基于传感器光谱特性的全色与多光谱图像融合

提出了一种基于传感器光谱特性的全色与多光谱影像融合方法.该方法主要基于快速IHS融合方法的思想,在充分考虑各波段成像传感器的相对光谱响应的基础上,对强度分量的构造和空间细节信息的注入方式2个方面进行了改进.改进后的方法有效地改善了光谱畸变问题,且能同时对所有的光谱波段进行融合.分别对IKONOS、ETM+影像进行融合实验,结果表明该方法在光谱信息损失最少的情况下,较大地提高了影像的空间分辨率,与其他方法相比具有更好的综合性能.     

估算混合植被叶绿素含量的理想波段分析

应用Lopex数据库评价了19个波谱指数对物种的敏感性, 分析了叶绿素含量与波谱反射率以及波谱导数的相关性, 目的在于探寻对叶绿素含量变化的敏感性, 对物种和叶片结构变化不敏感的理想波段, 应用大尺度遥感数据估算混合植被冠层叶绿素含量。分析结果表明：红边指数对混合植被的叶绿素含量具有较好的指示作用;估算冠层叶绿素含量的理想波段为698—710nm附近较窄的波段范围;对于波谱导数, 估算混合植被叶绿素含量的理想波段范围为720—735nm和535—550nm附近波谱导数。     

基于à trous小波分解的SAR图像噪声滤除方法

合成孔径雷达(SAR)以其特有的全天时、全天候成像能力,在对地观测领域中发挥着重要的作用。由于雷达回波的相干性,SAR图像上存在着斑点噪声,为消除这种噪声,提出了一种基于à trous小波算法的组合滤波方法,该方法首先将SAR图像分解至静态小波域,然后对噪声的小波系数进行基于中值的平滑处理,最后对低频信号进行均值滤波。将此算法应用于新疆库车县的一幅RADARSAT图像进行斑点噪声滤波,并与另外3种典型的SAR图像滤波算法进行比较,结果表明,该方法不仅可以有效地去除斑点噪声,并且可以保持SAR图像的精细纹理结构。     

基于ETM+的植被覆盖信息提取及其动态变化分析——以广州市为例

以2000年和2005年ETM+影像为数据源,在水体掩膜和端元光谱优选对比基础上,利用线性光谱模型提取了广州市植被覆盖信息,并对植被覆盖信息的时空动态变化进行了定量分析,结果表明:应用线性光谱模型之前对所占面积不大的水体进行处理是非常必要的,选取植被、硬化地面、土壤三端元法比包含阴影的四端元法更有利于线性光谱分离,而且能达到很高的精度;此外,通过对植被覆盖信息空间结构和景观格局的研究,显示:2000-2005虽然广州市绿化取得了初步成效,但总体植被覆盖状况呈下滑趋势,植被景观破碎程度增加,各植被景观形状趋于复杂化,城市化的发展加之人类活动的干扰,低植被覆盖区不断扩大,而中、高植被覆盖区正处于不断退化时期。     

土壤有机质光谱特征研究(英文)

The study on soil spectral reflectance features is the physical basis for soil remote sensing. Soil organic matter content influences the soil spectral reflectance dramatically. This paper studied the spectral curves between 400 nm∼2500 nm of 174 soil samples which were collected in Hengshan county and Yixing county. Fourteen types of transformations were applied to the soil reflectance R to remove the noise and to linearize the correlation between reflectance (independent variable) and soil organic matter (SOM) content (dependent variable). Then, the methods such as derivative spectrum technology and stepwise regression analysis, were applied to study the relationship between these soil spectral features and soil organic matter content. It shows that order 1 derivative of the logarithm of reflectance (O1DLA) is the most sensitive to SOM among the various transform types of reflectance in consideration. The regression model whose coefficient of determination reaches 0.885 is built. It predicted the soil organic matter content with higher effect. Supported by the National Natural Science Foundation of China (No. 40271007).     

基于四分量散射模型的多极化SAR图像分类

基于四分量散射模型提出了一种多极化SAR(synthetic aperture radar)图像非监督分类算法。与Freeman三分量散射模型不同,四分量散射模型在Freeman三分量的基础上增加了螺旋散射分量(helix),该分量反映了复杂地貌和不规则城市建筑的散射机理,可以用来处理复杂的场景图像。算法强调了初始分类的重要性,在初始分类中考虑了混合散射机制像素的存在,从而提高了分类结果的精确度。聚类过程中,采用由四个散射分量组成的特征向量进行迭代聚类。为了实现算法的完全非监督,利用特征向量给出了一种新的聚类终止准则。NASA/JPL实验室AIRSAR全极化数据分类实验结果表明,该算法具有较好的分类效果,并获得了较高的分类精度。     

基于光谱相关性的SVM高光谱遥感影像分类

根据高光谱遥感影像数据特点,首先利用光谱相关性进行特征选择,然后引进SVM进行高光谱遥感影像分析解译,最后利用AVIRIS影像进行试验,结果显示分类精度和时间比常规方法都有很大改善。     

基于无监督机器学习的胶州湾海底工程环境适宜性综合评价

海岸带工程地质环境的稳定性对于海洋工程的建设安全和沿海经济繁荣十分重要。在胶州湾海域已有地质、水文等数据的基础上,对胶州湾海底工程环境适宜性进行了分区。通过无监督机器学习的谱聚类算法,构建了胶州湾海底工程环境适宜性综合评价模型。结果表明,胶州湾整体工程环境适宜性趋势为北高南低,从北向南依次可分为适宜性高、适宜性较高、适宜性较低和适宜性低四个区域。相关性分析表明,影响胶州湾海域海底工程适宜性的因素从高到低依次为冲淤分布、沉积物类型、坡度、第四系沉积物厚度、水深、海流流速、断裂分布。本研究可为胶州湾工程环境和地质灾害预防提供参考,有助于海洋工程环境稳定和经济安全保障。     

Numerical Study of Two-Dimensional Focusing Waves

Two-dimensional focusing waves are generated and investigated by numerical method. The numerical model is developed by introducing the wave maker boundary on the high-order spectral （HOS） method proposed by Dommermuth and Yue in 1987 and verified by theoretical and experimental data. Some cases of focusing waves considering different parameters such as assumed focusing amplitudes, frequency bandwidth, central frequency and frequency spectrum are generated. Characteristics of the focusing wave including surface elevations, the maximum crest, shift of focusing points and frequency spectra are discussed. The results show that the focusing wave characteristics are strongly affected by focusing amplitudes, frequency bandwidth, central frequency and frequency spectrum.     

���ھ�������ֵ�ֽ�Ķϲ�λ��ģ�Ͳ�������

???t??????????????о????λ?????????????????????????????????????,???λ?????????????λ????????λ?????????????????????????????λ?????????????????????????Χ??????????????????