基于SERD与SPAN的全极化SAR数据海岸线分类

基于Wishart分类器的全极化SAR图像H/α分类方法应用于海岸线分类,可区分不同海岸线类型。在聚类过程中,传统H/α-Wishart方法时常将各类聚类中心对应的散射机理混淆,使得同为单次面散射的淤泥质与砂质海岸线类别难以区分。针对此问题,提出了改进型的辅助分层分类方法。算法运用单次反射特征值相对差异度与极化总功率系数构成的二维特征空间,结合支持向量机得到最优分界判据,以分离初始分类结果中混淆的淤泥质与砂质海岸线。实验表明,改进方法能够有效区分淤泥质与砂质岸线,分类混淆矩阵对应kappa系数由0.794提升至0.853,分类识别率得到显著提高。     

融雪洪水跳跃变异对其参数估计不确定性影响分析

利用Pettitt非参数检验法和Mann-Kendall非参数趋势检验法,分析年最大洪峰流量序列的非一致性,确定序列的变异形式,采用“分解-合成”理论对其进行一致性修正,得到过去、现状两种条件下年最大洪峰流量序列,根据贝叶斯理论对序列一致性修正前后参数不确定性进行估计,并对其预报区间优良性进行评价。研究结果表明：年最大洪峰流量序列变异点发生在1993年,序列整体上升趋势不显著,在1957-1993年子序列呈显著下降趋势,而1994-2006年子序列变化趋势不显著,跳跃变异为序列主要变异形式;给出了实测、还原及还现序列参数后验分布估计值及95%置信区间,将其结合优化适线法进行P-Ⅲ型频率分析,得到修正前后设计频率年最大洪峰流量预报区间估计值;还原、还现序列与实测序列相比,预报区间覆盖率均提高24%,平均带宽分别减少39.59%、23.17%,平均偏移幅度分别减少28.45%、11.39%。通过对非一致性年最大洪峰流量序列还原/还现计算,可减小参数估计不确定性对其计算产生的影响,从而提高预报区间的可靠性。     

基于模糊集理论的贝叶斯网络水利工程项目进度完工概率研究

工程项目建设风险随着水利工程复杂程度的提升而逐渐增大,水利工程效益受项目施工进度的影响日趋突出。据此,本文在详细分析了模糊集理论的基础上提出了水利工程项目进度完工概率的贝叶斯网络模型,并以此为项目决策者提供进度风险评判依据。文中首先对项目进度根节点利用专家模糊语言描述进行了确定,采用积分值法得到了项目进度各节点的条件概率,然后以新疆某水利工程为例,利用各节点进行工程项目网络计划完工概率的计算,并对模型的有效性与可行性利用NETICA进行了验证分析。研究表明:相对于传统的完工概率分析方法基于模糊理论的SBN模型可显著提高其准确性,研究成果可为水利工程项目进度风险提供一定决策依据和参考。     

基于错误式学习的低空影像人行横道多角度自动识别

提出了一种基于特征的错误式学习分类器半自动迭代训练方法,该分类器能够自动识别多角度低空影像上的人行横道线,在人行横道线管控与数据库建立、道路网提取上有较好的应用。介绍了基于错误式学习的分类器训练思路与方法,并提出了将同一地区不同角度低空影像的识别结果进行合并,从而尽可能全面的检测出被城区高楼以及车辆遮挡的人行横道线的思路。通过对比实验该方法的鲁棒性,并在其基础上随机选取多组数据进行系列实验,证实了基于错误式学习的分类器比传统方式训练的分类器有更好的综合性能,能够在不降低识别耗时的前提下产生高准确率、低漏检率和低误识别率的识别结果。     

人工智能在冰雹识别及临近预报中的初步应用

基于广东10部S波段多普勒天气雷达的三维拼图资料,利用机器学习技术开发了一种冰雹识别和临近预报的人工智能算法。算法设计时以雷达回波反射率的垂直和水平扫描数据为基础训练集,将冰雹云的雷达反射率扫描数据作为正样本,将其他雷达反射率扫描数据作为负样本,通过贝叶斯分类法对正、负样本数据集进行机器学习,训练人工智能识别冰雹云内在规律的能力。训练时以广东省2008-2013和2015-2016年的数据作为训练集,使用了2014年广东省12次冰雹过程的数据做检验。对比检验的结果表明,人工智能法比传统的概念模型法击中率高9个百分点。研究结果表明了人工智能对冰雹这类非线性强天气过程具有较强的识别能力。      

中国沿海小黄鱼种群动力学及其空间异质性研究

小黄鱼是我国近海四种最重要的经济鱼类之一,在过去的几十年中小黄鱼种群及其两个地理亚种群经历了巨大的变化。小黄鱼的种群动力学研究,对于维持这一重要渔业的可持续管理是至关重要的。目前仅有的两个小黄鱼种群动力学模型只涵盖了较短的时间,且没有关注其空间差异。本文研究了1968年至2015年间黄渤海和东海小黄鱼的种群动力学模型,包含和不包含空间分层结构的两种贝叶斯模型被用于分析其种群动力学的大尺度空间异质性。本文分析了不同的假设,来研究小黄鱼种群动力学潜在的变化趋势。研究结果表明小黄鱼种群动力学特征具有明显的时间和空间变化。种群的增长速度从20世纪八十年代开始增加,而可捕系数从1981年到2015年增加了两倍多。与黄渤海亚种群相比,东海的小黄鱼亚种群生长速度更快,遭受的捕捞压力也更大。基于最大可持续产量MSY的参考点表明,无论是整个小黄鱼种群还是两个亚种群,近年来都有非常高的过度捕捞风险。因此我国小黄鱼的渔业管理急需更加保守的管理策略,同时考虑其地域差异。本文所用的方法可以应用于其他种类的资源评估和渔业管理,尤其是具有空间异质性和数据有限的种类。     

结合非下采样剪切波变换的BM3D去除图像噪声方法研究

强噪声图像去噪一直是图像处理技术应用领域研究的热点,为进一步提高强噪声图像的去噪质量和对图像边缘的保护,针对三维块匹配（Block Matching 3D,BM3D）方法对强噪声图像去噪效果不佳及图像线状奇异性（如边缘）缺乏最优表示的问题,提出了基于二维非下采样剪切波变换（Non-subsampled Shearlet Transform,NSST）和BM3D的组合去噪方法。该方法首先对含噪图像进行NSST正变换,得到不同尺度和不同方向高频子带的剪切波系数;然后对每个尺度不同方向的高频子带求取贝叶斯阈值,并利用渐进半软阈值函数对各高频子带进行去噪;最后对低频子带和各去噪高频子带进行NSST逆变换,得到去噪结果。将去噪图像作为BM3D中基础估计阶段的预滤波,能够进一步提高基础估计阶段分组的正确性,为BM3D去噪奠定良好基础。组合去噪方法结合了NSST与BM3D的各自优势,仿真试验结果表明,对于低噪声图像,本方法和BM3D方法去噪效果相同,略优于非局部平均法;对于强噪声卫星影像,本方法去噪效果优于BM3D和非局部平均法。     

一种正样本单分类框架下的高分辨率遥感影像建筑物变化检测算法

高分辨率遥感影像建筑物变化检测对于城市规划、城市执法等方面具有非常重要的意义。文中提出一种基于正样本单分类器学习框架下的建筑物变化检测算法。首先提取影像形态学建筑物指数特征(MBI),通过卡方变换将其与光谱特征进行融合;然后利用一种单分类器完成建筑物变化初始判定;最后利用改进的长宽比形状特征完成最终建筑物变化判定。通过与现有建筑物变化检测算法、传统的多分类器算法对比,本文算法精度有一定提升并具有更强的鲁棒性。     

海洋环境因子对澳洲鲐亲体补充量关系的影响——基于贝叶斯模型平均法的研究

澳洲鲐（Scomber australasicus）是西北太平洋重要的中上层经济鱼类,生命周期相对较短,资源量受补充量影响明显,了解澳洲鲐太平洋群系补充量状况对掌握其资源量及确保其可持续利用具有重要的意义。本文利用产卵场1（30°~32°N,130°~132°E）海表面温度（sea surface temperature,SST1）、产卵场2（34°~35°N,138°~141°E）海表面温度（SST2）、索饵场（35°~45°N,140°~160°E）海表面温度（SST3）、潮位差（tidal range,TR）、太平洋年代际涛动（Pacific decadal oscillation,PDO）和亲体量（spawning stock biomass,SSB）6个影响因子任意组合与补充量构建多个模型,运用贝叶斯模型平均法（Bayesian model averaging,BMA）分析各个环境因子对资源补充量的解释能力,并预测其补充量的变化。结果表明,SSB对补充量具有最长期且稳定的解释能力,其次是SST3,PDO、TR、SST2、SST1也对补充量模型具有一定的解释能力。SST3是环境因子中影响最大的因子,可能是由于补充群体在索饵场内生活时间较长,索饵场温度对仔鱼或鱼卵的生长存活有较大的影响。研究认为,基于BMA的组合预报综合考虑了各个模型的优势,优于单一模型,可用于澳洲鲐资源补充量的预测。