基于Stokes矢量特征与GA-SVM的全极化SAR影像分类方法研究

发展了一种基于极化散射特征的全极化SAR影像分类方法,探索了Stokes矢量特征作为分类特征的有效性,通过遗传算法耦合SVM的特征选取方法(GA-SVM)有效解决了分类器泛化不足的问题.以一景高分三号(GF-3)全极化影像作为主要的数据源,与同步外业调查获取的地面实况数据进行对比,结果表明所设计的待选分类特征集与特征选取方法得到的特征组合取得了较好的分类效果,总体精度达到90.00%,Kappa系数为0.87,影像部分地物的错分、误分现象得到改善.这表明:(1)GA-SVM的特征选取方法可以在有效地降低分类特征维度的同时提升目标SVM分类器的分类精度;(2)将Stokes矢量元素及其分解特征作为分类特征,可有效提升非参数模型分类的精度.

基于电光调制器的全Stokes矢量的遥感测量

在利用光学方法测量参数的技术领域,偏振光的调制和检测具有重大的实用价值。但目前的偏振遥感主要是线偏振参数的测量,不是全Stokes矢量的测量。为实现全矢量图像的测量和显示,需要构建一种应用于遥感测量的全偏振图像采集、存储、计算和显示系统。整个全偏振测量装置的核心是一个包含液晶调制器的双CCD成像装置。系统通过对液晶调制器的控制,对入射光进行相位调制,偏振分光棱镜将调制后的光束分为强度相等的两束光(o光和e光),并由两个CCD进行图像的实时同步采集,最后由数字信号处理器(DSP)进行全Stokes参数的计算并输出结果图像。实验结果表明:全Stokes矢量图像包含更多的图像信息,在目标识别和其他图像测量的应用上将会发挥巨大的作用。

强度调制法测量Stokes矢量元素谱原理研究

介绍了一种测量Stokes矢量元素谱的新方法。该方法通过在普通光谱仪的入射光路前端加上由两个延迟器和一个检偏器组成的调制器,只需一次测量即可解调得到目标的完整Stokes矢量元素谱,能有效解决传统偏振光谱信息获取方法存在的缺陷。给出了新方法实现完整Stokes矢量元素谱测量原理的数学推导,并用计算机数值模拟手段证明了该方法的可行性。

一种新的测量扭曲向列相液晶盒盒厚和扭曲角的Stokes矢量法

提出了一种新的测量扭曲向列相液晶盒盒厚和扭曲角的Stokes矢量法。根据Jones矩阵推导出了Stokes矢量与液晶盒参数的关系,其原理是通过确定经过液晶盒之后偏振光的偏振特性来求解液晶盒盒厚和扭曲角。该方法在测量一个Stokes矢量时,在液晶盒后依次放两种波片,目的是改变经过液晶盒后的光的偏振态,再置一偏振分光棱镜分开水平Ip和垂直Is线偏振分量,测得两组光强,根据公式算得该Stokes矢量,从而求解液晶盒盒厚以及扭曲角。实验中我们用该方法测量了不同盒厚、扭曲角度的TN液晶盒。实验结果证明该方法可行,结果准确,并且可以测量盒厚较小的液晶盒。最后,我们理论分析了实验误差。

球间隙区域上的Stokes算子的特征问题及应用

本文研究两个同心旋转球之间的球 Couette流 .求出球间隙区域上的Stokes算子的特征函数的具体表达式 ,对特征值的增长性进行估计 ,然后应用于球 Couette流的谱 Galerkin逼近 。

基于Stokes参量法测量矢量光束偏振态的方法

矢量光束的偏振态检测是矢量光束研究的关键技术。论文研究了基于Stokes参量法测量矢量光束偏振态的方法,介绍了该方法的基本原理和实现过程。基于猫眼腔激光器和马赫-曾德干涉仪生成了4种不同偏振态分布的轴对称线偏振矢量光束,并用Stokes参量法计算了生成光束的四个Stokes参量,以及光束每个像素点上的椭圆取向角和椭圆率角,得到了生成光束的偏振纯度。实验结果证明了Stokes参量法可有效实现矢量光束的偏振态检测。

解Stokes特征值问题的一种两水平稳定化有限元方法

基于局部Gauss积分,研究了解Stokes特征值问题的一种两水平稳定化有限元方法.该方法涉及在网格步长为H的粗网格上解一个Stokes特征值问题,在网格步长为h=O(H2)的细网格上解一个Stokes问题.这样使其能够仍旧保持最优的逼近精度,求得的解和一般的稳定化有限元解具有相同的收敛阶,即直接在网格步长为h的细网格上解一个Stokes特征值问题.因此,该方法能够节省大量的计算时间.数值试验验证了理论结果.

基于瑞利散射的大气偏振模式Stokes矢量建模仿真

瑞利散射模型是一种经典的大气偏振模式表征模型,在实际中得到了广泛的应用,但不能通过Stokes矢量描述大气偏振模式的分布特性。基于瑞利单次散射原理,对经典的瑞利模型进行推广,建立一种理想条件下的大气偏振模式Stokes矢量仿真模型。该模型能够对理想条件下大气偏振模式Stokes矢量的分布变化进行建模仿真,利用Stokes矢量可以完备地表征大气光偏振态分布情况,并描述出不同类型偏振光的具体分布特性。通过仿真发现,大气偏振模式的Stokes矢量具有"十"字形的分布形态,整体分布始终保持相对于太阳子午线对称特性,随着太阳高度角的升高各矢量分量逐渐减弱。

基于Stokes子矢量估计的弱信号检测

研究了窄带极化雷达的弱信号检测问题。首先给出目标散射波和随机极化波瞬态Stokes子矢量序列(ISVS)的表征方法和匹配距离的概念,而后提出了一种雷达目标散射信号Stokes子矢量的估计方法。最后,利用目标散射信号和接收机噪声的ISVS之间的差异,基于径向积累的思想提出了一种弱信号检测算法,可以显著改善雷达系统的检测性能,对于反隐身、预警和空间探测等具有一定的指导意义。

基于瞬态Stokes子矢量的信号检测

研究了随机极化波中目标散射信号的检测问题。首先导出了正态随机极化波的瞬态Stokes子矢量概率分 布密度的解析表达式,在此基础上,基于信号和背景噪声之间的瞬态Stokes子矢量统计特性差异,提出了一种基于瞬态 Stokes子矢量的信号检测方法,仿真结果验证了该算法的有效性。

利用Stokes矢量和Muller矩阵确定椭圆偏振光的方位角和长短轴之比

本文利用Ｓｔｏｋｅｓ矢量和Ｍｕｌｌｅｒ矩阵法分析椭圆偏振光的方位角和长短轴之比的测定，并给出获得椭圆偏振光特定方位角和长短轴之比的方法。

基于FLCM的太阳Stokes矢量偏振测量术

利用两个标准λ/2FLCM(铁电液晶调制器)提出了太阳Stokes矢量偏振测量术。在不同的调制相位间隔测量4次光强便可导出全部Stokes矢量。利用FLC容易实现高调制频率(几千Hz)。这种偏振测量术的测量装置没有机械运动部件,不能引起杂散光效应,与快速解调器相结合在可见光范围内测量精度非常高。理论分析与实验结果符合很好。

InGaN合金的微结构光学特征及其Stokes偏移研究

研究了生长在GaN/Al2O3模板层上的InGaN合金的微结构形态,并通过Raman光谱测定了InGaN合金的晶相,采用分光镜椭圆测量对InGaN合金的光学带隙进行了研究,分析了InGaN合金带隙产生Stokes偏移的本质及原因。AFM显微图表明生长在GaN/Al2O3模板层上的InGaN合金的微结构晶体质量得到了很好的改善。In-GaN合金的Raman光谱曲线非常微弱,与GaN/Al2O3的Raman光谱曲线几乎完全重叠。通过分光镜椭圆测量可知,InGaN合金的光学带隙Eg随着In含量的增加而减少。InGaN合金在红外区域表现出强烈的光致发光峰,随着Ga含量的增加,光致发光峰表现出较大的蓝移即Stokes偏移。在InGaN合金的中间In组分附近Stokes偏移达到最大值。产生Stokes偏移的主要原因是InN在GaN中具有较低的混溶性。Stokes偏移也可归结为InGaN合金中存在局域态,InGaN合金中载流子的局域化程度越高,Stokes偏移就越大。

Stokes特征值问题的类Wilson非协调元逼近

利用紧算子谱逼近理论 ,给出了 Stokes特征值问题的类 Wilson非协调元逼近及其误差估计 。

Stokes特征值问题的一个新的Hermite型三角形混合有限元格式

给出了Stokes特征值问题的一个新的Hermite型三角形混合有限元格式,并得到了特征值的最优误差估计.

Joanes矢量、Stokes矢量和Poincare球关系的研究

在偏振光的表述中，常用Joanes矢量、Stokes矢量对其做数学描述。偏振光的几何表述是通过Poincare球来描述，Joanes矢量和Stokes矢量对用数学手段处理偏振态的变换提供了方便。用几何方法通过Poincare球表示各种偏振态更直观和感性。本文从解析式上证明了他们之间的关系，并进一步指出三种方法的优缺点。

基于Stokes矢量的双相机偏振成像系统

针对传统偏振成像技术机械振动大、系统不稳定的问题,提出了一种基于Stokes矢量的双相机偏振成像技术,在液晶驱动控制器的作用下,驱动2个液晶可调相位延迟器(LCVR)进行柔性调制,利用相机采集目标的偏振图像,进一步得到Stokes矢量的分量图像,解算出偏振度、偏振角图像。该方法利用双相机同时成像技术,解决了单相机采集信息不完整的问题,可以实现完全Stokes测量,同时获得目标的线偏振和圆偏振图像。实验结果表明,偏振度(Dop)图像相较于线偏振度(Dolp)图像,包含了更多的细节信息,Dop图像在图像评价指标方面均有5%以上的提升,说明Dop图像可以更好地还原被测目标物。采用该方法可以提高对静态目标的识别能力。

基于Stokes矢量测量的LCVR标定方法研究

液晶相位可变延迟器(LCVR)是一种利用液晶电控双折射效应进行工作的波片,通过改变电场来改变入射光的相位,因其相位延迟与电压、波长、温度等因素有关,使用前需要进行严格的标定。针对LCVR的标定,提出了一种基于Stokes矢量测量的LCVR标定方法,建立了系统Stokes矢量与LCVR相位延迟量之间的函数关系,通过偏振态测量仪测量待测系统出射光的Stokes矢量,进而求解出LCVR的相位延迟量。通过与光强法进行对比分析,验证了Stokes矢量法的正确性,并且,较之光强法测量更加简便,系统不再需要检偏器,避免了透光轴校准和光强值测量带来的误差;最后分析了电压、入射光的偏振角度、入射光波长,以及温度等对LCVR相位延迟量的影响.

主特征向量加权的声矢量圆阵波束域多重信号分类测向方法

为降低声矢量圆阵方位估计方法的计算复杂度,避免声压振速联合处理需选取观测方向的问题,提出了一种主特征向量加权的声矢量圆阵波束域多重信号分类(MUSIC)测向方法。在信号总功率与噪声功率之比最大的优化准则下,求解得到单矢量传感器最优的加权向量,即主特征向量。结合主特征向量设计相应的波束形成矩阵,并从理论上对声矢量圆阵阵元域和波束域MUSIC的目标方位估计方差进行比较。推导了单矢量传感器的大特征值和信号功率、大特征值对应的特征向量和其导向向量之间的关系。通过仿真实验验证了基于主特征向量波束形成矩阵的有效性,所提方法具有较低的计算复杂度和良好的方位估计性能。水池实验数据分析表明,所提方法能够准确估计目标方位。

基于对比学习的矢量化特征空间嵌入聚类

深度嵌入聚类(deep embedding clustering,DEC)算法只通过自编码器,以单一实例重构的方式将数据嵌入到低维矢量化特征空间中进行聚类,而忽略了不同实例之间的关系,导致可能无法很好地区分嵌入空间中的实例。针对上述问题,提出基于对比学习的矢量化特征空间嵌入聚类(vectorized feature space embedded clustering based on contrastive learning,VECCL)方法。通过对比学习以辨识数据实例之间异同性的方式,从数据中提取出具有同近异远聚类语义的特征,并作为先验知识带入DEC中,引导自编码器初始化带有深层数据信息的低维聚类特征空间。同时利用软分类标签构造熵损失,与自编码器的重构损失一起作为正则化项引入聚类损失函数中,共同细化聚类。实验结果表明,所提方法提取特征的能力更强,与DEC方法在数据集CIFAR10、CIFAR100和STL10上的实验结果相比,ACC分别提升48.1个百分点、23.1个百分点和41.8个百分点,NMI分别提升41.0个百分点、25.2个百分点和39.0个百分点,ARI分别提升45.4个百分点、16.4个百分点和41.8个百分点。