基于两种卫星传感器的不透水面提取指数比较

不透水面是城市化过程和环境品质影响评价的重要指标,快速、精确地从遥感影像上提取不透水面信息对分析城市扩张、地表结构变化和评价生态环境品质具有重要意义。前人已经提出了多种指数模型来识别不透水面信息,但是,裸土和沙地的干扰始终是困扰不透水面提取精度的一个主要因素。文章以分布有大量裸土和沙地信息的银川市部分区域为研究区,使用归一化建筑指数(Normalized Difference Built-up Index,NDBI)、比值居民地指数(Ratio Resident-area Index,RRI)、遥感建筑用地指数(Index Based Built-up Index,IBI)、垂直不透水层指数(Perpendicular Impervious Index,PII)和增强型不透水面指数(Enhancement Normalized Difference Impervious Surface Index,ENDISI)这5种目前常用的不透水面提取指数以及2个中等分辨率的传感器(Landsat8 OLI和Sentinel-2 MSI)数据,系统对比了10种不同指数模型和传感器组合下的不透水面提取结果,进而分析5种指数模型的差异性、对不透水面和裸土沙地的区分程度以及对不同传感器数据的响应效果。研究表明:5种不透水面指数在2种数据源下均可以基本提取出不透水面信息,其中指数RRI的提取结果总体精度最高;指数PII和RRI区分不透水面和裸土沙地的效果最好;指数NDBI、IBI和RRI对Sentinel-2 MSI的响应效果较好,指数ENDISI和PII对两种数据响应效果较一致。     

一种基于谱域-空域组合特征支持向量机的高光谱图像分类算法

针对高光谱图像分类问题,提出了一种基于支持向量机的利用组合特征对高光谱图像进行分类的算法,组合特征综合了高光谱图像的光谱域和空域信息。针对图像的高维数据特性,利用最大噪声分量方法进行特征提取,对得到的主分量图像,采用虚拟维数估计算法来确定需要保留的主分量数目,并用数学形态学操作用保留的主分量图像中提取目标的形态信息。根据得到的空域特征并结合原始光谱域特征,构造用于分类的组合特征矢量。而且采用了支持向量机,利用了其支持小样本、效率高的优点。高光谱数据实验表明,本文提出的方法和单独使用谱域或空域信息进行分类相比,具有一定的优越性。
     

珠海一号高光谱影像云检测算法

珠海一号高光谱卫星具有高空间、高光谱、高时间分辨率等特点,有效推动了高光谱遥感数据在农林环境、自然资源探测等领域的广泛应用,其中高精准的云检测是遥感数据预处理的关键步骤。如何对高光谱图像有效特征提取并克服传统云检测方法特征复杂、算法参数多、计算量大、鲁棒性差等缺陷,是高光谱云检测研究的关键问题。为此,提出了一种多尺度特征融合的U型结构网络,模型首先利用残差模块进行特征编码,并将编码进行多尺度融合,在网络的跳跃连接处引入了坐标注意力机制提取有用信息,最后通过残差解码得到输出结果。实验前首先利用主成分分析降维,将高光谱数据重构为4维影像数据,然后通过数据标注与数据增强,建立珠海一号高光谱影像云检测数据集。采用了38-Cloud云数据集训练初始网络参数,随后利用构建的数据集进行迁移学习。实验结果表明,对于所建立的珠海一号高光谱云检测数据集,所提方法的像素准确率达到92.28%,可以实现高精度的高光谱遥感影像云检测。     

基于小波阈值降噪和经验模态分解的高光谱图像分类算法

为了充分降低高光谱图像中的噪声以获得高精度的分类结果,本文结合小波阈值降噪(WTD)和经验模态分解(EMD)的优点,提出了一种基于小波阈值降噪-经验模态分解的高精度支持向量机(SVM)高光谱图像分类算法(WTD-EMD-SVM)。首先对高光谱图像进行小波阈值降噪,除去高光谱数据中的高频噪声;然后再对高光谱图像进行EMD,获得含有高光谱数据本质特征的内固模态函数(IMF)和含有低频噪声的残差;最后采用内固模态函数重构高光谱图像,并对高光谱图像进行SVM分类。将其应用到AVIRIS数据92AV3C,仿真结果表明该算法不仅提高了高光谱图像分类精度,同时可减少支持向量数目,以提高高光谱图像分类速度。     

改进布谷鸟搜索算法优化支持向量机的MEMS陀螺温度零偏补偿

针对微机械陀螺零偏受温度影响较大的问题，提出一种改进布谷鸟搜索算法(CS)和支持向量机(SVM)相结合的陀螺零偏温度补偿方法。首先，将平滑处理后的陀螺数据作为样本点，采用基于径向基核函数的支持向量机方法构建漂移模型，把数据从低维空间映射到高维空间进行线性拟合。然后，利用改进布谷鸟算法对支持向量机的惩罚参数、核函数参数以及不敏感系数进行优化，避免了人为选择参数的盲目性且提高了建立模型的精度。实验结果表明：经CS调节支持向量机算法补偿后，陀螺输出精度更高。与最小二乘分段拟合方法、BP神经网络方法相比，陀螺输出数据方差分别平均减小了63.2%、43.4%，最大误差分别平均减小71.63%、48.3%。     

珠海一号高光谱卫星辐射精度真实性检验研究

“珠海一号（OHS）”高光谱商业遥感卫星数据在国民经济建设中发挥着越来越重要的作用。当前，针对商业遥感卫星数据质量精度的验证和评价研究成果较少。本文基于地面实测数据，对OHS卫星高光谱数据的辐射精度进行了真实性检验和定量分析。结果表明：OHS卫星表观辐亮度与实测结果具有较好的线性相关关系，相关系数R²大于0.7。与实测结果相比，OHS卫星各通道表观辐亮度值整体偏低，但两者光谱曲线形态基本一致。随着时间的推移，OHS传感器性能可能存在衰减，不同通道的衰减程度不一；在31个通道中，与实测值之间的相对差异在20%以内的通道数为9个；在20%~30%之间为14个，30%~40%为8个。     

基于引力球结构支持向量机多类算法的涡轮泵故障诊断

在涡轮泵故障诊断中，多类故障诊断是经常出现的问题。为提高多类故障诊断速度，在球结构支持向量机的基础上，提出一种引力球结构的支持向量机多类算法，该算法充分考虑样本分布疏松程度，经过试验优化分析得到最佳分类引力公式。用该算法和其他常用算法对涡轮泵仿真故障进行分类比较，结果表明基于引力球结构的支持向量机故障诊断算法学习速度快，诊断效果好。     

基于粗集和支持向量机的雷达信号识别法

结合粗集的属性约简和支持向量机的分类机理,提出了一种融合算法.应用粗集理论的属性约简过程作为数据的预处理,把冗余的属性和冲突的对象从决策表中删去,却不损失任何有效信息;然后利用支持向量机进行分类识别.这样可以大大降低数据维数,减小支持向量机分类过程中的复杂度,在不同程度上避免了训练模型的过拟合现象,且分类性能更加优越.最后通过对雷达信号识别的仿真实例说明了上述方法的有效性.     

最小二乘支持向量机的在线学习算法研究

针对最小二乘支持向量机在线逼近过程中求解矩阵维数逐渐扩大的问题,提出了一种最小二乘支持向量机的在线学习算法。借助滚动窗口的思想,建立一个随时间滑动的建模数据区间,在线逼近中通过接受新数据删除旧数据来保持数据区间长度不变,同时数据不断更新,从而实现模型的在线学习。仿真结果表明了这种学习算法的有效性。     

一种遥感影像快速计算水面率的方法

为了有效去除阴影噪声对遥感影像水体提取的干扰,快速准确计算大区域范围内的水面率,本文提出基于GF6（高分六号卫星）影像,利用UWI（Urban Water Index,城市水体指数）并结合FROM-GLC10（Finer Resolution Observa-tion and Monitoring of Global Land Cover 10,全球陆地覆盖精细化观测与监测10）数据,通过求交计算和小碎斑删除实现水体提取结果的精细化,有效消除了阴影等噪声对水体提取的干扰,实现水面率的快速计算。本文选择中山市作为试验区,试验区域范围广、地物背景复杂,综合对比本文算法、NDWI（Normalized Water Index,归一化水体指数）算法和TSUWI（Two-Sted Urban Water Index,城市二类水体指数）算法,从定性与定量角度分析,结果表明：本文算法提取的水体连续完整、漏提和误提较少,可有效去除阴影、建筑、道路等噪声干扰,在总体精度、Kappa系数、错分误差、漏分误差等指标均取得了较好结果。利用UWI与FROM-GLC10数据相结合计算水面率具有可行性,为工程化、大面积、快速计算水面率提供了一种新的思路。     

基于多层次特征的高分影像海岸带地物分类

针对高分辨率影像地物光谱丰富复杂的问题，文章提出了一种结合像元-对象-空间格局特征的水域、盐田等海岸带精细地物分类方法。首先基于像元和空间格局特征分别利用遗传算法优化随机森林参数进行分类；其次将两种分类结果采用D-S证据理论融合；然后基于不同地物斑块的空间上下文信息，采用粒子群算法优化支持向量机（Support Vector Machine，SVM）参数实现面向对象的二次分类。为验证方法的有效性，收集山东省莱州湾海岸带附近区域的“高分二号”卫星影像，开展了水域及水利设施用地、盐田、工矿用地、交通运输用地、住宅用地、沿海滩涂、海域与耕地8类地物的分类实验，总体精度达到97.21%，Kappa系数为0.964 2。实验结果表明，文章提出的高分影像海岸带地物分类方法兼顾像元、对象及空间格局特征优点，能够实现多层次细致分类，并同时兼具较短的训练时长与较高的分类精度。该研究成果可为中国海岸带生态环境监测与土地利用规划提供一定技术支撑。     

Processing/analysis capabilities for data acquired with hyperspectral spaceborne sensors

The Imaging Spectrometer Data Analysis System (ISDAS) is being developed by the Canada Centre for Remote Sensing and MacDonald Dettwiler and Associates on Sun Microsystems SPARC workstations using the Application Visualization System (AVS) software package to meet the requirements for efficient processing and analysis of hyperspectral data acquired with airborne as well as future spaceborne sensors. Various visualization tools have been developed for rapid exploratory analysis together with preprocessing and information extraction tools for numerical analysis. Linkages to a spectral database and a conventional image analysis system were established to support the analysis. ISDAS is being used for multidisciplinary applications development in areas such as agriculture, environment, and exploration geology using physically based analysis approaches to retrieve information from hyperspectral data. This continuing effort, in collaboration with industry will lead to streamlined procedures that are important to take hyperspectral satellite remote sensing towards an operational mode.     

利用HJ-1B星热红外遥感图像研究城市热岛效应

文章针对中国HJ-1B("环境一号"B)星热红外数据特点,以现有单通道地表温度反演算法为基础,开展HJ-1B星热红外数据的地表温度反演算法研究,并利用HJ-1B星热红外遥感温度图像研究北京热岛效应,对北京城区热岛在空间上的分布及其可能的成因作了相应分析。结果表明:随着城市化的发展,北京市热岛效应日益严重,地表温度分布与归一化植被指数(NDVI)相关性明显,文章得到的HJ-1B星热红外地表温度反演方法可以很好的用于城市热岛效应的监测分析。     

一种基于模拟退火的支持向量机超参数优化算法

基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响.针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法.通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性.     

基于小波和支持向量回归的高光谱遥感图像压缩

高光谱遥感成像技术能够获取探测对象丰富的空间信息和光谱信息,但所得图像海量数据的存储与传输制约了其应用。为此,提出了一种基于三维整数小波变换和小波支持向量回归的高光谱遥感图像压缩方法。首先采用三维整数小波变换把高光谱遥感图像分解成不同尺度的多个子带。然后对低频子带直接进行DPCM编码,而对高频子带则利用小波支持向量回归学习其小波系数之间的相关性,并采用小部分训练样本即支持向量来稀疏表示小波系数,以此达到压缩高频小波系数的目的。最后对支持向量及其相应的权重进行熵编码。文中给出了实验结果,并与基于3D SPIHT和JPEG2000的高光谱遥感图像压缩方法进行了比较,结果表明：所提出的方法在相同比特率下能够获得更高的峰值信噪比。     

遗忘因子最小二乘支持向量机及在陀螺仪漂移预测中的应用研究

以陀螺仪漂移误差系数时间序列预测为对象，研究并提出了遗忘因子最小二乘支持向量机算法。构造了以多项式、径向基、小波函数为核函数的支持向量机（SVM）、最小二乘支持向量机（LSSVM）、遗忘因子最小二乘支持向量机（FFLSSVM），比较了它们用于强非线性测试集的泛化性能。实验结果表明：FFLSSVM比由相应核函数构成的SVM、LSSVM自适应性强、预测精度高；三种核函数生成L2（R）子空间上完备基的能力不同，导致三个FFLSSVM逼近任意目标函数的精度有差异；遗忘因子最小二乘小波核支持向量机可有效地用于陀螺漂移误差动态补偿、可靠性辅助决策、故障预测。     

一种快速有效的雷达目标识别方法

基于核的学习算法提出一种快速有效的雷达目标识别方法。首先利用核的主分量分析方法对雷达目标的一维距离像进行特征提取,可以有效地提取出其中的非线性特征;然后基于一种新型的支撑矢量机——近似支撑矢量机作为分类器对所提取的特征进行识别。实验结果表明,所提出的识别方法其正确识别率与标准支撑矢量机相当,但在计算速度上却有很大的提高,并对噪声具有较好的抑制作用。