用MODIS数据和分裂窗算法反演内蒙古地区的地表温度

地表温度是气象、水文、生态等研究中一个重要参数。大气透过率和比辐射率是分裂窗算法的两个重要输入参数,本文利用MODIS数据的可见光波段(band1)和近红外波段(band2、19)计算该两个参数;再利用MODIS数据的两个热红外波段(band31、32)和分裂窗算法对内蒙古地区地表温度进行了反演;结果表明,遥感反演出来的地表温度的空间分布与内蒙古气候区地空间分布具有高度的一致性,能直观地反应内蒙古地区地表温度的空间分布特征。     

多相位水平集高分辨率遥感影像非监督分类

高空间分辨率遥感影像(特别是城区场景)常表现出高的光谱异质性、地物细节丰富且地物拓扑关系复杂等特点,这对影像分类产生较大干扰,导致分类精度不高。针对以上情况提出一种新的非监督多相位水平集分类方法:该方法以基于区域竞争思想及Bayes准则的多相位水平集分类框架作为高分辨率遥感影像分类的基础,通过采用Parzen窗非参数密度估计方法来改善复杂场景下样本概率密度估计的准确性,从而增加分类模型的抗干扰能力;此外,为提高多水平集模型演化效率,在模型求解中提出一种简单而有效的水平集函数重初始化方案。通过与前人工作的试验对比及分析,验证了提出的模型在复杂场景及存在上述干扰的情况下表现出好的分类效果。     

多参数信息扩散估计的精度评定

作为一种稳健估计方法,同选权迭代估计一样,信息扩散估计也是通过对粗差观测值降权达到抗差效果,由于不需迭代,信息扩散得到的权就相当于迭代稳定后的权.在此思想基础上,讨论高斯-马尔柯夫模型下多参数信息扩散估计的精度评定方法.     

自适应空间邻域分析和瑞利-高斯分布的多时相遥感影像变化检测

提出了一种基于自适应空间邻域分析和瑞利-高斯模型(Rayleigh-Gauss models, RGM)分布的多时相遥感影像自动变化检测方法。该方法把自适应空间邻域信息和改进的差值影像与比值影像乘积变换融合 法(improved multiplying transform fusion, IMTF)结合构造差异影像, 可以有效地抑制噪声和消除多时相影像之间配准误差的影响, 具有更强的鲁棒性。在对差异影像的分割处理中, 运用瑞利和高斯模型分别模拟变化类像元和非变化类像元的分布情况, 然后估计出两类像元的概率     

双重投影在高速铁路测量中的应用分析

针对目前我国高速铁路测量采用的高斯投影独立坐标系每个投影带可控制范围太小,给施工带来很多不便的问题,提出了首先将椭球面经纬度投影至球面后再沿铁路线方向进行斜墨卡托投影的原理、方法和计算步骤,并通过算例分析其在高速铁路测量应用中的可行性,该投影方法与目前施工单位正在使用的高斯投影相比较具有明显的优点。     

网络化测绘数据处理探讨及其实现

从测绘数据处理的基本原理、公式出发,探求在现代计算机系统及网络环境下的数据处理方式和实现方法,并利用C++和网络编程语言PHP进行实际程序设计,具体实现了一个具有常用大地测量计算、摄影测量立体像对交会计算、GPS单点定位计算等功能的网络在线处理系统.     

CAD数据坐标转换方法的研究

AutoCAD图形文件是当前国内测绘产品所采用的一种通用文件格式。本文在对DXF数据格式分析的基础上,介绍了一种利用Visual C++程序实现DXF数据坐标转换的方法。在实际工作中通过实例证明本方法转换快速、严密且转换结果正确。     

基于高斯混合模型的海冰图像非监督聚类分割研究

为了利用海冰图像识别技术获取海冰冰况信息, 探索了利用高斯混合模型进行海冰图像分割的技术途径, 描述了具体算法, 并利用高斯混合模型的最大期望值（EM）算法以及最小描述长度（MDL）准则对渤海海冰图像进行目标提取。研究结果表明, 该方法可以很好地实现海冰信息的有效提取和海冰图像的有效分割, 从而证明了建立在图像分割技术...     

融合储层纵向信息的机器学习岩性识别方法

测井资料中包含丰富的岩性信息,相比于取心资料,具有连续性强、成本低等优点。用机器学习方法探索测井曲线与实际取心段样本岩性之间的关系,实现储层岩性的自动识别,降低岩性识别成本,提高识别效率和准确性,可以为储层评价提供有效手段。基于岩性分类依据选择适合样本的分类方案,选取适合岩性分类问题的机器学习方法设计试验方案,提出了融合储层纵向信息的机器学习岩性识别方法,利用深度窗对常规测井数据和已知岩性数据进行了序列采样,生成了训练样本。用逻辑回归、支持向量机、随机森林、卷积神经网络和Stacking集成学习5种不同方法分别建立模型,对新疆某油田的强非均质岩层原始样本进行了岩性识别。结果表明,当深度窗宽度与岩层厚度相匹配时,在原始样本具有强非均衡性的情况下,用本方法对其进行预处理之后,各个机器学习方法获得的岩性识别准确率均有较大提高。深度窗的宽度决定了方法识别岩层厚度的精度,深度窗越小,识别精度越高;深度窗越大能够保留的纵向信息越多,对相应厚度的岩层识别准确率越高。本文的融合储层纵向信息的机器学习岩性识别方法能提升测井资料岩性识别的准确性,给非均质薄岩层的自动有效识别提供了经济有效的参考方案。     

基于VMD和WinLSP相结合的GNSS-R海平面高度估测模型

全球导航卫星系统反射（Global Navigation Satellite System-Reflectometry,GNSS-R）技术是一种新兴的监测海平面高度变化的技术。本文依据GNSS-R技术中的信噪比分析法的原理,通过分析其分离趋势项和提取振荡频率的过程,建立了新的估测模型以提高反演精度。针对传统模型存在的信号分离不佳的问题,本文提出使用变分模态分解（Variational Mode Decomposition,VMD）算法替换传统的最小二乘拟合法（Least Squares Fitting, LSF）进行趋势项分量的分离。在此基础上,本文引入基于凯塞窗函数改进的LSP(Lomb-Scargle Periodogram)频谱分析法（记为WinLSP）来减弱因频谱泄露带来的反演误差。在瑞典翁萨拉的GTGU站和美国阿拉斯加州的SC02站开展的海平面高度反演实验结果表明,本文建立的估测模型相比于传统模型具有更高的反演精度。基于VMD+WinLSP估测模型得到的GTGU站反演结果的均方根误差（RMSE）、相关系数和反演点数分别为4.70 cm、0.98和5 647。与传统的LSF+L...