基于典型相关分析的变化检测中变化阈值的确定

以东营市为例 ,把基于典型相关分析的方法运用于多时相遥感影像的变化检测中。对于变化阈值的确定 ,采用了一种基于贝叶斯理论的最小错误率的方法。这种方法实质上是一种非监督分类的方法 ,即不需要地面实况数据或其它先验知识 ,直接对典型相关处理后的差值图像进行分析计算得到阈值 ,使变化检测的错误率达到最小。实验结果证明了这种方法的有效性。     

利用现有重力场模型求定CHAMP卫星加速度计修正参数

CHAMP卫星加速度计数据的标定是通过确定其尺度因子和偏差参数来完成的.本文基于能量守恒方程,给出利用现有重力场模型标定CHAMP卫星加速度数据的基本原理和数学模型;提出相邻历元间差分算法,大大简化了观测方程,同时避免积分常量的计算.该算法既能同时解算尺度因子和偏差参数,也可任意求解其中之一.基于实测的CHAMP卫星加速度数据,利用EGM96模型和最新公布的EIGEN-2模型进行计算与比较,验证该方法的有效性.     

基于三角网的"种子法"多边形生成

将传统上广泛使用的“种子法”和“矢量求交法”的思想相结合 ,提出了一种基于约束Delaunay三角网结构的多边形生成算法。详细描述了该方法的基本思想 ,在实验基础上分析了算法的特点。     

GPS高程转换的神经元网络方法分析

GPS高程转换是GPS高程应用的关键问题之一，试图应用神经元网络方法来进行GPS高程的转换，并在网络的拓扑结构与网络结构的改进等方面作了分析，通过GPS高程转换的二次曲面法和神经元网络法进行了比较试验，结果表明了神经元网络转换GPS高程的可行性和可靠性，对于应用神经网络转换GPS高程具有实际的指导意义。     

一种组合优化的多边形化简方法

以多边形轮廓为目标 ,依据曲线特征点将其分解为一系列的弯曲特征 ,并对此弯曲特征集实施组合优化 ,将入围弯曲首尾相连 ,即可得到最终的化简结果     

极化干涉SAR森林树高提取算法的对比分析

在对极化干涉SAR森林树高反演的DEM差值算法、相干相位-幅度综合反演算法进行分析的基础上,对基于极化干涉相干优化方法的改进算法进行了探讨。利用黑龙江大兴安岭地区的一对ALOS全极化干涉SAR数据进行实验,并对比分析各算法的反演结果。结果表明,在使用改进的算法进行森林树高反演时可以获取精度较高的反演结果,并且在一定程度上提高了森林树高反演的稳定性,为森林树高反演工作的业务化运行提供一定的依据。     

庐山地区地表温度反演分析

研究庐山地区的地表温度,对于本地区的生态保护和开发具有重要意义。本文使用了目标区域内Landsat TM/ETM+从2000~2010年间共8幅影像数据,利用单通道算法和NDVI地表辐射率估算方法反演了区域内的温度场,并生成了历年温度对比效果图。分析推断目标区域内的温度场可能存在一个短年限的温度变化起伏规律,对庐山周边山区的影响有待进一步研究。     

PEIV模型参数估计新算法

PEIV(Partial Errors-In-Variables)模型是EIV模型的扩展,它能解决系数矩阵含有非随机元素或存在结构特性的问题。针对常规PEIV模型算法的复杂性,提出了一种PEIV模型参数估计的新算法。该算法将系数矩阵含误差的元素看成是一类观测值,与平差模型原观测值构成两类观测值,将PEIV平差模型表示为类似于传统的最小二乘间接平差模型,再通过非线性最小二乘平差理论,推导出了算法的迭代公式和精度评定公式。算法迭代格式与间接平差类似,通过算例验证了算法的可行性和正确性。     

WorldViewⅡ全色与多光谱影像融合算法的比较研究

遥感影像融合是基于某种算法,将全色与多光谱影像的优势进行有效结合,从而获得比单一数据更精确、更丰富的信息,有助于影像的特征信息提取和分类处理.WorldViewⅡ(简称WV2)影像是目前主流的高分辨率卫星,探讨WV2数据的实用融合方法对进一步推动影像深度应用具有重要意义.现结合WV2数据特点,从主观定性与客观定量两个方面对不同融合方法进行了评价.结果表明Pan Sharpening算法具有更强的适应性.     

基于聚类分区的中国夏季降水预测模型

文章基于近邻传播客观聚类方法对中国夏季降水进行了气候分区,以中国不同分区的夏季降水为预测对象,使用前期的海温和海平面气压场为预测因子,利用图像标签算法提取高相关封闭区域的预测因子信息。结合最小二乘回归法建立预测模型。采用Ps评分、距平符号一致率和距平相关系数三种评分方法检验了该预测模型,比较了四种不同的因子配置方案的预测能力。研究结果表明,利用冬春季海温的演变特征结合海平面气压的年际变化为预测因子的分区预测模型效果较好,在1982—2009年期间的平均交叉检验平均Ps得分为81.4,距平符号一致率为63%,距平相关系数为0.35,2010—2014期间的独立样本预测检验的平均评分分别为77.1,58%和0.19,且逐年回报效果较为稳定,表明该方法对中国夏季降水有较好的预测效果。研究结果显示,该预测模型能较好地预测出2014年中国夏季降水南多北少的分布特征。