基于最小噪声分量变换的ASTER遥感数据岩性分类

遥感岩性分类相较于普通土地利用分类难度更大,其形状或者规模上都不具有特别明显的规律可循,且在边缘的过渡上也存在模糊性,对于常用的监督分类方法在岩性分类中效果都不甚理想。利用ASTER多光谱数据,总结出一套基于最小噪声分量变换的ASTER遥感数据岩性分类技术流程,在ASTER数据最小噪声分量变换的基础上,通过二维散点图几何顶点提取岩性分类样本,利用光谱角技术对西藏日土地区弗野铁矿范围内的岩性进行分类,并通过中值滤波的方法对分类结果进行后处理。结果表明,分类结果与实际岩性有很好的一致性,总体分类精度达到83.33%。

基于核最小噪声分离变换的高光谱遥感影像多类SVM分类

高光谱遥感影像具有高维非线性、数据冗余多、训练样本难以获得等特点。在线性最小噪声分离变换MNF(Minimum Noise Fraction)的基础上,引入核方法,提出核最小噪声分离变换KMNF(Kernel Minimum Noise Fraction)高光谱遥感影像非线性特征提取方法。在KMNF特征提取后的影像上利用多类SVM进行高光谱影像分类,分析数据维数、样本个数对分类结果的影响,并与传统的最小距离分类方法进行对比。发现最小距离分类法存在维数灾难现象,当达到一定的特征维数之后,多类SVM分类方法受维数影响较小,具有一定的抗噪声能力,在一定程度上避免了维数灾难现象;利用多类SVM进行分类时,随着样本数目的减少,合理设置有关参数,高光谱图像的分类能够维持在较高精度;而传统的最小距离分类法当样本数量较小时,效果很差,这说明了SVM小样本分类的优势。

基于改进最小噪声分离变换的特征提取与分类

在最小噪声分离变换的基础上，引入核方法，采用小波核函数代替传统核函数对最小噪声分离变换予以改进。小波核函数的多分辨率分析特性可进一步提高算法的非线性映射能力。相关向量机高光谱图像分类是一种较新的高光谱图像分类方法，将新型核最小噪声分离变换方法与相关向量机相结合，对高光谱影像数据进行分类实验。仿真实验结果表明，基于小波核最小噪声分离变换的方法体现了高光谱影像的非线性特征，将所提出的方法应用于HYDICE系统在Washington DC Mall上空拍摄的数据，与对照算法相比，分类精度可提高3％～89／6，并可有效地提高小样本区域的分类精度。

利用最小噪声分数变换的高光谱目标探测方法

针对高光谱遥感影像特征维数多、冗余度高,同时观测信号中广泛存在各种噪声成分的问题,该文提出了一种利用特征降维的高光谱遥感影像目标探测方法。方法首先采用最小噪声分数变换算法对高光谱遥感数据进行特征降维,提取观测信号中的少量高信噪比成分组成新的数据立方,进而使用高光谱目标探测算子实现目标探测。通过对真实目标位置已知的HyMap高光谱遥感数据目标探测的实验,证明了该文提出的方法能够降低目标探测的虚警率和探测时间。

1kW最小电压有源箝位PFC变换器

提出了最小电压有源箝位(MVAC)功率因数校正变换器电路,将辅助开关与谐振电感和箝位电容串联支路并联,谐振电感可以抑止二极管的反向恢复电流,有效的减少由二极管反向恢复引起的损耗,箝位电容箝位谐振电感在主开关关断时所产生的电压应力。主开关和辅助开关均可实现 ZVS 开关,变换器具有电压应力较低的特点。该文分析了最小电压有源箝位功率因数校正变换器中功率器件的电压应力和软开关条件,研制了一台 1kW 最小电压有源箝位功率因数校正变换器。

基于控制点排序的透视变换原木截面测量方法

木材被盗案件中,需要先找到被盗的可疑树木,然后和留在地面的基部伐桩进行比对,确认可疑树木为被盗树木。为了辅助公安机关判断可疑木材是否为被盗木材,需要精确测量被盗木材的基部伐桩和可疑木材的截面大小等特征。首先对留在地面的基部伐桩进行拍照,并对找到的可疑木材截面进行拍照,然后比对2个截面的相似性,从而判断可疑木材是否属于被盗木材。由于被盗木材一般数量庞大,摄像机拍照存在畸变,拍照的姿态、角度和焦距以及环境光照都对成像有具体影响,因此,提出采用矩形棋盘格和最小二乘透视变换的方法,将所有的棋盘格角点作为控制点,并根据透视变换的直线特征不变性,构建了一种基于Hough变换的控制点排序方法。该方法能够将不同角度、不同姿态拍摄的图像变换到鸟瞰图像,并缩放到原始尺寸,从而进行测量。对于不同角度、不同姿态、不同焦距、不同光照条件下的图像,本研究提出的透视变换方法均可以把特征棋盘格及棋盘格后面的伐桩图像校正到图像的中间位置,得到伐桩的鸟瞰图,精确地复原伐桩的原貌。对校正后的图像采用MATLAB的imtool工具进行测量,测量结果表明,该方法测量误差最大为2.45%,能满足公安机关对可疑木材是否为被盗木材的辅助判断需求。

基于最小噪声分离变换的遥感影像融合方法

针对主成分分析(PCA)融合算法的不足和最小噪声分离(MNF)变换的优势,以IKONOS新型高分辨率观测卫星提供的全色和多光谱数据为实验数据,提出了基于最小噪声分离变换的遥感影像融合方法,并与其它融合方法进行定量和视觉比较,结果表明该方法能得到更好的融合效果。

最小噪声分离变换与Haar小波变换结合的壁画线状特征增强方法

在壁画的保护与修复中,线状特征具有重要的意义。然而由于自然环境等因素的影响,壁画经常出现褪色残缺等病害,导致其线状特征难以辨认。因此,利用高光谱成像与Haar小波变换结合,提出了一种壁画线状特征增强方法。首先,对高光谱影像进行最小噪声分离(MNF)变换,选取前10波段进行MNF逆变换进行重构,实现高光谱影像的降噪处理。其次,对重构后的影像选择真彩色波段变换为灰度图像,对灰度图像进行Haar小波分解。然后,对最小噪声分离变换后的影像,利用最大平均梯度法进行最优波段选择,将最优波段利用Haar小波进行变换,利用其分解后的低频信号与灰度图像分解后的低频信号相融合,高频信号使用MNF逆变换重构后的灰度图像。最后,对优化组合的低频和高频信号进行Haar小波逆变换得到结果图像,达到增强线状特征的目的。经过与原始灰度影像、主成分分析线状特征增强方法对比,验证了线状特征增强方法的有效性。研究结果可为壁画的保护修复提供更丰富、更直观的参考信息。

基于HY-1C CZI影像光谱指数重构数据MNF变换的红树林提取

本文基于广西山口国家红树林生态自然保护区的HY-1C卫星的海岸带成像仪(Coastal Zone Imager,CZI)影像,分析了红树林与一般陆地植被的光谱特征及其光谱指数的相关性,采用归一化差值植被指数(Normalized Difference Vegetation Index,NDVI)、归一化差异水分指数(Normalized Difference Water Index,NDWI)、大气阻抗植被指数(Atmospheric Impedance Vegetation Index,ARVI)及利用CZI波段构建的光谱斜率比(CZI Visible Spectrum Slope Ratio,CVSSR)4个指数替代CZI原始波段形成重构数据,基于重构数据的最小噪声分离变换(Minimum Noise Fraction Rotation,MNF)结果分量,建立决策树并实现了红树林信息的自动提取。研究结果表明:结合本文所选光谱指数重构数据及MNF变换方法,能够有效增强CZI影像上红树林与一般陆地植被的光谱差异,基于MNF变换分量建立的决策树可有效提取红树林信息,经与专家解译结果比对,本文方法面积准确率达90%以上;经随机样本点验证,总体检测精度为88%。

基于正交变换的多通道遥感影像变化检测

针对多时相多通道遥感影像的变化检测问题 ,引入了多元统计中的典型相关分析方法 ,对遥感影像进行典型变换 ,并采用最小噪声比率变换对典型变换结果作后处理 ,得到差异影像 ,初步解决了将变化信息集中到少数分量中的问题。实验证实了该方法的有效性 。

基于ICA/MNF变换的高分影像滑坡灾害检测方法研究

快速准确地从灾后影像中提取出受灾区域对于灾后救援具有重要意义。鉴于现有提取方法过度依赖滑坡在影像中的光学、纹理等特征的问题,研究了一种结合独立成分分析(ICA)与最小噪声比率变换(MNF)的变化检测方法,以单一时相的影像为基础,运用基于负熵最大化的Fast-ICA算法分离出两个时相影像相互正交的独立成分,并构建对应独立成分的差异影像,最后用最小噪声比率变换实现分布于各个差异影像上变化信息的集中,应用直方图阈值法得到了最终的滑坡灾害信息。选取了滑坡灾害前后两时相的高分辨率遥感影像数据进行实验,结果证实了方法的可行性。

基于相对变换PLS的故障检测方法

针对偏最小二乘方法(partial least squares,PLS)在无量纲标准化处理后导致的特征值大小近似相等,难以获得代表性的潜变量等问题,提出了一种基于相对变换PLS(relative-transformation PLS,RTPLS)的故障检测方法。该方法引入马氏距离相对变换理论,通过计算采样数据之间的马氏距离,将原始空间数据变换到相对空间。然后在相对空间进行PLS分解,提取有代表性的潜变量,建立故障检测模型,实现采样数据的在线检测。通过对TE(Tennessee Eastman)过程故障和轧钢机系统力传感器故障的仿真实验验证了所提出方法的有效性和实用性。理论分析和仿真实验均表明,基于RTPLS的故障检测方法能有效地消除量纲的影响,提取具有更大的变化度和代表性的隐变量,增加故障检测的精度和实时性。

基于小波变换和MNF变换的遥感影像融合

随着高分辨率遥感卫星的产生,传统的融合技术难以达到较好的融合效果,如主成分分析(Principal Com-ponents Analysis,PCA)变换融合对噪声比较敏感,受到融合区域的限制,而最小噪声分离(Minimum Noise Frac-tion,MNF)变换考虑了噪声和融合区域,是一种完备的成分分解方法,小波变换(Wavelet Transformation,WT)融合也存在一定程度的光谱失真。由此,本文在分析MNF变换和WT的基础上,以IKONOS新型高分辨率观测卫星提供的全色和多光谱数据为实验数据,提出了一种将两者相结合的遥感影像融合方法,通过与其它融合方法的定量和视觉比较,发现该方法能得到更好的融合效果。

MNF与MAD变换相结合的城市扩展研究

针对传统变化检测方法存在的缺陷,将最小噪声比率变换(M in imum Noise Fraction,MNF)和多元变化检测(Mu ltivariate A lteration Detection,MAD)方法应用于东营市城市扩展分析。从MNF和MAD变换获得的影像中提取的二值图像可知,检测结果总体精度达到90.1%,Kappa系数为0.802,证明了本文方法在变化区域检测方面的可操作性和有效性。

基于小波包变换及TRLMS抑制脉冲干扰的方法

为了解决航空无线电导航服务频段附近的脉冲干扰影响接收机工作的问题,并进一步提高全球导航卫星系统(GNSS)中的脉冲干扰抑制能力,提出了基于小波包变换及变换域最小均方根算法(TRLMS)来抑制脉冲干扰。通过最佳小波函数分解,跟踪定位脉冲干扰所处频带,并采用TRLMS自适应滤波技术取代常规小波包固定阈值方法对干扰进行抑制。仿真实验结果表明,所提方法相比其他的干扰抑制均方根误差更小,解决了有用信号丢失的问题,具有更好的干扰抑制性能。

有源脉冲噪声控制的反正切变换算法

近年来,针对有源脉冲噪声控制,提出一些较为有效的算法。由于脉冲噪声的高尖峰特性,给算法带来了不稳定。为克服这些算法的不足,提出一种基于反正切变换的滤波x最小均方差算法。该算法不需要根据脉冲噪声的先验知识估测阈值和选择参数,并且算法结构简单、易于实现。仿真结果表明该算法能有效地消除脉冲噪声,与其他几种算法相比表现了更好的收敛性和稳定性。

变尺度最小斜度UPF的Jerk模型机动跟踪研究

为提高Jerk模型在复杂环境下对机动目标的跟踪能力,减小计算较精确机动目标状态的高阶模型的负担,提出变尺度最小斜度无味粒子滤波(Scaled Minimal Skew Simplex Unscented Particle Filter,SMSS-UPF)算法。SMSS-UPF在轻量级计算中解决非线性空间高维数滤波精度低的问题,同时满足重要性分布与后验概率密度的高重合性,可改善对弱Jerk模型机动的跟踪能力。仿真结果表明,SMSS-UPF能自适应逼近不同强度的Jerk机动进行跟踪,减小系统噪声方差和测量噪声方差带来的估计误差。与传统UPF相比,计算复杂度显著减小。

基于最小运动变换的臂角参数化冗余机械臂逆运动学求解方法

传统臂型角参数化方法在求解七轴冗余机械臂的逆运动学问题上存在算法奇异问题,一般采用奇异情况特殊处理或者增加冗余参数的方式解决。针对这一问题,提出了一种新型的逆运动学求解算法,该方法基于最小运动变换模型来重新定义臂型角参数。在给定待求解的目标构型的前提下,定义七轴机械臂的基准构型,建立从基准构型到目标构型的二阶段最小运动变换模型。根据基准角运动和臂角自运动的两个阶段运动模型,求解参考臂平面和特定臂角参数对应的肩、肘、腕部关节点的位置。根据几何关系求解各关节角度关于臂角参数的解析公式。通过逆解仿真实验对该算法进行了验证,结果表明该算法在求解精度、计算效率、算法稳定性等指标上具有良好结果,证明了该算法的有效性。

基于标记分水岭和区域合并的彩色图像分割

针对分水岭算法的过分割问题,设计了一种结合标记分水岭和区域合并的彩色图像分割算法.算法首先根据梯度图像局部极小值的综合信息自适应提取标记,在标记的基础上进行分水岭变换获得初始分割结果;然后结合人眼对区域相似性的实际感知定义了融合颜色距离、方差和边缘信息的综合距离度量,通过综合距离度量控制区域进行快速合并得到高级分割结果.仿真结果表明,新设计的算法能够有效抑制过分割,获得更小的局部一致性错分率,与人工标注的分割结果更为接近.

数字视频接口——DVI1.0

介绍了新型数字视频接口的发展背景和技术优势,详细分析了DVI1.0的通信协议、T.M.D.S.的链路构成、信号特性、编码及解码算法,特别针对实际应用,分析了DVI接口的时钟构成,最后就显示相关的DDC、EDID、HPD等协议进行了简单介绍。