高原山区局部大地水准面精化方法研究

局部大地水准面精化的实质是精确计算出大地水准面的起伏变化情况。一般情况下,需要密度足够的重力数据,依重力异常密集计算大地水准面差距或高程异常。但是在大陆西部高原山区重力点密度是不够的,无法达到大地水准面精化的目的。本文从理论上证实了用地形和岩石密度数据进行局部大地水准面精化的可行性。     

简化模糊H-ARTMAP神经网络在高光谱遥感分类中的应用

人工神经网络作为一种不需估计类别分布参数的遥感影像分类方法,能够克服分类中的不确定性,提高分类精度。模糊ARTMAP人工神经网络具有稳定、泛化性能好、支持增量式学习等特点,通过对简化模糊AR-TMAP神经网络和H-ARTMAP神经网络的分析和集成,构造了一种用于高光谱遥感影像分类的简化模糊H-ART-MAP网络。实验证明该方法在分类效率、运算时间和分类精度等方面都优于最大似然分类、BP神经网络、最小距离分类、光谱角制图模型等分类方法。     

坐标相似变换模型的探讨

常用的坐标转换模型,讨论了大地高的不确定性对应用Bursa模型进行坐标转换的影响。结合工程应用的实际情况,选择平面坐标转换模型对北京地方坐标与西安80坐标进行转换,转换精度满足实际需求。     

基于时刻独立脉冲耦合神经网络的高空间分辨率摇感影像分割

高空间分辨率遥感影像中地物目标内部光谱信息复杂性的增强,使得传统基于光谱特征值的数据处理方法效果不再显著,影像分割为解决这一问题提供了一种思路,成为当前高空间分辨率遥感影像处理的研究焦点.时刻独立脉冲耦合神经网络具有状态相近、空间相邻神经元相互耦合同步脉冲激发和区域之间神经元脉冲激发时刻独立两大特点,已被应用于非遥感影像分割中,并取得较好效果.本文结合高空间分辨率遥感影像特点,通过对网络参数进行实验和分析,提出一个基于时刻独立脉冲耦合神经网络的高空间分辨率遥感影像分割方法,并利用空间分辨率0.3m的航空影像进行了数据试验,将分割结果进行讨论并与现有时刻独立脉冲耦合神经网络方法和ISODATA方法分割结果进行对比分析.结果表明:时刻独立脉冲耦合神经网络在高空间分辨率遥感影像分割处理中具有很好的应用前景.     

BP神经网络在局部似大地水准面精化的应用

针对高程拟合中的模型误差问题,采用BP神经网络方法进行拟合,可以减小模型误差,提高似大地水准面的精化精度。在焦作市局部似大地水准面精化算例中,BP神经网络高程拟合取得了良好的效果。     

Chebyshev逼近滤波器在位场分离中的应用

在对经典FIR数字滤波器的设计方法进行研究的基础上,提出了一种可以用于位场分离的基于Chebyshev最佳一致逼近原理的FIR滤波器的设计方法。在理论模型实验中,采用基于Hanning窗的低通滤波器计算出的区域异常最大误差为6.266×10^-6 m/s² ,均方差为2.115×10^-6 m/s² ,最大百分比误差为22.2%,而且计算点在±9 km以外的误差均大于10.1%。而利用最佳一致逼近原理分离出的区域场和局部场与理论异常值拟合得较好,曲线基本重合。分离出的区域异常最大误差为3.101×10^-6 m/s² ,均方差为0.989×10^-6 m/s² ,最大百分比误差仅在边部的几个数据上,为7.76%,其余各点的误差均小于4.1%。实例检验中将该方法用于孙吴—嘉荫剖面布格重力异常场的分离,分离出的区域场中局部场残留少,分离彻底,效果较为理想。     

2DPCA在遥感图像压缩中的应用

Two Dimensional Principal Analysis是新近提出的一种图像分析方法,并已在特征提取与人脸和物体识别中得到较好应用.由于2DPCA本身就具有数据压缩功能,在用于去除图像的空间相关性中,可实现对数据的压缩,尤其是对高光谱或多光谱遥感图像的压缩.实验结果表明,这类方法不仅有效,而且压缩性能良好.     

潜水蒸发系数综合分析

利用河北省冉庄水资源实验站、安徽省五道沟水文水资源实验站、山西省太谷均衡实验站实测的潜水蒸发资料,对潜水蒸发及潜水蒸发系数的变化规律进行了综合分析。提出了不同岩性、不同潜水埋深在有无作物生长条件下的潜水蒸发系数。为华北地区水资源平衡计算潜水蒸发系数的选定提供了参考数据。     

玉米冠层FPAR的高光谱遥感估算研-基于PCA方法及近、短波红外波段

光合有效辐射分量(Fraction of Photosynthetically Active Radiation,FPAR)是进行生态系统功能和全球变化研究的重要参数,准确估算FPAR具有重要意义。通过对野外实测玉米高光谱数据和光合有效辐射数据的分析,探讨了主成分分析方法在高光谱信息提取及估算玉米冠层FPAR参数方面的可行性,在此基础上,结合植被指数验证FPAR估算效果,分析近红外及短波红外高光谱数据在FPAR估算方面的应用潜力。     

改进相似性测度的高光谱影像FCM聚类分析

高光谱遥感将反映目标辐射属性的光谱信息与反映目标空间几何关系的图像信息有机地结合在一起,能够实现地面目标的精细分类识别。FCM是一种有效的聚类算法,但存在相似性测度模型单一、分类精度的提高受到限制等问题。文中结合高光谱影像的技术特点,综合考虑光谱曲线的形状、地物辐射亮度及其权重,提出可以更好描述光谱向量之间的相似性的距离测度,并将其引入到FCM聚类模型中。聚类分析试验结果表明：通过改进和优化相似性测度的FCM,可以显著提高高光谱影像聚类精度。