二维经验模态可分离度及其量化计算

解释和分析了二维信号可分离度的概念.基于二维模态分解理论和二维信号解析相位理论提出了二维模态信号的加性可分离度计算式和乘性可分离度计算式,并分别利用完全加性信号和完全乘性信号对两种计算式的实际效果进行了验证.二维经验模态可分离度的应用意义体现在:它可以鉴定二维模态分解算法分解质量的优劣,可以用来确定模态分解客观分解终止条件,还可以在进行单方向特征信息提取时为预处理方法的选择提供有效依据.

基于最大类间可分离度的轮廓线分割

对轮廓线上每点的前后两个局部段进行局部直线拟合 ,在此基础上计算这两个局部直线段的类间可分离度 ,证明它就是轮廓线点是否为一优势点的对数似然比 ,并把轮廓线上的优势点定义为具有局部最大类间可分离度的轮廓点。基于此概念 ,开发了用直线多边形良好逼近轮廓线的轮廓线分割算法 ,该算法能精确鲁棒地检测轮廓线优势点。

变电站多局部放电源分离的选择双谱算法

抑制现场噪声干扰、有效提取信号特征是局部放电信号检测和分析的关键。给出了利用Fisher可分离度选择具有最强类可分离度的双谱作为信号的特征参数,并利用特征参数训练径向基神经网络来判断信号的类型的算法。通过混有高斯白噪声的电磁波仿真软件得到的模拟不同局部放电源辐射的电磁波信号,利用该算法进行信号分离,验证了该算法的有效性。最后在变电站现场未知局部放电源的情况下,对采集到的局部放电辐射电磁波信号利用该算法进行处理得到信号类型数,并训练用于信号分离的径向基神经网络。基于现场实测信号分离结果,并结合基于时延序列的局部放电源定位结果验证了该算法在变电站现场干扰情况下分离多局部放电源的有效性。

高分六号卫星红边波段及红边植被指数对水稻分类精度的影响

水稻作为一种高耗水的作物,其种植面积直接影响到灌区的耗水总量.快速调查灌区水稻种植面积,对于支撑黄河流域深度节水控水行动具有重要意义.高分六号(GF6)是我国首颗可用于精准农业的卫星,为研究其WFV数据红边波段及其衍生的红边植被指数数据在水稻种植面积分类中的作用,以宁夏灵武灌区为研究区,通过分析2020年5月31日水体指数、10月31日植被指数、8月31日植被指数、红边植被指数及其波段信息,设计6种不同组合方案,采用随机森林算法分类提取了水稻、其他作物(玉米、大豆、蔬菜等)、水域及裸地等信息.并基于现地水稻调查数据、米级高分辨数据,对6种方案的水稻分类精度、样本可分离度进行了计算评价.结果表明,高分六号WFV数据红边波段、红边植被指数的参与,能增加水稻与其他作物的可分离度,并能在一定程度上提高水稻提取精度,其中B5红边波段、B5红边植被指数对区分水稻与其他作物的作用更强.

基于最大类间可分离性的轮廓线分割

对轮廓线上每点的前后两个局部段进行局部直线拟合 ,在此基础上计算这两个局部直线段的类间可分离度 ,证明了它就是轮廓线点是否为一优势点的对数似然比 ,并把轮廓线上的优势点定义为具有局部最大类间可分离度的轮廓点 .基于此概念 ,开发了用直线多边形良好逼近轮廓线的轮廓线分割算法 ,该算法能精确鲁棒地检测轮廓线优势点 .实验结果表明了该技术的性能是令人满意的 .

空间频率信息对面孔身份与表情识别的影响

已有面孔身份与表情识别研究提示,高频空间信息可能选择性地与表情识别有关,而低频空间信息则选择性地与身份识别有关。为验证这一假设,操纵空间频率设计三个Garner效应测量实验。实验1测量全频条件下身份表情识别之间的Garner效应,结果显示,相互间的干扰均显著。实验2测量高频条件下的干扰效应,发现表情识别的Garner效应不再显著而身份识别的Garner效应无明显变化,出现分离。实验3测量低频条件下的Garner效应,结果表明,表情与身份识别的Garner效应仍显著,未受高频过滤影响。基于Garner范式,提出面孔识别的可分离度与难度双指标同时考察的方法,对实验结果进行了分析,并由此得出结论,高频空间信息是面孔身份与表情信息分离的有效尺度。

基于时域双谱特征的雷达目标识别

雷达目标高分辨一维距离像(High range resolution profile,HRRP)是目标散射回波在雷达径向上的投影,具有非高斯、非线性特点。文中从双谱概念出发引入时域双谱概念,分析了HRRP的时域双谱特征。为提高识别性能,定义了Fisher类可分离度函数,以类间可分离度最大化作为特征提取准则,提取一些特征双谱作为HRRP的特征向量。采用基于子空间变换的独立分量分析(Principle component analysis,PCA)和线性判别分析(Lineardiscriminant analysis,LDA)的特征提取方法进行了对比实验。结果表明,本文方法用于雷达目标高分辨一维距离像识别具有良好的抗噪性能和较高识别率。

基于附带调相特征的雷达辐射源判别

为实现不同雷达辐射源的有效判别,提出了一种基于附带调相特征的判别方法。该方法首先找出能稳定表征雷达辐射源的附带调相特征,提取附带调相特征并计算其可分离度,而后对附带调相特征的可分离度及基于附带调相特征的判别准确率进行仿真,实验结果表明,该方法可以有效的实现雷达辐射源的判别。

Landsat-8与GF-1遥感影像土地利用数据提取比较——以咸宁市为例

针对Landsat-8 OLI和GF-1 WFV传感器参数的特点,选择支持向量机(SVM)分类方法分别对咸宁市同一时段的Landsat-8遥感影像和GF-1遥感影像进行土地利用分类研究。结果表明,Landsat-8在耕地与林地、水域与裸地可分离性方面高于GF-1,提取的林地面积占比和耕地面积占比更接近于真实值;Landsat-8和GF-1的分类总精度分别为85.76%和88.38%,Kappa系数分别为0.807 1和0.820 4,说明GF-1的分类效果好于Landsat-8;GF-1具有较高的分辨率优势,对分布零散的地物识别效果优于Landsat-8。

基于权重散射特征的FSVM算法在极化SAR影像分类中的应用

提出了一种基于权重散射特征的模糊支持向量机的极化SAR数据监督分类方法。首先,对极化SAR数据进行H/SPAN/A/α散射特征提取;其次,根据样本可分离度设置最佳散射特征权重参数C,得到最优分类输入数据(H/6SPAN/A/α);最后,利用FSVM算法对数据进行监督分类。实验结果证明,所提出的FSVMH/6SPAN/A/α分类结果优于FSVM-H/SPAN/A/α。

基于RAIM的解决多星故障监测算法

在信号恶劣环境下,多星发生故障的概率增大。传统RAIM算法大多基于单星故障假设,这样会出现漏检或误检的情况。对传统w-test方法进行改进,并采用前向-后向的方式进行多星故障识别。改进w-test方法每次标记两颗故障星,并将其他卫星同这两颗星分别进行可分离度检验,将超过门限的相关性最大的那颗星也标记为故障星。前向过程结束后获得初步获取无故障星座和初步位置信息。通过后向过程可以恢复被错误剔除的观测量。伪距残差而不是最小二乘估计被用于观测量的恢复。改进方法设计简单,运算量小,便于工程应用。仿真分析表明,改进方法可以正确识别单星故障(8BDS satellites),双星故障(8 BDS satellites)和7颗星故障(16 BDS/GPS satellites)。

城市化地区Landsat水体指数适用性分析

遥感水体指数是地表生态环境分析的重要基础,在大规模水体提取与水文监测中起关键作用.多种水体指数研究集中于大尺度、短历时、非城市化为主的区域,而对于城市化地区的水体指数适用性问题却一直困扰着城市水体的提取.针对常用水体指数(TCW、NDWI、MNDWI)和改进的新型水体指数(WI2015、AWEInsh、ANDWI、MBWI、WI2020),搜集深圳市1986~2020年逐月Landsat影像,以建筑阴影、亮建筑、暗建筑、滩涂噪声和山体阴影5种案例区为例,分析不同水体指数在城市地表覆被噪声区的解译能力.结果表明:(1)水体指数的生产者精度与用户精度呈负相关(Otsu阈值),TCW、NDWI、ANDWI、AWEInsh可有效过滤建筑类噪声和山体阴影,但无法识别细小河流水体,MNDWI、WI2015、MBWI、WI2020则相反;(2)光谱变换型和差值型水体指数考虑多波段的绝对值,可分离度较低,适用于高质量影像制图,比值型和逻辑运算型水体指数计算多波段的相对值,更适用于长序列监测;(3)多案例、多时相的案例区抽样验证方法有效突显出水体指数的解译能力和阈值适用性,城市地区NDWI适用性最强,非城市地区WI2020提取精度最高.上述研究为城市水文监测过程的水体指数选取、精度验证提供了一定的理论参考和实践依据.

结合面向对象方法的多层次干旱与半干旱区域城镇提取方法

在干旱与半干旱区域戈壁及沙漠等高亮地表与城镇连成一片,两者的光谱特征在中等分辨率遥感数据上非常相似;因此,利用基于像素的分类方法很难将城镇准确提取出来。根据两种地物的样本对NDVI、NDBI的分布特征统计分析得出:基于面向对象的分类方法在提取城镇信息方面有较大优势。以典型的干旱区域—黑河流域张掖市及周边地区作为研究区域,将面向对象的方法应用到具有中等分辨率的Landsat-TM数据上,提出了结合面向对象方法的多层次干旱与半干旱区域城镇提取方法。该方法首先使用分层分类的方法得到城镇和荒漠的混合影像,然后使用面向对象的分类方法精确提取城镇信息,其中分割对象过程中引入样本可分离度量化不同尺度的影像分割效果,实现最优尺度分割。结果表明:其目视效果、总体精度(94.51%)和Kappa系数(0.89),均优于支持向量机(SVM)与基于时间序列的分类方法。

基于DDAG-SVM的网络流量分类技术

互联网技术不断发展,很多新的网络通信采用动态端口、协议加密等技术,使传统的流量分类技术不再适用.以TCP三次握手后客户端到服务器的第1个包载荷大小、服务器到客户端的第1个包和第2个包载荷大小以及服务器端口信息作为流量特征,提出一种基于DDAG-SVM的网络流量分类的方法,并针对传统DDAG-SVM的误差累积效应,使分类性能变差的问题,根据类间可分离度重构DDAG-SVM决策树,每次都选择最容易分开的两个流类别构成分类决策面,测试结果表明该方法取得了较高的分类准确率.