基于人工神经网络的CHRIS数据内陆水体叶绿素浓度反演研究

利用BP神经网络和CHRIS高光谱数据反演了富营养化非常严重的太湖梅梁湾地区叶绿素A浓度。首先计算了CHRIS模式2的18个波段与叶绿素A浓度的皮尔森相关系数,选择CHRIS的前5个波段和第13波段的反射率值作为神经网络的输入,以野外测量的叶绿素A浓度为神经网络的输出。实验表明,BP神经网络具有很好的非线性拟合能力,叶绿素A浓度的反演精度相对误差仅为22%,明显优于传统的多项式模型,显示BP神经网络与CHRIS高光谱数据结合的方法在内陆水体水质参数反演领域的应用具有相当的优势。

“北京一号”多光谱影像复原方法研究及实现

针对“北京一号”多光谱影像存在的因系统影响造成的图像模糊问题与数据量大的特点,对图像的复原方法进行了研究,并提出一种通用的处理流程框架。这种处理流程框架对计算机硬件环境具有良好的灵活性和适应性,为类似大数据量的图像处理提供了一种可供参考的方法。在提高其图像质量方面本文采用了一种快速有效的图像复原算法,即在频率域基于MTF传输调制函数的维纳滤波的复原方法。本文还通过实验对复原算法和流程框架进行了有效性和实用性方面的验证。由于这种解决方案兼顾了复原效果和运算效率,取得了令人满意的结果。