融合小波变换与神经网络的RSSI室内测距算法

提出一种融合小波变换与神经网络的基于Wi Fi的RSSI室内测距算法,该方法通过小波变换与神经网络对RSSI数据、路径损耗模型进行修正。利用小波分解与单支重构方法,只对低频的近似部分进行单支重构,舍弃高频细节部分,同时使用神经网络训练特定环境下的路径损耗模型。通过实例验证表明,该算法最大测距误差、最小测距误差、平均测距误差分别为1.206、0.037、0.692 m;平均测距误差比路径损耗模型、BP神经网络模型分别提高了1.846、0.469 m。

网上试衣间的构造

网购服装日渐成为服装的重要交易方式之一,消费者要求网上虚拟体验服装产品的愿望也愈加强烈.针对这种情况,分析了国内外服装商业网站试衣间的现状和不足,提出网上试衣间的构成要素及发展方向,研究了网上3D试衣间的后台支撑技术,给出了所开发的网上试衣间的一个实例.研究结果可为服装定制和商业平台的设计与制作提供有效的网上试衣的方法和技术基础.

基于多特征的多时相影像组合分割优化方法

针对面向对象分类受限于单时相影像的问题,提出了一种基于多特征的多时相影像组合分割优化方法,并将其应用于农作物分类。以开封市通许县为研究区,从多时相遥感影像中挖掘特征波段,使用随机森林算法进行波段优选,在优选波段合成多特征影像基础上进行多尺度分割,以优化多时相影像组合分割效果。将面向对象与随机森林结合对多特征影像进行农作物分类以验证该方法的有效性,并将该方法与单时相影像、多时相影像组合分割模式下的面向对象分类结果进行对比。结果表明:(1)多时相影像组合分割优化策略能显著提升分类效果,分类总体精度为86.02%,Kappa系数为0.792,与单时相影像分类结果相比各提高了6.36%,8.37%;(2)在多时相影像中提取多特征的基础上面向对象分类,分类精度和分类效率均有所提高,并为今后遥感监管核查农作物种植结构提供了可靠方法和有利依据。

基于时序Sentinel-2影像的农作物分类研究

特征选择是提高农作物分类精度的一个重要手段。本文基于时序Sentinel-2影像提取影像的波段特征、植被指数、纹理特征,以这三类特征构建分类特征集,使用随机森林算法对分类特征集进行特征选择和分类实验。根据分类混淆计算的研究区总体分类精度为92.5%,Kappa系数为0.904,高精度地提取了研究区内冬小麦、大蒜等主要冬季作物的种植信息,这表明随机森林算法在对特征降维的同时,也能保证较高的分类精度。

基于自适应二级网格的二次曲面点云滤波方法

针对激光雷达点云滤波算法的精度、效率以及自适应性等问题,提出了一种自适应大小的二级网格和二次曲面相结合的滤波方法。根据坡度滤波粗提取地面点构建自适应大小的二级网格,由二级网格内的地面点拟合二次曲面,再以地面点拟合前后高程差的2倍均方根误差作为阈值分类地面点和非地面点。根据国际摄影测量与遥感学会(ISPRS)提出的误差分析指标,该方法在两种地形数据试验中,1类误差、2类误差和总误差与较常用的坡度滤波和形态学滤波相比有明显改善。

三塘湖盆地芦草沟组致密油储层孔隙结构特征

三塘湖盆地芦草沟组源岩条件优越,储层致密但分布稳定,是具备优良条件的致密油勘探目标。三塘湖盆地芦草沟组受印支运动影响,发育一套火山碎屑岩,云质岩及泥质岩混杂沉积的特殊湖相沉积建造。主要储集空间为火山尘粒间微孔,晶屑溶蚀微孔,岩屑溶蚀微孔及微裂缝。通过对三塘湖盆地芦草沟组致密油储层孔隙结构特征的分析,研究得到影响储层结构特征的一系列因素,并探讨了微观孔喉结构差异对可动流体的影响及其相互关系,以期为致密砂岩气藏的合理有效开发提供一定的借鉴意义。

特征优选下的农作物遥感分类研究

针对JM距离特征选择算法仅从类别可分性上评价特征,未考虑特征间相关性问题的不足,提出一种改进JM距离特征选择算法。该算法根据类别可分性与特征间相关性成反比的思想对特征进行评价,以此确定每个类对的最优特征组合,然后综合所有类对的最优特征组合获取最终特征优选结果,用于后续分类实验。以Sentinel-2遥感影像为数据源,利用RF和SVM分类器,结合本文算法、JM距离算法对研究区进行了分类实验。结果表明,该文所提算法的分类精度要优于JM距离算法,其中与RF分类器结合的方案最优,总体分类精度和Kappa系数分别为:93.69%、0.9263,证明了算法在作物遥感分类中的有效性。