高光谱遥感图像本征信息分解前沿与挑战

高光谱作为一种图谱合一的成像技术,在对地观测、航空航天领域具有十分重要的应用。然而,作为光学遥感的分支,高光谱成像易受到大气、光照等因素的影响。高光谱图像本征信息分解旨在抑制复杂环境因素对地物光谱与空间特征的影响,准确提取并表征观测场景最本征的光谱与空间信息,提升高光谱图像识别与解译性能。本文主要对代表性的高光谱图像本征信息分解的模型和方法进行综述,系统地分析了各种典型方法的原理及优缺点,进一步阐述了实际遥感应用中现有本征信息分解面临的挑战性难题,并结合遥感实际应用,对高光谱图像本征信息分解技术的发展趋势进行了展望。

基于CEEMDAN-Hilbert变换的振动信息分解

为了对轴箱振动信息进行有效时频分析,提出利用完备集合经验模态(CEEMDAN)分解对振动信息进行分解,再通过Hilbert变换求其时频谱、边际谱和奇异值,实现振动信息的分析。通过分析钢轨正常和道岔状态轴箱振动信息,实现对钢轨表面状态的判断。结论如下:正常状态的振动频率主要集中在低频,道岔状态高频部分显著增加,且能量幅值峰值约是正常状态的50倍。道岔状态的边际谱和奇异值幅值均大于正常状态,且幅值峰值约是正常状态的3倍和5倍。

近红外漫反射光谱信息分解的数量分析

近红外漫反射光谱分析中,一直认为近红外光可获取样品内部的物质信息,但近红外漫反射光谱包含样品内部信息量究竟是多少,一直未给出准确的数量描述。该研究以烤烟样品为实验材料设计样品,每个实验样品分别由表层片状烤烟与内部烤烟粉末两部分组合而成,测定样品近红外漫反射光谱,提取光谱主成分信息(principal component,PC),将所提取的各主成分的不同组合作为统计指标,对样品进行聚类分析,结合各主成分方差贡献率,初步给出了样品不同深度光谱信息分解量的描述。实验结果表明,近红外漫反射光谱第1和第2主成分包含的信息量约占总信息的98%,反映样品表层信息;第3和第4主成分约占1.5%,表征样品内部信息。这一结果将有助于我们对近红外光谱定性定量分析时主成分信息的选择有一个更深刻的理解。

一种基于信息分解与合成的数据库加密方法

针对数据库加密后检索与运行效率低、SQL查询操作受制约等问题,本文提出了一种不依赖数据值加密的新型数据库加密方法。该方法根据关系数据库中数据是结构化的这一特征,通过信息分解与信息合成的思想来保障数据库安全。同时,本文还给出了信息分解与合成的定义和基本准则;描述了该加密方法上的查询处理过程。最后,通过实验与传统数据库加密技术进行了性能比较。

双极信息的聚合与分解

信息聚合是信息处理过程中的基本手段,主要讨论若干聚合算子的性态.首先,从广义伴随对的角度讨论了广义聚合算子的性质.从聚合算子A出发,给出两种不同的方法,构造了大于(小于)等于A的新的聚合算子;其次,对于处理双极信息用到的聚合算子、双极t-模和双极蕴涵做了讨论,得出了这两个双极聚合算子可分解为两个单级聚合算子的条件.在此条件下即清晰可见聚合双极信息时对正信息及负信息的聚合过程.这对提取特定信息具有极其重要的意义.

极化雷达目标信息分解技术及其在古湖岸线探测中的应用

目标信息分解就是将地物雷达电磁波回波的复杂散射过程分解为几种单一的散射过程 ,每种散射过程都有一个对应的散射矩阵 ,利用基于地物相关矩阵特征向量分解的目标分解方法 ,可以将目标相关矩阵分解为三种单散射体相关矩阵的加权和 :单向散射 ,双向散射 ,交叉散射。将目标分解理论应用于极化成像雷达数据 ,可以分别得到对应于地物单向散射 (奇次散射 )、双向散射 (偶次散射 )及多向散射机制的雷达后向散射系数。本研究应用目标矩阵分解技术对青藏高原西昆仑阿克赛钦湖地区 SIR- C L 波段和 C波段全极化多视复矩阵 (ML C)数据进行处理 ,得到研究区地表单向散射、双向散射及多向散射后向散射系数图像。研究发现 ,不同性质地表具有不同电磁波散射机制 ,散射分解后的图像能有效去除噪声 ,而且能够区分具有不同散射机制的地表 ,对研究区多期次古湖岸线的识别有重要意义。

基于像元信息分解的城市绿地信息自动提取系统

为了快速而有效地监测城市绿地的变化,建立了基于遥感和GIS的城市绿地自动识别系统。系统利用像元信息分解的方法,将城市环境下的像元信息分解为绿地、水体、土壤、水泥地等4种地物端元组份信息,求解绿地在混合像元中的丰度,并允许自由设定判定绿地像元的阈值,以便通过调整达到分离的最优分离结果。此外,系统也集成了绿地信息的空间分析以及统计分析识别等功能。最后,以深圳市罗湖区和福田区TM影像作为实验区,将系统自动提取的绿地面积和目视解译的结果进行对比,准确率达到98.7%。

基于多重信息分解与时变权重组合的换流变压器振动状态参量综合预测方法

振动峰值与频谱复杂度变化趋势反映了换流变压器的内部机械状态,对振动状态参量预测可为换流变压器的状态评估提供有效支持,该文提出一种基于多重信息分解与时变权重组合的换流变压器振动状态参量综合预测方法。首先,根据不同模态划分方法,对原始振动状态参量进行经验小波变换与变分模态分解,得到多个具有趋势性与周期性的模态分量;然后,应用3种预测模型对模态分量预测,集成相加获得单分解单预测模型的预测结果;最后,兼顾主客观因素与逐点分配原则,采用模糊层次分析法与熵权法的时变权重组合方法对不同预测结果分配权重,依照权重结果计算综合预测值。算例分析表明:相比直接预测模型与单分解单预测模型,提出的综合预测方法具有更高的精确度与稳定性,为基于振动法对换流变压器状态监测与故障诊断提供了一种新的思路和有效手段。

以线性参数模型和信息分解方法评价QT变异性对心率变异性的响应

自主神经系统(ANS)的平衡对于规避与心脏相关的疾病风险具有重要意义。本课题运用频域的线性参数模型和非线性信息分解方法,分析QT变异性(QTV)对于心率变异性(HRV)的响应,揭示心脏自主神经的调节状态。使用来自THEW数据库的Holter数据,选用其中的正常组(Normal,n=186)和高心律失常和心源性猝死风险组(ESRD,n=41)进行对比。提取昼夜安静态各5 min RR间期(RRI)和相对应的QT间期(QTI)序列,计算频域参数QTV与HRV相关的百分占比(LR)和信息分解的RRI对于QTI的可预测性(PI),并结合RRI序列的时域、频域和符号动力学分析,探讨QTV对于HRV的响应在两组人群中可能的差异和发生机制。对于LR和PI,Normal组均表现出显著的昼夜差异,而ESRD组则均不存在,反映出ESRD组ANS交互作用的缺失。两组间同时段同指标对比时,低频段LR无显著差异,而在高频段,Normal组的LR值均显著小于同时段ESRD组的LR值(白天:18.36%±17.38%vs 39.37%±23.80%,P<0.05;夜晚:28.63%±18.77%vs 42.31%±21.97%,P<0.05);Normal组夜晚的PI显著大于ESRD组夜晚的PI(0.310±0.155 vs 0.236±0.131,P<0.05),而在白天无显著差异。研究表明,线性参数模型和基于信息分解的非线性预测对自主神经活动的敏感性不同;高心律失常和心源性猝死风险人群中HRV对QTV的调控呈复杂度降低的特点。

一种组合类别信息的非负矩阵分解方法及其应用

基于非负矩阵分解理论,提出一种新的有监督的特征提取方法,它具有二个特点:一是在特征提取过程中它直接利用训练样本的类别信息,二是在计算上仍然采用与非负矩阵分解方法相同数学公式,因此这种新特征提取方法被称为组合类别信息的非负矩阵分解(CINMF)方法。另外,在分类时本文提出了基于两种特征融合的分类策略进一步提高CINMF方法的识别率。通过在YALE人脸库和ORL人脸库上进行实验,结果表明本文提出的新方法在识别率方面整体上好于原非负矩阵分解方法,甚至超过常用的主成分分析法(PCA)。

基于模糊信息分解与控制规则的移动机器人沿墙导航

由于机器人导航任务对实时性要求高,以及机器人自身的非线性导致很难精确建模,而基于规则的控制可解释性好,可以实时响应。因此,文中提出了一种基于模糊信息分解(Fuzzy-based Information Decomposition,FID)与控制规则的机器人沿墙导航方法。在UCI机器人导航数据集上,首先用FID对原始类别不平衡数据集进行过采样,之后训练支持向量机(SVM),然后从SVM中提取控制规则。在提取规则过程中,仅使用支持向量以减少规则数量和提高实时性,使用这些支持向量训练随机森林,然后从中提取控制规则。实验结果表明,在相同数据集上,相较于决策树等6个经典模型,所提方法的平均F1值为0.994,对小类样本的召回率平均提升8.09%。与其他提取规则的模型相比,从SVM中提取规则的方法能平均减少171.33条规则,在测试样本上的平均单个样本决策时间仅为3.145μs。

地震前兆信息系统的信息分解与浓缩

本文运用数值分类学中的因子分析方法,试图从多种前兆观测时序集中浓缩与分解出与地震孕育发生有关的成因信息。并用诸如“地震过程”这样一些概念来代表和归纳一组互相紧密相关的前兆现象和特征。这是与孕震系统在统一区域应力场作用下的整体性行为及子系统之间的协同关联运动的事实在思路上是相一致的。若干震例的研究结果表明,数值分类学是我们实现多台站、多手段,时、空动态综合预报思路的一种较好的方法。

基于信息分解的滑坡变形稳定性评价及预警分析

为实现滑坡稳定性评价及临灾预警等级划分,以三峡库区八字门滑坡为例,结合滑坡变形监测成果,先利用双树复小波实现滑坡变形信息分解,以剔除滑坡变形数据的误差信息,保证后续分析数据的准确性;其次,利用尖点突变理论对滑坡稳定性进行评价;最后,利用极限位移准则和V/S分析分别进行滑坡现状预警和后期预警,以实现滑坡预警综合评价。实例分析结果表明:滑坡变形数据的确含有一定量的误差信息,对滑坡稳定性评价及预警分析具有较大影响;双树复小波能有效分离滑坡变形的有用信息和误差信息,但在信息分解过程中应注重参数优化筛选,以保证分离效果;八字门滑坡现状处于稳定状态,且滑坡后部稳定性相对更强,前部稳定性相对更弱;在预警分析方面,八字门滑坡现状预警等级为Ⅲ级,且其后期预警显示其变形仍将持续增加,进而建议对滑坡进行较高频率监测,并做好避让措施准备,以切实保证区内居民的生命财产安全。

一种基于信息分解的改进的数据隐私保护方法

针对现代应用对于敏感信息日益增长的隐私保护需求,如何保证外包数据库隐私正受到越来越多的关注.本文在综合国内外研究成果的基础上,总结了目前数据库隐私保护方面的研究现状和研究成果,引入可用度的概念,提出了一种利用信息分解与数据加密有效结合保护数据库隐私的改进方法,实现了数据隐私保护,同时提高了方法的实用性.

《建筑业信息分解编码A&bCode》研究要点介绍

为适应中国建筑业信息化发展需要,国家建筑信息模型(BIM)产业技术创新战略联盟于2018年立项,开展了《建筑业信息分解编码A&bCode》研究工作。主要研究目标是通过A&bCode重构建筑业软件体系功能,使建筑业软件工具模块化,精微建筑业专业软件;利用A&bCode建立建筑业信息网络交换系统,构建建筑业互联网网络系统架构。介绍课题的研究背景及主要内容,通过与国外相关标准的对比,总结课题的目标定位和主要特点,展望下一步研究工作。

基于双边与高斯滤波混合分解的图像融合方法

针对红外与可见光图像融合时,两种异质图像信息容易相互干扰,造成融合图像出现模糊、信息混乱和对比度降低等问题,提出了一种基于双边与高斯滤波混合分解的融合方法。首先采用双边和高斯滤波器对输入的红外与可见光图像进行混合信息分解,得到小尺度纹理细节、大尺度边缘和底层粗略尺度图像信息;其中的大尺度边缘信息包含红外图像的主要特征,依据该特征确定各分解子信息的融合权重,从而将重要的红外特征信息注入到可见光图像;最后通过对各融合子信息进行组合重构出融合图像。实验结果表明,该算法融合效果要优于传统基于多尺度分解的图像融合算法。

城市绿地遥感信息自动提取研究——以广州市为例

提出了一种新的基于像元信息分解和神经网络分类相结合的城市绿地遥感信息自动提取方法。选择广州市作为研究区,先用像元信息分解法把绿地从TM影像中分离出来,再以分离出来的绿地作为分类掩膜,采用BP神经网络法进行分类。并开展野外遥感调查以提高和验证分类精度。结果表明:该方法保证了分类时绿地的纯洁度,有效地排除和避免了提取绿地信息时其它多余信息的干扰和影响,提高了分类的精度。

交易者信息解读与股市波动

本文基于信息分解的分析方法,认为在股票内在价值没有发生改变的情况下,仅仅由于非实在型信息的变化,也会使股市剧烈波动。同时本文提出市场自我加速变化的观点,建立了基于自加速的预期变化模型,并以中国股市近两年的相关数据为样本进行了实证分析,讨论了其中的政策含义。

基于S-粗集信息的隐藏与还原

运用S-粗集的属性颗粒特征对信息进行加密,并验证了它的合理性,从而达到信息的保密性,成为一种更为有效的加密方法。

时空信息多模式融合模型应用研究

给出了时空多模式融合模型(MM模型)的实用建模方法,利用华北地震和北京SARS 2个时空数据集对MM模型进行了建模应用和性能评价,与单纯神经网络模型相比,MM模型的预测准确性与预测趋势变化的能力均有所提高.分析表明,利用MM模型对不同类型时空过程建模时,不同分量信息所起到的作用并不相同.