Landsat遥感影像正规化处理的模型比较研究

卫星遥感影像在接收的过程中由于受到许多因素的干扰,使影像的质量受到一定程度的影响。而不同时相的影像也会因为成像时光照和大气条件的不同而出现差异。因此,在使用遥感影像之前往往需要进行必要的辐射校正。目前,主要用于辐射校正的两种基于影像的正规化模型分别是Markham和Irish等人提出的校正日照差异的正规化模型(ICM)和美国尤他州立大学遥感和地理信息系统实验室新近提出的日照大气综合校正模型(IACM/IACMt)。本文以三对不同时相的Landsat TM/ETM+影像为例,利用不变特征地物法求出各影像的相对噪音、RMSE和斜率,并用这些指标来对模型进行定量对比和评价。结果表明,当不同时相影像之间的季相、太阳天顶角和大气条件有较大差别时,经过正规化处理的遥感影像的噪音和RMSE比未经正规化处理的影像得以明显降低,且斜率更接近于1,镶嵌接缝淡化,效果更好。但如果遥感影像之间的季相一致、成像时的太阳天顶角接近,且影像晴空无云的话,则经过正规化处理的影像和未经该处理的影像之间的区别并不大。就正规化模型之间的对比而言,当影像无明显的大气影响时,ICM要好于IACM;但当受到明显的大气影响时,带有τ值的IACMt模型更好。     

从瞬变电磁场到波场的优化算法

在波场的正变换中,保证瞬变电磁场的计算精度的同时,应用两步最优化算法,成功地控制和减少了积分系数个数和离散数字积分的采样点个数,解决了在波场反变换式中,由于积分系数过多而产生的欠定方程组的问题,同时改善了第一类算子方程的不适定性.在波场反变换中,将正则化算法用于逆变换过程的计算中,通过采用偏差原理和Newton迭代格式选出最优的正则化参数,使得反变换所得到的波场稳定、可靠.通过对数值计算结果与已知波场函数对比,证明了该方法的有效性和实用性.     

结合贝叶斯理论和MRF的主被动遥感数据协同分类

提出一种基于贝叶斯理论和马尔科夫随机场MRF(Markov Random Fields)的主被动遥感数据协同分类方法。该方法依据光学与微波遥感数据在地物提取中的各自优势,首先对ASAR后向散射系数进行入射角归一化,然后构建一种基于贝叶斯理论和MRF的分类器,以归一化后的ASAR双极化数据与TM7个波段共同参与分类。分别对ASAR入射角归一化的有效性和主被动协同的必要性进行验证,结果表明,采用本文方法的分类精度达到89.4%,较未进行角度校正的主被动数据协同分类的精度提高了4.1%,较单独TM分类的精度提高了11.5%,体现出主被动遥感数据协同在分类上的潜力。     

高光谱图像的JM变换自适应降维

在无需先验标签样本的情况下,非监督降维可以有效简化高光谱图像的特征空间,避免目标分类中的霍夫效应。本文提出JM非线性变换优化的自适应降维模型来研究面向图像目标分类的高光谱波段选择问题。该方法考虑波段的信息量和独立性等两个重要因子,针对其测度方法的差异性问题,引入JM变换函数进行规范化优化。选用线阵高光谱和面阵显微光谱等两个图像数据集,在k最邻近和随机森林分类器下,进行了多组监督分类实验,结果表明,在Kappa系数、总体分类精度和平均分类精度上,本文方法均优于3种非监督方法MABS、InfFS和LSFS。说明本文提出的JM变换的自适应降维模型能够有效降低特征维度,满足高光谱图像分类的高精度要求。     

濮阳棉铃虫气象预报模式的建立与应用

根据濮阳市气象条件的变化对棉铃虫特别是对棉铃虫虫源影响的特点,按照棉铃虫繁育规律,将棉铃虫周年活动期划分为秋季预蛹期、越冬期、春季羽化期、夏季危害期4个阶段;分阶段选取有昆虫学、统计学意义的气象因子,通过归一化处理和加权组合,组成棉铃虫气象指数,建立多时效、归一化棉铃虫气象预报模式和分析、评价指标.     

海洋CSEM法探测二维海底天然气水合物响应特征

针对海底天然气水合物开展了可控源电磁探测法(Controlled-source Electromagnetic Method,CSEM)响应研究,根据实际地质资料设计二维地电模型并进行正演计算,讨论了频率变化对CSEM响应结果的影响以及海底地形起伏时的CSEM响应特征。综合天然气水合物二维正演模拟结果,论证了海洋CSEM探测海底天然气水合物的可行性,研究成果可为今后的海底天然气水合物勘探提供技术支持。     

常态化地理国情监测内涵的再认识

地理国情监测的概念提出将近四年时间,相关讨论和研究较多,但对其工作内容、组织方式等问题的看法和结论却是各不相同的,甚至大相径庭,导致各地测绘地理信息部门在推进该项工作时方向不够清晰。本文从历史发展的角度和战略高度分析探讨了地理国情监测工作的内涵,分析其按需测绘工作的特点、工作内容等,力图为测绘地理信息部门开展地理国情监测工作提供参考和借鉴。     

Relative Radiometric Normalisation - performance testing of selected techniques and impact analysis on vegetation and water bodies

In this paper, six image-based Relative Radiometric Normalization (RRN) techniques were applied to normalize the bi-temporal Landsat 5 TM data-set. RRN techniques do not require any atmospheric and ground information at the time of image acquisition. The target image for the year 2009 was normalized in such a way that it resembled the atmospheric and sensor conditions similar to those under which the reference image of the same season for the year 1990 was acquired. Among the selected methods applied, it was found that the Iteratively Reweighted Multivariate Alteration Detection (IR-MAD) method performed better, based on the error statistic. The IR-MAD technique was found to be advantageous as it identified a large set of true time-invariant pixels automatically from the change background using iterative canonical component analysis. The technique also stretches the values of Normalized Difference Vegetation Index and Normalized Difference Water Index and may help to distinguish different vegetation and water bodies better.     

常态化地理国情监测领域研究

第一次全国地理国情普查结束后,如何尽快稳步地推进常态化地理国情监测工作,是摆在测绘地理信息部门面前的一个重要课题。本文研究提出了常态化地理国情监测工作的基本原则和战略目标,阐述了常态化地理国情监测的8个领域的主要内容。     

神经网络BP算法中的误差及其改进方法研究

人工神经网络(Artificial Neural Networks)是模仿人脑结构和功能的一种信息处理系统。该方法在处理非线性问题上具有其独特的优越性,在工程应用中越来越被人们所关注。与此同时,神经网络计算的精度和收敛速度也成为人们普遍关心的问题。本文试验发现BP算法在归一化过程中存在最值误差和区间变形误差,在此基础上,本文对常规BP网络进行了改进,提高了BP网络的预测精度。