统的二阶叉积自动频率控制环(CPAFC)辅助三阶锁相环(PLL)的高动态载波跟踪环路,以及卡尔曼滤波器在动态跟踪中的优势与劣势,该文设计了一种基于卡尔曼滤波的二阶CPAFC辅助三阶PLL的GPS高动态载波跟踪环路。通过仿真分析证明,新的环路能更好地适应动态性,整体跟踪性能更好;并且在信噪比较低的情况下,环路优势更明显。