高光谱影像多类型复合噪声分析的低秩稀疏方法研究

正高光谱影像具有图谱合一的优点,能够以较高的光谱诊断能力对地物目标进行精细分类与识别,在城市规划、农林检测、地形图更新、地籍调查等诸多领域具有广泛的应用。但在高光谱遥感影像观测过程中,受传感器故障或天气条件的影响,高光谱数据经常会受到条带噪声、信息缺失、云雾遮挡、阴影等降质因素的干扰,这些噪声问题严重影响了高光谱数据后续应用的精度和可信度。为了克服噪声问题,需要从"数据"的角度系统发展高光谱影像噪声分析方法,从"任务"的角度构建高光谱噪声     

基于Quanser实验平台的带有输出约束单连杆柔性机械臂的神经网络控制

机械臂在航空航天、服务等领域的应用越来越广泛,其研究也越来越深入.相比于刚性机械臂,柔性机械臂质量轻、能耗小,具有更好的性能.但是,由于柔性机械臂本身的结构与材料具有特殊性,其在运动过程中会产生弹性形变与振动,这就给机械臂的定位、轨迹跟踪带来了困难,因此对其振动抑制的研究具有重要意义.本文利用假设模态法对单连杆柔性机械臂系统进行建模,通过李雅普诺夫直接法实现了闭环系统的稳定性.由于一些实际问题对控制系统的状态量有特殊要求,因此采用正切函数形式的障碍李雅普诺夫策略来处理输出约束问题,之后利用神经网络控制方法来逼近系统的不确定性,通过李雅普诺夫法对闭环系统的稳定性进行了分析,并基于Matlab平台设计仿真、基于Quanser实验平台进行实验,对控制器的控制性能进行了验证.     

自动化样本生成策略用于冬季作物制图——以兰陵县为例

准确地获取作物空间分布是作物生长监测和产量预测的前提。目前,遥感图像处理需要足够的人工采集的训练样本,因此,大规模作物分布的自动获取仍然是一个挑战。以高效、经济的方式获得足够的训练样本成为作物制图的关键因素之一。因此,本文结合冬季作物物候特征与Sentinel-2时间序列影像,提出了一种自动化样本生成策略用于冬季作物制图。首先,利用归一化植被指数（NDVI）时间序列曲线进行冬季作物的判别;然后,通过时间序列曲线相似性度量的方法,判断样本点与标准的绿色叶绿素植被指数（GCVI）时间序列曲线的差距,从而为未知样本赋予正确的标签;最后,利用获取的样本训练随机森林模型,实现研究区域的冬季作物提取。最终精度评定结果：总体精度（OA）为98.46%,Kappa为0.973,表明该方法对于快速实现冬季作物自动制图的有效性。