基于LM算法的无氢类金刚石薄膜喇曼高斯分解

介绍高斯分解及基于 LM算法的数值计算方法 ,并对无氢类金刚石薄膜的喇曼光谱曲线进行了分解。结果表明 ,数值计算的收敛性较好 ,数值拟合的相关系数均大于 95 % ,完全可以用于类金刚石薄膜的微观结构分析。根据分解结果可知 ,随着偏压的增加 ,D带和 G带的分布中心均向低频偏移 ,而 G带和 D带的半高宽之比呈逐渐增大趋势。这表明膜层中 sp3键的含量不断提高 。

基于高斯分解的多尺度3D Otsu阈值分割算法

针对阈值图像分割算法对噪音敏感的问题,提出了一种新的基于分解的Otsu阈值分割算法。整个分割算法为一个迭代过程,在每次迭代中,该图像首先用3D Otsu算法进行分割,然后利用高斯核函数对原图像进行滤波,得到一个平滑的图像,然后被输入到下一个迭代中。最后,合并每次迭代过程中产生的分割结果,获得最终的分割结果。该算法的优点在于分割结果稳定,且具有较强的抗噪性。本文在MR大脑图像上进行实验,结果表明,该算法优于其他同类阈值分割算法。

Al_(70)Cu_(30)合金液态RDF高斯分解与局域结构计算

运用密度泛函B3LYP方法对AlmCun(m,n≤4)团簇结构进行量子化学计算,得到团簇的稳定构型。对不同温度下X-射线衍射实验所得的径向分布函数(RDF)在0.2～0.4nm范围内做高斯分解,结合计算结果对高斯峰的意义做了解释,认为计算所得部分团簇构型可以代表Al70Cu30合金熔体的内部局域结构。

基于分组LM算法的全波形LiDAR高斯分解

LM(Levenberg-Marquardt)算法是全波形机载激光雷达(Li DAR)数据高斯分解中求解模型参数的一种方法。针对其结果在一定程度上依赖初值、雅克比矩阵出现非数值导致无结果等问题,本文提出分组LM算法,以广义高斯混合函数为模型,模型参数初始化后,将参数分组并使用LM算法依次对各组参数进行优化,并生成点云。为验证结果的可靠性,以系统点云为参考,与基于改进的EM(Expectation Maximum)算法全波形分解法做对比。结果表明,本方法不仅得到较高质量的点云,而且得到回波位置和宽度等信息。

Z扫描实验高斯分解法分析的研究

数值研究Z扫描实验高斯分解法分析的截断近似合理性,计算Z扫描实验的透射比,得到在薄样品或近轴情况下,对于小相位移高斯分解法收敛很快,取前3项是合理的;在大相位移情况下,取前3项误差较大,需要计算至少前4项.

激光测高仪高斯回波分解算法

地球表面地形的复杂多样可对激光测高仪回波波形产生显著影响,造成多峰叠加形状,该波形通过经典的阈值比较或重心点等算法很难精确得到激光足印内每个反射面的海拔高度。通过高斯分解法把测高回波波形分解成一系列连续的高斯波形,通过拟合得到每个高斯波形的宽度、中心点、幅度等基本参数来估计激光足印内起伏地形的不同反射面的海拔高度。将该算法应用于激光测高仪原理样机,并通过采集不同地形的多模回波数据对该算法进行了验证。

高斯分解法研究浮游植物荧光激发光谱

研究了甲藻和硅藻两个门类的六种浮游植物在发射波长为675 nm处的活体叶绿素荧光激发光谱。对其作四阶导数分析的基础上,根据导数光谱中出现的极大值位置和数量,对甲藻门和硅藻门的激发光谱分别设定统一的初始中心波长。以初始波长为中心对激发光谱做高斯分解及多峰拟合,建立门类水平上统一的高斯基库。研究发现,在波长为350～550 nm内,甲藻和硅藻的高斯基库特征差异显著,而同门类的高斯基库特征相似,表明高斯分解法为甲藻和硅藻的分类识别提供有效的技术手段。利用高斯基库的参数拟合原光谱,拟合曲线与原光谱能较好地吻合,误差小。高斯分解法可再现活体激发光谱中重叠的色素荧光峰,也为光合色素的活体测定提供了新的方法。

一种用于机载LiDAR波形数据高斯分解的高斯拐点匹配法

针对小光斑全波形机载激光雷达(LiDAR)波形数据高斯分解法的核心问题——高斯分量个数估计,提出一种高斯拐点匹配法。该算法用平面曲线离散点集拐点的快速查找算法检测波形数据中的拐点,计算过检测出的拐点及其右边第一个点的直线的斜率,根据斜率将所有检测出的拐点分为左、右拐点,一个左拐点与其邻近的一个右拐点组成一个高斯分量,据此可以确定波形数据中高斯分量个数。采用高斯拐点匹配法对模拟和实测波形数据进行分解,并与传统的脉冲检测方法(重心法和高斯脉冲拟合法)相比。结果表明,高斯拐点匹配法方法能极大地减小伪拐点的影响,快速、准确地检测并分解出波形数据中高斯分量,提高波形数据分解速度。同时其能分解出更多的高斯分量,从而提高点云密度。

GLAS全波形数据的高斯分解与高斯小波基分解对比分析

大光斑激光测高的全波形数据分解是获取待测物体有效信息的关键环节。目前,大光斑激光测高的全波形数据分解方法主要采用高斯分解和小波分解。但是,对于不同地物反射的回波信号,这两种方法的分解效果与精度不明确。针对地球科学激光测高系统(GLAS)全波形数据,利用高斯分解与高斯小波基分解对平坦和斜坡区域中几种典型地物的波形数据进行分解,并采用最佳拟合优度与达到最佳拟合优度拟合次数等指标进行定性、定量比较与分析。实验结果表明:在最佳拟合优度上,高斯分解和高斯小波基分解数值接近,但随着地物复杂程度增加,高斯分解达到最佳拟合优度拟合的次数少于高斯小波基分解。

机载激光雷达波形数据横向高斯分解方法

针对机载激光雷达波形数据分解易受噪声影响,高斯组分个数及叠加波初始参数估计不精确等问题,提出了一种横向高斯波形分解方法。该方法首先对波形进行滤波平滑处理,剔除背景噪声后,将检测到的波峰划分为不同的类型,分别估计其初始参数;然后横向逐步迭代分解估计初始高斯分量,在去除无效的初始高斯分量后,利用列文伯格-马夸尔特（Levenberg-Marquardt）算法进一步优化参数;最后解算得到分解点云。实验结果表明,该方法能有效地检测各种类型的回波信号,对叠加波形具有良好的适应性,并能在一定程度上保护弱波。相比系统点云,本文方法解算的点云在数量和细节上更具有优势,反映了更加丰富的地物垂直结构信息以及在森林参数获取方面的应用潜力。

大光斑LiDAR全波形数据小波变换的高斯递进分解

高斯分解是波形激光雷达数据预处理的常用方法,但在应用于大光斑全波形激光雷达数据中的叠加波时却难以发挥作用,为此提出一种基于小波变换的高斯递进波形分解方法.首先,利用小波变换多尺度分析特性检测出目标地物并准确估算组分特征参数,进而建立高斯模型优化特征参数;然后通过拟合精度指标,判断是否需要添加新组分进行逐级递进分解,确定最终模型及其组分构成,最终实现全波形激光雷达数据的波形分解.为了验证算法的有效性,分别对实验数据使用本文算法和常用的基于拐点匹配的高斯分解法进行分析,结果表明,本文算法提取的目标数几乎是拐点匹配算法的2倍,可以有效地从叠加波中检测出目标组分,且拟合精度高于98%.

一种改进的卫星激光测高全波形高斯分解方法

针对奇偶拐点高斯分解法进行高斯分解确定波峰位置效率较低的问题,该文提出了一种基于波峰自动识别的全波形数据高斯分解算法,该方法引进了能快速、准确定位波峰位置的findpeaks函数。以国外冰、云和陆地高程卫星/地球科学激光测高系统(ICESat/GLAS)数据为例,就分解的精度和效率与其他分解算法进行对比,结果表明,该文算法在分解效率上较奇偶拐点高斯分解法有较大提高,却稍逊色于findpeaks峰值分解算法;在分解精度方面则完全优于其他两种算法。最后利用改进后的算法进行森林树高的提取实验,进一步验证了该算法的有效性。

基于高斯金字塔分解和圆谐傅里叶矩的图像复制移动检测算法

针对图像子块滑窗方式的移动导致数字图像复制移动检测算法的空间复杂度和时间复杂度很高的问题,提出基于高斯金字塔分解和圆谐傅里叶矩的检测算法.该算法首先对图像进行高斯金字塔分解,提取图像的低频区域,然后计算每个图像子块的3阶圆谐矩,并对各个图像块的特征向量进行字典排序,最后根据阈值进一步找到图像的复制粘贴区域.实验结果表明,该算法对经噪声污染和重压缩后的篡改图像具有很好的检测效果,且运算量较小.

一种迭代的小光斑LiDAR波形分解方法

针对传统LiDAR波形数据分解方法受噪声影响严重、对复杂重叠及微弱回波分解能力不足的缺点,提出了一种新波形分解方法.通过计算滤波前后波形的幅值变化,估计波形的随机与背景噪声;采用逐层剥离的策略,从原始波形数据中不断分解出波形分量,直到剩余波形中最大峰值小于一定的阈值;利用L-BFGS算法优化初始参数,获得波形分量参数的最优解;最后对位置过近的波形分量进行合并.该方法计算速度快,探测微弱回波能力强,显著提高分解后点云的密度与精度.对大量LiDAR波形数据进行了分解,验证了其有效性.

一种新的基于特征直方图分解的红外焦平面阵列无效像元判别方法

为有效地判别和剔除红外焦平面阵列(IRFPA)的无效像元,本文在分析了IRFPA有效像元响应模型的基础上,指出在均匀输入时IRFPA有效像元输出值的均值差(DOM)和标准差 (STD)特征的分布具有正态性,通过采用自适应投影匹配分解法对特征直方图进行高斯分解,进而估计出有效像元DOM和STD特征的分布区间,从而得到了判别无效像元的分类准则.针对实际IRFPA图像数据的实验表明,本文提出的无效像元的判别方法是有效的.

改进的EM模型及其在激光雷达全波形数据分解中的应用(英文)

随着数据存储能力和处理速度的提高,小光斑机载激光雷达系统已经可以通过数字化采样来存储整个反射波形,而不仅仅是由系统提取出来的三维坐标(即离散点云)。分析波形数据最重要的优点之一是可以在后处理过程中让使用者自己来提取三维坐标。一般的分解方法基于非线性最小二乘的多项式拟合,或者有设备厂商提供的简单阈值法,无法获得高精度的分解结果。本文使用改进的EM脉冲检测算法得到回波脉冲的位置和宽度,证明是一种性能可靠、精度较高的波形分解算法。

一个基于三值位平面分解的盲数字图像水印算法

为了有效地保护数字图像的知识产权,提出一种新的、基于三值位平面分解的数字图像盲水印算法。对原始图像进行3级小波分解,将待嵌入的水印图像按高斯—拉普拉斯金字塔分解方法分解成3层。为了减少误差,不直接将分解得到的图像作为水印,而是保留前两层差值矩阵中的负值,并对这两个含有负值的矩阵进行三值位平面分解,将分解得到的位平面作为嵌入水印的掩码信息,用三值系数抖动调制的方法嵌入到相对应的分辨率层次原始图像之中。实验结果证明,该方法在减少提取水印的误差方面效果显著,而且有很好的抗JPEG压缩特性,对常见的图像处理攻击也有较好的稳健性。

不相关高斯输入情况下LMS滤波器的收敛性分析

在分析最小均方自适应滤波器(LMS AF)均方误差(MSE)的收敛性时,文献常用统计自相关矩阵代替瞬时自相关矩阵以简化分析,由此得出的收敛条件比较粗糙。本文指出:不相关高斯输入情况下,无需如上简化,可依据高斯阶矩因式分解定理得到确切的MSE收敛条件,相应的失调表式能更准确地预报失调。

基于机载小光斑全波形LIDAR的作物高度反演

为了填补利用激光雷达反演作物冠层高度的空白,本文以全波形激光雷达发射与回波波形的高斯性为理论基础,首先通过对波形的拟合,实现作物与土壤波形的剥离,然后确定回波波形上各关键点,最后结合作物冠层结构的特征获得作物冠层高度。验证结果表明:反演作物冠层高度的绝对误差在0.06m以内,相对误差小于5.2%。该方法对于反演其他植被结构参数也具有重要的借鉴意义。

基于激光雷达波形数据的点云生产

随着数据存储能力和处理速度的提高,小光斑机载激光雷达系统现在已经可以通过数字化采样来存储整个反射波形,而不仅仅是由系统提取出来的3维坐标(即离散点云)。分析波形数据最重要的优点之一是可以在后处理过程中让使用者自己来提取3维坐标。一般的分解方法基于波形的局部最大值和波形的重心,或者有设备厂商提供的简单阈值法,无法获得高精度的分解结果。本文使用改进的EM脉冲检测算法来得到回波脉冲的位置和宽度,并能得到高质量的点云数据,为DSM(Digital Surface Model)和DTM(Digital TerrainModel)生产提供优质数据源。