基于张量Tucker分解的高光谱图像异常目标识别

高光谱图像每个像素点的光谱信息包含数百甚至数千个波段,使得高光谱图像在维度上具有高度的复杂性,且由于光谱波段众多,其中存在大量的冗余信息,加大了异常目标识别计算的负担。为此,文中提出基于张量Tucker分解的高光谱图像异常目标识别方法。通过张量Tucker分解压缩高光谱图像后,采用依据高光谱图像数据样本学习的构造方法,构建压缩后高光谱图像的字典,获取高光谱图像数据的稀疏表示形式后,通过RX异常检测方法检测出高光谱图像中的异常目标。实验结果表明:所提方法张量分解重构高光谱图像后,可以缩短压缩时间,减少算法复杂度;重构后的高光谱图像清晰度高,且高光谱图像异常目标检测虚警率低。

巡线LiDAR多通道光谱图像异常识别技术（英文）

联合GPS、ISN、LiDAR、测距机等,构建超POS信息;计算最小视场分辨率、像元数、焦距等选择相机;将POS采集系统与相机组合成LiDAR多通道光谱图像异常识别系统.采用多通道匹配融合法融合紫、红外、彩色图片,基于Hough变换,通过同族容器归纳法确定疑似故障点.运用Hough变换、免疫遗传Snake、最小二乘法解析椭圆形貌,解决绝缘子异常识别问题.工程实验表明,该系统平均探测精度是82.4%,优于直升机与人工平均值24.05%,是一种高效率的智能电网巡线排查手段.

遥感地质勘查技术与应用研究

遥感的发展极大地拓宽了人类的视野和视觉能力,以其宏观性、综合性、多尺度、多层次的特点,已成为地质研究和地质勘查不可缺少的技术手段,在地质调查、矿产勘查、地质环境评价、地质灾害监测和基础地质研究等方面都发挥了越来越大的作用。随着传感器分辨率(空间、光谱、时间、辐射)的不断提高,特别是高光谱和干涉雷达技术的发展,不仅极大地提高了遥感的观测尺度、对地物的分辨本领和识别的精细程度,而且使遥感地质发生了由宏观探测到微观探测,由定性解译到定量反演的质的飞跃,将遥感地质和应用都推向一个新的高度。本文首先简要介绍了遥感技术的发展及其意义,遥感地质找矿的原理、方法和遥感找矿模型,然后分别从岩矿波谱、遥感图像处理、多光谱蚀变异常提取、高光谱矿物识别与填图、InSAR地表形变调查与监测、遥感找矿模型、遥感地质灾害调查与监测7个方面介绍了遥感的基本原理、主要的技术方法、技术特点和技术关键、主要的应用领域,以及取得的一些研究成果和应用实例。