数据分辨率对最小二乘配置解的影响

数据分辨率是影响地球重力场建模和大地水准面精度的重要因素。基于最小均方误差准则的频域形式探讨了最小二乘配置与数据分辨率之间的关系,给出了依赖数据分辨率的最优线性估计及其误差的一般公式。算例表明,该公式与传统配置公式的结果是一致的。

高分辨率罗兰圆光学系统的色差校正方法研究

罗兰圆光学系统优点众多,但系统中因平凸透镜的使用,导致各特征波长色散后的成像点在罗兰圆附近产生了一定量的偏移量,使得各波长成像点依次排列在一条曲面上。由于目前新型采集器件线阵CMOS或CCD的使用,而这类传感器的感光面是一个平面,因此导致结果产生较严重的色差。提出了一种使用加权最小二乘法拟合像面的色差校正方法,并计算出系统像面的中心偏移距和偏移倾斜角这两个校正参数,将其引入原本罗兰圆光学系统进行色差校正,从而确定线阵光电传感器像面的最佳位置,实现高分辨率。此外在真空紫外光谱中C、P和S等元素非常重要,可使用本文提出的基于加权最小二乘法的色差校正方法,通过增加这类元素权值占比,实现最优分辨率。最后通过Zemax软件进行光学仿真,完成了罗兰圆光学系统的仿真以及优化。并给出170~410 nm波段点列图的成像宽度仿真以及各元素特征波长在CMOS传感器上所采集到的光谱图,推算出其实际应用中的分辨率,其照度光谱图显示其分辨率均可保持在0.02 nm,接近系统理论最佳分辨率。研究结果表明基于加权最小二乘法拟合像面的方法,可实现罗兰圆光学系统的色差校正,实现高分辨率。

基于最小二乘支持向量机和高分辨率遥感影像的大尺度区域岩性划分

基于大尺度区域分割的理念,提取高分辨率遥感图像中与岩性相关的纹理、形状、光谱信息,利用最小二乘支持向量机(LS-SVM)在非线性预测中的优势,对研究区地质岩性进行识别。首先对高分辨率图像中与岩性相关的光谱、纹理、形状、高程等特征信息进行样本选取,选取过程中以图像的纹理为主要特征信息,同时以J-M距离、转换分类度为依据选取最优特征空间,采用因子分析变换降维对特征空间进行压缩,实现特征信息最优化;然后对已知样本进行训练,建立分类模型,评价模型精度;最后利用模型对研究区进行岩性划分,并进行分类后处理。研究结果表明:基于LS-SVM的分类方法在利用高分辨率遥感图像岩性识别中表现良好,为地质岩性分类提供了一种新的方法和手段;加入纹理等信息后的LS-SVM分类模型更加利于岩性的判别。

基于最小二乘支持向量机的农村土地利用空间优化配置方法及实例分析

因为农村各类用地数据具有样本小、非线性等特点,导致土地利用空间配置结果的适宜性较差,所以本文提出基于最小二乘支持向量机的农村土地利用空间优化配置方法。基于最小二乘支持向量机预测农村土地利用空间格局,得到各类用地面积数据,对各类用地进行满足经济效益与生态效益最大化的多目标函数的优化配置。实例结果表明,农村土地利用空间优化配置结果中各用地类型高度适宜区域的面积占比均超过75%,证实了设计方法的合理性。

基于偏最小二乘算法的人脸图像超分辨率技术

提出了基于偏最小二乘法回归的超分辨率复原算法.介绍了偏最小二乘法回归算法的原理,研究和分析了基于偏最小二乘法回归的超分辨率复原算法.将高低分辨率图像块的高频信息和中频信息作为其特征,并采用分块重叠的方法解决了复原时存在的方块效应.通过对亚洲人脸和欧美人脸的实验结果表明,提出的方法无论是对亚洲人脸还是欧美人脸都能取得较好的复原效果,并且在放大倍数较大的情况下,复原的效果仍然显著.

核偏最小二乘算法的图像超分辨率算法

提出了基于核偏最小二乘算法(KPLS)回归的超分辨率复原算法。该算法首先将高低分辨率图像块的高频信息和中频信息作为建立回归关系的特征,并对图像进行分块;依据相应的高低分辨率图像块的关系,使用KPLS建立起回归模型;在复原时,依据该模型回归得到高分辨率的图像块,将图像块拼接为高分辨率的图像。通过对人脸图像和车牌图像的实验结果,表明该算法无论是对人脸图像还是车牌图像都能取得较好的复原效果。

基于加权最小二乘滤波的视频序列超分辨率重建

该文构建了一种视频序列超分辨率重建框架,在此框架下,首先讨论基于正则化处理的单帧图像上行插值和反卷积,然后在详细研究运动补偿矩阵和权值矩阵的构成及其性质的基础上,提出基于加权最小二乘滤波的帧间数据融合算法。实验表明该算法的重建结果相当有效,具有一定的自适应性和鲁棒性。

基于最小二乘影像匹配的超分辨率重建

通过序列影像间的互补信息改善影像失真和退化的超分辨率重建,其关键是精确获取序列影像间的运动信息。该文讨论了一种基于最小二乘影像匹配的高精度运动估计方法,根据最小二乘影像匹配的高精度同名像点,获取同名点在序列影像间的运动信息,从而进行低分辨率序列影像的子像素级运动信息精确估计,据此进行超分辨率重建。利用一组模拟低分辨率序列影像进行的超分辨率重建验证结果表明:基于最小二乘法运动估计精度较高,采用迭代反投影法重建影像具有较好的视觉效果,该方法尤其适用于存在平移运动的影像序列的超分辨率重建。

基于整体最小二乘法的高分辨率图像重建算法

提出一种用于高分辨率图像重建的整体最小二乘算法。在现有多数重建算法中,假设系统矩阵是精确的而误差主要源于采样图像,但实际上抖动误差也出现在系统矩阵中。该方法能同时最小化这两种误差,采用基于正则化的Rayleigh商来光滑解,用共轭梯度算法来迭代求解该正则化Rayleigh商的最小化函数。实验证明该方法对于抖动系统矩阵是稳定和精确的。

基于偏最小二乘的人脸超分辨率重构

提出了一种基于偏最小二乘(PLS)的超分辨率重构方法用于快速恢复高分辨率人脸图像.该算法利用主成分分析(PCA)方法将所有高、低分辨率人脸图像投影到各自的特征子空间中,通过PLS对高、低分辨率投影变量之间的统计关系进行回归建模.当输入的低分辨率人脸图像给定时,对应的高分辨率人脸图像可以由训练后的回归模型导出.实验结果表明,在离线训练的情况下,所提出的算法可以快速地给出令人满意的重构解.

指数混合模型非线性最小二乘法的参数分辨率探讨

文章以两分量指数衰减模型为例,给出求解模型参数非线性最小二乘法分辨率的定义。为衡量此类相近信号能否分开提供一个标准,也为评价非线性最小二乘法在估计此模型准确度的度量提供一个新方法。实验表明:信噪比越大,参数分辨率精度越高;均匀取点比均匀对数取点得到更好的参数估计;固定信噪比时,在合适样本区间和样本数量下,局部分辨率与整体分辨率是一致的;参数分辨率与噪声的四分之一次方满足正线性关系。

基于加权Boosting的核偏最小二乘图像超分辨率重建

核偏最小二乘(KPLS)算法对每个图像块选用全部主元成分进行图像重建,导致图像超分辨率算法的计算量大。兼顾图像重建质量和时间效率,该文提出一种加权Boosting的图像超分辨率重建算法。为自适应地选取每个图像块主元成分的最佳数目,利用加权Boosting原理对KPLS回归预测量进行补偿,推导给出补偿权重系数的数学表达式。讨论不同Boosting阈值d情况下的重建性能,在合适的d下,选取出主元成分的最佳数目m更好地满足KPLS回归模型的精度要求。实验结果表明,该文算法的超分辨率重建质量优于传统算法。

超分辨率重建结合正则化最小二乘的人脸识别方法

针对三维人脸重建模型精度和优化方法准确性问题,提出了一种基于单一图像的无约束姿态不变人脸识别方法。使用一个二维的正面图像来重建三维人脸。创建人脸的三重协同字典矩阵,利用凸集投影进行超分辨率重建。通过具有正则化最小二乘的协同表示完成分类。在LFW数据库和视频人脸数据库上处理姿态变化取得了预期的结果,与多种方法比较表明,提出的方法具有更高的识别率。

多分辨最小二乘配置法初探

卫星重力技术的发展使重力场观测数据趋于多样化,重力数据的融合处理已成为一个重要问题。对不同分辨率的数据融合问题进行了初步研究,详细阐述了多分辨最小二乘配置法的基本原理,推导了该方法的具体公式,并通过一个模拟算例将多分辨最小二乘配置法与传统最小二乘配置法的结果进行了比较分析。

基于最小二乘配置的陌生海域海底地形反演方法

针对目前在无船测水深数据支撑的陌生海域海底地形模型构建困难的现状,提出了可将船测水深数据和重力数据已知海区协方差函数统计结果迁移、推广并应用于与已知数据海区重力异常相似的船测水深数据空白的陌生海区,运用最小二乘配置方法实现陌生海域海底地形模型构建。首先在西太平洋某1°×1°数据已知海区,依据最小二乘配置方法构建了相应的海底地形模型(BAT_LSC_1)。模型评估结果表明,BAT_LSC_1模型与导纳函数构建的海底地形模型检核精度相当,检核相对精度优于4%。海区重力异常作灰度化处理后,应用影像粗匹配和精匹配技术搜寻出与已知海区重力异常特征相似区域,迁移已知海区协方差统计结果应用于陌生海区,运用最小二乘配置方法构建陌生海区海底地形模型(BAT_LSC_2)。试验检核结果表明,BAT_LSC_2整体表现优于ETOPO1模型和应用导纳函数构建的海底地形模型,验证了本文方法思路的可行性和适用性。

点质量模型与最小二乘配置在多源重力数据融合中的应用

探讨基于最小二乘配置以及点质量进行多源重力数据融合的理论和方法,并对澳大利亚某区域的航空和地面重力测量数据进行融合实验。结果表明:多分辨率最小二乘配置的数据融合精度为±3.6×10-5ms-2,明显优于最小二乘总体配置的精度;包含空中数据的四层点质量模型的融合精度为±4.6×10-5ms-2,高于仅用地面点建立的三层点质量模型的精度;最小二乘配置存在的病态问题在点质量模型中可以得到有效解决。

探究最小二乘配置法在高层建筑物中的应用

基于MATLAB对最小二乘配置法及时间序列对高层建筑物实测沉降数据建立预测模型,对几期沉降形变进行预测,将预测数据与实测数据进行比对分析,从而探究最小二乘配置法在高层建筑物形变监测数据处理中应用的可行性及适用性。其中最小二乘配置法方法简单、预测精度高,在高层建筑物沉降中适合进行短期预测,但长期预测与实测数据还存在一定的差距,残差绝对值和相对误差呈倍数增加;在沉降趋势变化中具有优势性,并对部分点位异常变化能够及时反应,这对判断沉降量是否出现异常提供了参考。

利用最小二乘配置在球面上整体解算GPS应变场的方法及应用

通过对位移与应变微分公式的分析,给出了球坐标系下应用最小二乘配置法由GPS数据整体解算应变场的方法.首先,对模拟数据的理论应变场与采用全部采样数据和随机抽取50%限定采样数据的应变场结果的对比分析,初步验证了最小二乘配置球面整体解应变场方法的有效性.然后,利用1 999～2001和2001～2004两期中国大陆区域网GPS速度场数据给出了基于最小二乘配置球面解获得的应变率场结果,概要分析了此期间中国大陆应变率场的动态变化.最后,讨论了最小二乘配置在球面上计算应变场需要注意的问题和建议.

基于PLS算法的棉花黄萎病高空间分辨率遥感监测

棉花黄萎病危害程度大,发生范围广,已成为中国乃至世界上棉花主要病害之一。论文基于野外定位调查数据及高空间分辨率遥感影像,利用变量投影重要性(VIP)准则筛选最优变量,用偏最小二乘回归(PLS)方法建立棉花黄萎病病情严重度的定量估测模型,并利用已建立的估测模型和高分辨率IKONOS影像获取了不同病情严重度的空间分布图。研究结果表明:在所分析的13个遥感因子中,增强植被指数(EVI)、再归一化植被指数(RDVI)、全球环境监测指数(GEMI)、差值植被指数(DVI)、修改型土壤调整植被指数(MSAVI)、归一化植被指数(NDVI)为棉花黄萎病病情严重度遥感估测的敏感因子,能够有效估测棉花黄萎病病情严重度,其模型预测值与实测值间的R2、RMSE和RE分别为0.78、0.45、9.2%。论文利用PLS算法和高分辨率卫星影像实现了棉花黄萎病病情严重的遥感监测,研究结果对实现大范围农作物病虫害的遥感监测具有重要的参考价值。

最小二乘配置法在GPS高程异常推估中的应用

简述了最小二乘配置法的基本原理,并在水准联测点不多的情况下,直接采用平方根函数作为各随机参数间的协方差函数用于推估GPS高程异常值。由于最小二乘配置法的函数模型中同时考虑了非随机变量和随机变量,使得高程异常值的推估精度更高。实例分析也证明了此模型在精度上优于传统的平面拟合模型和协方差推估模型。残差分析表明此方法更适合于同时存在内插和外推高程异常值的情况。