马尔可夫随机场的空间相关模型在非负矩阵分解线性解混中的应用

针对基于非负矩阵分解(NMF)的高光谱解混存在的初始化与"局部极小"等问题,提出一种基于马尔可夫随机场(MRF)的空间相关约束NMF线性解混算法(MRF-NMF)。首先,通过基于最小误差的高光谱信号识别(Hy Sime)法估算端元数量,同时利用顶点成分分析(VCA)和全约束最小二乘法(FCLS)初始化端元矩阵与丰度矩阵;其次,利用MRF模型建立描述地物空间分布规律的能量函数,以此描述地物分布的空间相关特征;最后,将基于MRF的空间相关约束函数与NMF标准目标函数以交替迭代的形式参与解混,得出高光谱数据的端元信息与丰度分解结果。理论分析和真实数据实验结果表明,在高光谱数据空间相关程度较低的情况下,相比最小体积约束的NMF(MVC-NMF)、分段平滑和稀疏约束的NMF(PSNMFSC)和交互投影子梯度非负矩阵分解(APS-NMF)三种参考算法,所提算法的端元分解精度仍分别提高了7.82%、12.4%和10.1%,其丰度分解精度仍分别提高了8.34%、12.6%和9.87%。MRF-NMF能够弥补NMF对于空间相关特征描述能力的不足,减小解混结果中地物的空间能量分布误差。

互相关参数随机场反演的“一体两分”方法

合理的参数输入是岩土工程数值计算的前提和关键,目前常用的赋定常参数值的方法事实上忽略了参数本身在空间上的变异性与相关性,用确定性参数描述复杂岩土体力学性能的方法在某些情况下甚至可能会导致分析结果与真实情况的背离。因此,要弥补此中不足,就必须探讨在空间相关条件下参数随机场的反演方法。单参数随机场在空间上存在自相关性,而多参数随机场不仅存在空间上的自相关性,还存在空间上的互相关性。从"一体两分"(自相关性=互相关性+剩余自相关性)思想出发,构建了反映空间相关性信息的参数反演数学模型,并利用此数学模型生成了各向同性相关结构下的双参数随机场,对反演结果相关性统计结果表明:此法生成的参数随机场,自相关性和互相关性都得到了很好的满足。

基于SVM与SRM耦合的抗剪强度参数随机场模拟

实验数据表明土体参数具有很大的空间变异性,而随机场理论为模拟土体参数空间变异性提供了有效途径。因为传统的谱表示法(SRM)无法正确模拟多维多元随机场参数间的互相关性,提出支持向量机法(SVM)与SRM耦合的方法。SVM是基于统计学习理论和结构风险最小化原理基础上的通用机器学习方法,它在解决小样本、非线性和高维模式识别问题中表现出诸多优势。以土体抗剪强度参数:黏聚力c和内摩擦角φ为例,通过实验证明二者之间存在天然负相关性,即为二维二元随机场。结果表明,在样本数量较少的条件下,基于耦合算法模拟随机场不仅能有效地描述变量的自相关性,而且能够准确地描述变量间的互相关性,为解决小样本条件下模拟多维多元随机场提供了一种有效的方法。

支持向量机与谱表示法模拟随机场及在可靠度中的应用

本文在传统的谱表示法的基础上,引入基于马尔可夫链改进的支持向量机法与谱表示法耦合,提高了传统的谱表示法在模拟多维多元随机场参数间互相关性的精度,并将此方法用至武汉市轨道交通7号线一期工程,评价该地铁中过江段的可靠度。数值算例表明在样本数量较少的条件下,基于耦合算法模拟随机场不仅能有效的描述变量的自相关性,而且能够准确的描述变量间的互相关性,弥补了传统的谱表示法在模拟互相关性方面的不足,为解决小样本条件下模拟多维多元随机场提供了一种有效的途径。且基于马尔可夫链的支持向量机法收敛速度更快,能够明显减少计算次数,提高计算效率,更适用于实际工程。

基于局部互相关的遥感图像变化检测技术

针对遥感图像变化检测的全局假设与实际不一致问题,论文提出了基于局部邻域的互相关的遥感图像变化检测算法。该算法首先运用区域划分的思想,以像素灰度级为单位,对图像进行分组处理;其次以多时相遥感图像的差值图像为观察场,以像素所属类别为标号场,建立二者互相关的马尔科夫随机场算法;最后采用两段式步骤,对算法进行迭代处理。实验结果表明在遥感图像变化检测算法中,该方法具有较高的检测精度。

基于空间邻域相关性的运动目标检测方法

针对传统混合高斯模型运动目标检测准确度不高的问题,本文提出了一种改进的运动目标检测算法。该方法通过利用空间邻域的相关性信息,结合混合高斯模型来提高运动目标检测的准确性。首先,对图像中的每一像素建立高斯模型,并采用模型的匹配次数确定方差更新系数的算法,解决了传统方法中方差收敛缓慢的问题;然后重新定义了马尔科夫随机场的势能函数,并融入空间邻域的相关性信息,由此获得了用于运动目标检测的自适应阈值。采用IBM研究中心的测试视频序列对本文的方法进行了测试,实验结果表明,本文的方法对复杂的场景有较好的适应性,能够得到比较准确的检测结果。

基于空间相关电离层模型的天波雷达目标跟踪

天波超视距雷达(简称天波雷达)(OTHR)通过电离层反射效应可实现对多种高价值目标的远程预警。天波雷达目标跟踪算法设计中,电离层建模对其跟踪性能至关重要。该文考虑现实中电离层的空间相关性,提出一种基于高斯马尔可夫随机场(GMRF)的电离层虚高模型,以及相应的天波雷达多路径目标跟踪方法。该方法在贝叶斯估计的基础上,对多路径杂波环境下目标状态估计与电离层虚高参数进行联合建模与估计。该方法有效建立起了不同电离层区域之间的相关性,能够在电离层量测有限的情况下推断未量测区域的电离层虚高,改善电离层虚高参数辨识精度,进而提高目标跟踪精度。仿真结果表明基于空间相关性的电离层模型可以有效改善天波雷达目标跟踪性能。

基于随机力学理论的堤防安全分析方法综述

近年来,基于随机力学理论的堤防安全分析方法已经得到了深入的研究和广泛的应用,但是目前仍然缺少对该方法系统性的总结说明。为对基于随机力学理论的堤防安全分析方法的主要内容及工程应用进行综述,介绍了3种堤防典型失事模式,分析了堤防安全分析中应该考虑的风险因素,并系统整理了风险因素的不确定性和相关性;总结了基于随机力学理论的各种常用的堤防安全分析方法,详述了其在3种堤防典型失事模式中的应用及适用性,重点阐述了基于随机场理论与考虑风险因素互相关性的堤防安全分析方法研究。基于随机力学理论的堤防安全分析方法的主要发展方向是开展基于随机场的有限元法研究,及风险因素间互相关性研究。

考虑参数空间变异性的高桩码头-岸坡体系可靠性分析

为进一步发展高桩码头-岸坡体系结构可靠性分析方法,基于KL-Copula互相关随机场模拟方法,综合考虑了岸坡土体参数空间变异性与其相关结构及大小的影响,提出一种岸坡-高桩码头体系互相关随机场模拟与可靠性求解数值实施流程,并基于PLAXIS计算程序平台,编写了高桩码头-岸坡体系互相关随机场模拟与可靠性分析外挂求解程序KLCPRP。在此基础上,进一步结合非侵入式随机分析方法进行相关算例分析,探讨不同岸坡强度参数Copula函数结构对互相关随机场模拟和高桩码头结构可靠性求解的影响规律。计算分析结果表明:不同Copula函数结构所对应模拟样本的线性相关系数、秩相关系数均存在一定差异性;对于有限实验数据情况,Gaussian Copula函数结构会导致随机场计算结果偏于保守;所提出的KL-Copula模拟随机场数值实施流程及对应外挂求解程序KLCPRP具有良好的精度和有效性,可为高桩码头-岸坡相互作用体系的相关工程设计及安全评价提供理论参考。

一种改进的遥感图像变化检测算法

原有基于简单马尔可夫随机场(MRF)模型的变化检测算法基于全局一致性假设,这一假设往往与实际情况不符,影响到结果准确性。本文提出基于观察场与标号场互相关的改进MRF模型及相应的变化检测算法。以迭代条件模型解决后验概率最大化问题,为像素分类;根据当前分类,利用邻域中同类像素调整观察场中的像素特征值;以新的像素特征进一步优化分类。本文采用两段迭代算法,以多时相遥感图像的差值图像做为观察场。实验证明该算法能有效提高检测结果精度。

一种自然红外纹理的生成方法

根据自然纹理在空间上的统计分布特性,利用随机场模型可以有效地合成纹理.一般长相关模型根据自然纹理在空间不同距离像素间具有明显的相关性的特点,在马尔可夫随机场模型的基础上引入了相关长度参数,可以模拟出种类更多的可见光纹理.根据地物温度场的空间分布,在可见光纹理的基础上模拟出红外纹理.

基于TM图像的农业区域植被覆盖变化检测

以交叉相关光谱匹配(cross correlogram spectral matching,CCSM)为基础构建土地覆盖变化强度指标,利用华北农业植被覆盖区2期不同时相的TM图像计算该地区土地覆盖变化强度图像。认为变化强度图像任意二阶邻域中像素的变化强度服从隐马尔可夫模型,用马尔可夫随机场-最大后验估计(maxium a posteriori estimation of markovrandom field,MRF-MAP)的方法从变化强度图像中提取植被变化区域。实验证明:该方法能够有效识别各种外源噪声造成的农业植被覆盖区域同物异谱的现象,可准确提取植被变化区域;但对于水体区域存在误判现象。

区域气候的时间序列数据研究

全球变暖是从二十世纪五十年代开始的全球平均气温上升现象。希望通过对不同时期各地区气候相关程度的研究,讨论其中的演变趋势,以及全球变暖效应在其中的影响。为此选择美国过去一百年间各地观测站的气温观测值,以十年为周期分为十组,并为每组数据构造观测站相关图。每组数据都经过周期分解的预处理,以消除日照周期在其中造成的周期性影响,然后运用高斯马尔可夫随机场模型,通过对逆协方差矩阵的统计估计,得到不同观测站之间的气温序列的条件依赖关系,并以此构建相关图。因为气候模型的时间序列特殊性,并对模型的假设和拟合方式进行了改进。最后从得到的相关图中发现了一百年间相继出现的两种相反演变趋势,从而对全球变暖是其主要原因的可能性加以讨论。

纹理表达在图像压缩中的应用

本文针时静止纹理图像展开研究,详细阐述了基于高斯马尔科夫随机场参数和基于样图这两种纹理分析合成技术的原理及其实现,综合二维自相关纹理统计分析方法形成了一套针对不同类型的纹理图像自适应地选择表达合成方法的方案。实验表明,所提方案能够压缩图像数据量,是对新一代图像编码的一种探索。

空间与谱间相关性分析的NMF高光谱解混

非负矩阵分解(NMF)技术是高光谱像元解混领域的研究热点。为了充分利用高光谱图像中丰富的空间与光谱相关性特征,改善基于NMF的高光谱解混算法性能,提出一种结合了空间与谱间相关性分析的NMF解混算法。算法针对NMF的通用性和局部极小问题,引入并结合高光谱图像两种典型的相关性特征,具体包括:基于马尔可夫随机场(MRF)模型,建立描述相邻像元空间相关特征的约束;通过复杂度映射技术,建立描述相邻波段谱间相关(光谱分段平滑)特征的约束;并将上述两种约束同时引入NMF解混目标函数中。实验结果表明,对于一般自然地物场景或人造地物场景,相对于分段平滑和稀疏约束的非负矩阵分解(PSNMFSC)、交互投影子梯度的非负矩阵分解(APSNMF)和最小体积约束的非负矩阵分解(MVCNMF)这3种代表性NMF解混参考算法,该算法可进一步提高高光谱解混精度;对于空间相关或谱间相关特征中某一种不显著的特殊场景,也具有更好的适应能力。通过将空间相关和谱间相关特征相结合,较全面地反映了高光谱数据与解混相关的重要特征,能够对绝大多数真实高光谱数据进行高精度解混,对高光谱解混及后续应用领域相关研究均具有参考价值。

计算机科学数学基础

Y2000-62357-520 0020886RISC 计算机的实时运动检测、标记、数据相关和跟踪=Motion detection,labeling,data association and track-ing,in real-time on RISC computer[会,英]/Lacaasagne,L.& Milgram.M.//Proceedings of 10th InternationalConference on Image Analysis and Processing.—520～525(HC)本文介绍了运动检测和跟踪的某些算法,为了能跟踪移动目标,解析速率必须足够快,以便保持研究慢移动,文中描述了在 Pentiom Ⅱ和 DSP CAX 上实时运行的基于马尔可夫随机场的运动检测算法,对中等速度,研究了快速标记算法,提供基本标记点。