改进的小波域多聚焦图像融合算法

小波变换和清晰度评价相结合是一种有效的多聚焦图像融合方法。首先,对源图像进行小波分解得到低频子带和高频子带,其次,引入多聚焦图像空域融合中的清晰度评价指标,用改进的梯度能量确定低频部分的清晰像素并进行融合;在高频子带上,先计算每个像素与其邻域像素灰度值之差的绝对值和,然后选取和值较大的像素系数作为高频子带的融合系数。两组实验仿真结果表明,该算法更有效,融合图像更清晰、细节更丰富,更好地继承了源图像的信息。     

结合PCNN的红外与可见光图像多尺度融合

针对红外与可见光图像融合对比度不高,易丢失细节信息等问题,提出了一种非下采样Contourlet变换域内基于特征激励的自适应PCNN红外与可见光图像融合方法。PCNN模型采用平均梯度和赋时矩阵来自适应调节其链接强度和迭代次数等参数。对NSCT多尺度多方向高低频子带系数,分别采用特征激励PCNN,根据点火时间图的区域能量来选择融合系数。实验结果表明,该方法能够有效地融合红外和可见光图像信息,对比度高,细节保持好,无论在视觉效果上还是客观评价指标上,优于常用的图像融合方法。     

基于重庆CORS网的电离层VTEC插值研究

通过处理重庆CORS网的5个基准站观测数据,获得5个基准站上空电离层垂直总电子含量(VTEC)。利用其中的4个测站上空的VTEC采用克里金插值和反距离加权插值内插出另外一个测站上空VTEC。将插值结果及广义三角级数函数模型计算的电离层VTEC与实测VTEC进行比较,发现克里金插值和反距离加权插值的精度比广义三角级数函数计算的精度更高,更稳定;且克里金插值精度高于反距离加权插值。     

Prediction of categorical spatial data via Bayesian updating

This study introduces a transition probability-based Bayesian updating (BU) approach for spatial classification through expert system. Transition probabilities are interpreted as expert opinions for updating the prior marginal probabilities of categorical response variables. The main objective of this paper is to provide a spatial categorical variable prediction method which has a solid theoretical foundation and yields relatively higher classification accuracy compared with conventional ones. The basic idea is to first build a linear Bayesian updating (LBU) model that corresponds to an application of Bayes’ theorem. Since the linear opinion pool is intrinsically suboptimal and underconfident, the beta-transformed Bayesian updating (BBU) model is proposed to overcome this limitation. Another type of BU approach, conditional independent Bayesian updating (CIBU), is derived based on conditional independent experts. It is shown that traditional Markovian-type categorical prediction (MCP) is equivalent to a particular CIBU model with specific parameters. As three variants of the BU method, these techniques are illustrated in synthetic and real-world case studies, comparison results with both the LBU and MCP favor the BBU model.     

六边形格网的快速傅里叶变换

全球离散格网系统是支持多源地球空间数据融合处理的新型数据模型,傅里叶变换是联系其空域与频域的纽带,对以格网系统为框架的遥感图像的增强具有重要意义。根据三孔六边形格网剖分方案,设计了一种规则六边形格网单元组合结构,并将该结构空间域的二维离散傅里叶变换转化为可以用蝶形算法加速的标准一维变换。采用遥感影像进行实验验证,结果表明本文提出的快速傅里叶变换算法正确、高效,其复杂度为N log2N。随着数据量增大,效率以指数函数形式提高。     

利用偏度平衡自动提取机载LiDAR点云城区道路

针对机载LiDAR点云提取城区道路自动化程度低以及提取道路网不完整的问题,提出一种基于偏度平衡算法自动提取城区道路的方法。首先,计算末次回波点云中邻近点的坡度,依据城市道路设计标准选择坡度阈值,分离非地面点并获得初始道路点云;然后,利用偏度平衡算法计算出最优强度阈值,滤除非道路点,再结合道路与停车场的空间位置关系,通过点距精化初始道路点云;最后,对道路区域进行细化和平滑,得到道路中心线。通过定量分析及对比实验,该方法能够自动地从LiDAR点云中提取出较为完整的道路网。     

一种概率分布的区间数多指标灰色关联模型

针对区间数多指标决策问题中评价值的取值概率问题,提出了基于概率分布的区间数多指标灰色关联模型。该模型将区间数距离映射到概率分布函数上,根据灰色关联分析方法的基本思想,计算决策方案与理想方案之间的关联度,通过关联度对决策方案进行排序。最后给出了两个实例分析,验证了该模型计算结果的正确性与有效性。     

基于最小距离法的面向对象遥感影像分类

主要介绍了集成基于对象的影像分析与最小距离分类方法的原理,采用中卫市World ViewⅡ影像进行土地覆盖分类研究,并将分类结果与传统的基于像元的最小距离分类结果进行对比。目视解译与定量评价均表明:基于对象方法的各项指标更优越,总体精度由0.85提高到0.87,Kappa系数由0.81提高到0.84。因此,对于高分辨率遥感影像,集成最小距离分类器,基于对象的信息提取方法要优于基于像元方法,分类结果精度更高。     

基于加权距离成本的最优学区划分算法

学区划分的科学性与合理性始终是我国教育领域的一个热点课题。最优学区划分算法研究具有重要的现实意义。本文以就近入学为基本原则,以区域学生总体上学距离成本最小化为核心目标,提出了一种基于学生数量加权距离成本的最优学区划分算法,通过FME软件平台设计程序加以实现,利用模拟数据试验验证了算法和程序的可行性与有效性。     

支持近似最短距离查询的高效图加密机制

近似最短距离查询是图检索的基本模式.为了保护外包数据安全,通常对图数据进行加密.已有加密方案使用两跳覆盖模型构建加密图索引,导致索引结构复杂,降低了查询效率.本文提出了一种基于图压缩的加密机制,可以提高图的检索效率,并且支持加密图最短路径查询.该机制使用K-mediods聚类使得图中的节点按照距离分成K个簇,每个簇内的节点使用其中心节点代理,当查询2个点间最短距离时,对于相同簇内的点直接查询,对于簇间的点使用代理节点查询距离.实验结果表明该机制有效地减少了查询时间,提高了查询效率,且查询结果误差度在可接受范围内.