面向提高图像分辨率的遥感数据融合新算法

在遥感应用研究中 ,数据融合技术有着非常广泛的应用 .主分量分析方法 (principal component analysis,简称 PCA)是一种经典的遥感数据融合技术 ,在主分量分析方法的基础上 ,将小波变换与其结合起来 ,提出了一种新的基于小波叠加的 PCA融合算法 (adding wavelet coefficients principal component analysis,简称 AWPCA) .实验证明 ,与原来的 PCA和 IHS方法相比 ,基于小波叠加的 PCA融合算法进一步提高了融合信息的质量 。

夏玉米可见/近红外光小波主成分提取与氮素含量神经网络检测

使用高光谱仪ASD Field Spec于吐丝期采集不同氮素处理的夏玉米叶片光谱,并进行对数变换处理;通过对"绿峰"(450～680nm)和"近红外反射平台"(760～1000nm)谱段光谱数据进行多尺度小波分解,获取第二层离散近似小波系数向量;采用主成分分析,从第二层离散近似小波系数向量中提取特征作为输入参数,建立对叶片氮素含量的广义回归神经网络估算模型.结果表明:对数变换显著地增强了"绿峰"和"近红外反射平台"谱段夏玉米叶片光谱对不同氮素处理的响应差异;从第二层离散近似小波系数向量中提取的小波主成分能够反映夏玉米叶片光谱在不同氮素处理下的整体变化趋势;以小波主成分作为输入参数的广义回归神经网络能够较为准确地预测夏玉米叶片氮素含量,并且具有一定的推广能力.

基于小波特征与支持向量机的焊点缺陷识别方法的研究

基于视觉信息的焊点缺陷检测已成为当前机器视觉中的研究热点问题.针对焊接设备的不稳定性、操作环境的不确定性等问题对焊点质量的影响,本文提出了利用增强小波系数和主成分分析相结合的方法对焊点图像特征进行提取,利用主成分分析的降维作用,对提取的增强小波系数50维特征向量进行降维处理.同时提出了融合决策树与支持向量机的方法对焊点的缺陷类型进行识别.实验结果表明,本文提取的焊点特征值具有更好的区分性与紧致性,提出的分类方法有效提高了焊点缺陷检测的识别率,同时提高了算法效率.

基于高频系数小波分析的高维蛋白质波谱数据特征提取

高维蛋白质波谱数据分析过程中,对于数据的特征提取一直是许多学者专注解决的问题。本文提出了一种基于高频系数的小波分析和主成份分析技术(Principal component analysis,PCA)的特征提取方法,首先采用小波分析技术对数据进行降噪,提取高频系数作为特征,之后用主成份分析技术进行降维。实验显示:本论文中提出的方法在8-7-02、4/3/02数据集上的实验识别率分别可以达到100%和99.45%,可以有效提高分类识别率。

滚珠轴承的智能故障诊断方法

针对滚珠轴承故障诊断的应用实际,该文建立了基于相似性度量的故障诊断模型。该模型首先通过数据采集模块采集振动信号,再经降噪滤波模块对初始信号进行降噪、滤波处理,随后通过特征提取模块提取出降噪信号中的特征信号,将这些特征信息作为查询条件,通过数据传输模块发送给远程的数据库服务器,服务器接收到查询条件之后,将特征信息与数据库的故障信息进行相关性分析,最后得出诊断结果。

基于双树复小波域主成分分析的地震面波压制方法

面波是地震勘探中一种主要的规则干扰波,面波压制是地震处理中的重要问题之一.结合双树复小波变换和主成分分析提出了一种面波压制方法.首先,对含面波地震信号进行双树复小波变换,在变换域中分析面波信号与有效信号的分布情况.鉴于低频子带既含较多有效信号又有较强的面波成分,对其进行主成分分析处理.对分解得到的每一尺度高频小波系数中±45°方向作主成分分析处理,±75°方向进行基于分位数的阈值处理,±15°方向保持不变.最后,对处理后的小波系数进行逆变换得到压制面波后的地震信号.仿真实验及对实际资料的处理结果显示,该方法能够有效压制面波,去除随机噪声,较好地保留了有效信号.

高光谱植被覆盖度遥感估算研究

以北京大学"无人机遥感载荷综合试验场"为试验区,采集草地植被覆盖度(VegetationCover,VC)和相应样方冠层高光谱反射率数据,并对比研究了高光谱反射率三种变换形式(小波能量系数、主成分和植被指数)与VC之间的关系模型。结果表明:在三种变换形式中,植被指数模型(R2大于0.8,RMSE小于等于0.018 8)优于基于小波变换和主成分分析的VC模型;经过对高光谱数据进行小波分解获得的第二和第四小波能量系数与VC之间存在显著的对数相关(R2分别为0.811和0813;RMSE分别为0.019 9和0.019 8);以多个小波能量系数作为自变量的VC多元回归模型明显优于基于主成分的多元线性回归,R2和RMSE分别提高0.058和0.030;将高光谱EVI模型与TM-EVI数据相结合生成的试验区VC空间分布总体上呈北部和南部植被覆盖度高(分别>75%和>55%),中部相对低(15%～55%)的特征,与其土地利用/覆被特征相吻合。

基于Mel频率倒谱系数的心音识别技术研究

心音是人体心脏搏动产生的具有个体特征的生理参数。实验利用小波变换实现对心音信号的去噪处理,选择Mel频率倒谱系数(MFCC)作为特征参量,并经过主成分分析(PCA)降维处理后用于个体分类识别中。旨在对心音作为生物识别特征参数可行性和识别方法做一个初步研究。实验结果显示,在选定的实验条件下,系统可以达到90%以上的识别率。可以为心音识别技术的进一步研究提供参考。