基于K-L变换的多光谱图像增强方法

为在多光谱图像增强同时保持其光谱特性,提出了基于K-L变换的多光谱图像增强方法,并在研究如何准确量化增强前后光谱保持度的基础上,提出了光谱特性保持系数的概念.实验结果表明,该方法在对多光谱图像增强的同时,能较好地保持多光谱图像的光谱特性.     

浙西地区“扬子型”铅锌矿床的找矿潜力初探

“扬子型”铅锌矿床的地质特征 一、矿化集中的时空分布 “扬子型”铅锌矿床在准地台周边及其隆起的碳酸盐中分布很广,成矿时期从南华纪至早古生代,最重要的有南华系莲沱组（彭山式）,震旦系陡山沱组上部（董家河式）,震旦一寒武系麦地坪组（大渡河式）,下寒武系清虚洞组（花垣式）。除此,在奥陶系、石炭系和三叠系也有发现。这类矿床形成于晋宁造山后扬子地台伸展裂陷构造环境,是罗迪尼亚超大陆裂解事件的产物。空间上主要分布以下地区：     

Fault Characteristics in Longmen Mountain Thrust Belt,Western Sichuan Foreland Basin,China

Through field geological survey,the authors found that abundant thrust faults developed in the Longmen (龙门) Mountain thrust belt.These faults can be divided into thrust faults and strike-slip faults according to their formation mechanisms and characteristics.Furthermore,these faults can be graded into primary fault,secondary fault,third-level fault,and fourth-level fault according to their scale and role in the tectonic evolution of Longmen Mountain thrust belt.Each thrust fault is composed of several secondary faults,such as Qingchuan (青川)-Maowen (茂汶) fault zone is composed of Qiaozhuang (乔庄) fault,Qingxi (青溪) fault,Maowen fault,Ganyanggou (赶羊沟) fault,etc..The Longmen Mountain thrust belt experienced early Indosinian movement,Anxian (安县) movement,Yanshan (燕山)movement,and Himalayan movement,and the faults formed gradually from north to south.     

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。     

植被波谱空间尺度效应及尺度转换方法初步研究

基于遥感图像的地物识别需要大量地物波谱数据的支持,而现有地物波谱库中收集到的同一地物的波谱,由于其测量尺度和方法的差异,波谱也存在很大差异.以冬小麦为例,首先介绍了材料波谱、端元波谱和像元波谱这3种不同尺度波谱的概念,并以实验数据分析了不同测量尺度下波谱的差别,以此说明波谱尺度转换的必要性.然后利用物理模型和统计模型建立不同测量尺度下的波谱转换关系.分别验证了SAILH模型和线性光谱混合模型在波谱转换中的精度.研究表明,在大尺度上采用统计模型,在小尺度上采用非线性的物理模型可以解释不同尺度观测植被波谱之间的差异.     

基于MSA特征的遥感图像多目标关联算法

遥感图像中多目标关联存在以下两个问题:一是低时间分辨率观测使得目标状态信息无法准确估计,基于Kalman滤波的多目标关联算法不再适用;二是基于图像特征的目标关联算法又无法处理大场景观测中多个目标关联引起的模糊性.针对上述问题,提出一种基于多尺度自卷积特征匹配和关联代价矩阵最优化的多目标关联算法.实验表明该算法对遥感图像中多目标关联问题具有一定的适用性.     

干旱区凝结水研究进展

凝结水是维系干旱、半干旱地区主要食物链的水分来源之一,具有重要的生态意义。较详细地列举了目前国内外在干旱区测定凝结量及其持续时间所采用的研究方法,从凝结水的数量特征以及时间格局两方面阐述了不同地域凝结水的时空差异性,并从气象因素、凝结面的类型及其位置、周边植被对其作用等方面综合分析了影响凝结水发生的主要因素,探讨了干旱区凝结水的生态作用及其意义,展望了干旱区凝结水未来的研究趋势。提出在未来的干旱区凝结水研究中应加强与气象学、生态学等多学科的交叉,从能量平衡角度加强对凝结水量的研究;同时,改进和规范凝结水的测量方法,开展荒漠植被对凝结水的生理响应研究以及凝结水对极端干旱胁迫植物的作用研究。     

镇北地区延长组层序地层划分及含油气特征

依据层序地层学原理,应用钻井、测井和地震等资料,对镇北地区延长组地层层序进行划分.可将其划分成四个三级层序(S1,S2,S3,S4).每个层序又包括三个体系域:即低位体系域、水进体系域和高位体系域.研究结果表明:层序对含油气特征的控制主要表现在两个方面:(1)层序控制了生储盖的组合;(2)层序控制着储层的展布和储集性能,综合反映延长组含油气特征.     

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。     

基于相关系数匹配的混合像元分解算法

遥感影像中的混合像元不仅影响地物识别和分类的精度,而且已成为遥感科学向定量化发展的主要障碍.为此,人们已经提出了多种混合像元分解算法,其中应用最为广泛的是最小二乘法.该方法虽然具有意义明确、简单易行等特点,但也易受局部噪声、大气效应、环境辐射等因素的影响.本文将混合像元分解问题归结为一个基于光谱匹配的非线性最优化问题,并针对最小二乘法的不足提出了一种新的基于相关系数匹配(spectral correlation matching, SCM)的混合像元分解技术.通过在北京市北三环及其以北区域内案例的研究表明:在城市区域内,利用图像选取终端端元的办法,基于相关系数匹配的混合像元分解算法的总体精度高于带全约束的最小二乘法(LS)的分解结果.对比分析表明:在目标光谱的绝对值整体放大或缩小而光谱形状得到了很好的保持、及局部噪声使得光谱值显著变化但光谱形状得到了一定程度保持时,基于光谱形状的相关系数法可以得到比基于光谱绝对值的最小二乘法精度更高的分解结果.