信息融合背景下的网络安全态势感知模型及关键技术分析

本文基于信息融合构建的网络安全态势感知模型,可通过态势信息的采集、预处理、信息融合与态势评估,超前识别入侵事件,并对入侵事件的发展态势作出准确预测,以便于网络管理员提前采取预防措施,达到防患于未然的效果,维护网络资产设备的安全。在网络安全态势感知与评估中,主要应用到了Hyperic-Sigar态势信息收集技术、NSSAP数据交换技术、决策级数据融合技术以及基于矩阵法的网络安全态势评估技术等关键技术。

遥感数据像素级融合统一模型及实现技术

研究遥感数据像素级融合统一模型及相应的实现技术具有重要的理论和应用价值。根据遥感数据成像机理和多光谱影像理想融合增强结果提出了遥感数据融合算法统一模型,该模型通过数学表达式的方式清晰地反映了参与融合的多光谱影像、从高分辨率全色影像提取的空间细节信息和采取的融合策略三者之间的运算关系,将三类典型融合算法推导成本文提出的统一模型;提出了基于统一模型的实现技术,该实现技术舍去对融合结果没有影响的计算步骤,只计算影响最终融合结果所需的参量,并列出常用融合算法实现过程中两个重要参量的求法。通过分析与比较,本文的统一模型概括更全面、适用性更广;通过分析实现步骤和比较实验结果,证明了基于统一模型的实现技术具有减少运算量的优越性,且具有普遍适用性,能应用于已提出的大部分遥感数据融合算法,有助于遥感数据融合技术的应用推广。

基于数据融合的遥感图象处理技术

简要地回顾了数据融合技术产生、发展的必然性 ,以及学者们提出的几种相关定义 ;尽可能详细地分析了数据融合的框架结构 ,包括像素层、特征层和决策层三层数据融合 ,并重点分析了各个数据融合层中的融合方法 ,以及这些方法在遥感图象处理中的应用 .由于数据融合与遥感图象分类、目标检测、变化检测、目标识别的密切相关性 ,还对数据融合与这些应用的结合作了一定的分析 .最后给出了结论和展望 .

水陆三维地形地貌融合应用研究

针对海量遥感数据和海洋测量数据的特点,采用Kriging插值算法和三角网构建高精度水下DEM数据,应用标准偏差算法和侧扫声纳镶嵌技术制作水下地貌影像,实现多元数据处理、融合和三维显示的技术流程。应用像素级数据融合技术实现海量水陆数据的连续、准确无缝拼接,解决海洋测绘信息空间一体化表达的技术难题。

多传感器图像融合技术及其进展

数据融合技术是一个多级、多层面的数据处理过程,主要完成对来自多个信息源的数据进行自动检测、关联、相关、估计及组合等的处理,得出最终结论或决策的技术。多传感器数据融合是一门新兴的技术,是对数据的综合与处理的过程。该技术在军事领域和民用领域都有很大的发展和应用前景,是目前受到普遍关注并迅速发展的技术分支,本文简述了图像融合技术的原理与架构、技术特点以及像素级、特征级和决策级图像融合的分类方法,介绍了各种方法的一些具体实施方案、特点及新的进展,评述了图像融合技术进一步发展和应用的一些关键问题,并指出了多源传感器数据融合研究中存在的问题及研究方向。

数据融合综述

新兴的数据融合科学内容丰富且应用广泛,正确理解融合算法与层次分类,能帮助我们避免数据富有但信息贫乏的情况发生。

Hyperion影像与高分辨率影像融合影像的分类结果比较

使用数据融合的手段,将Hyperion影像与SPOT影像进行融合,以期同时获得空间和光谱两方面的丰富信息。使用融合影像进行了地物分类实验,对分类的效果进行了比较。

多传感器不同分辨率遥感数字图像的尺度转换

针对日益增多的多传感器不同分辨率的遥感数字图像数据,提出其综合利用和尺度转换的有效方法。其中,作为尺度上推(scaling-up) 技术,本研究选择IHS和小波分解变换两种数据融合方法,应用Landsat ETM+数据和IRS-1C数据进行了实例研究。发现: IHS方法操作简单,对两种待融合的图像的像元大小和像元数(bit数) 的依赖不是很高,而对原始图像光谱信息的依赖很高,因此适用于不同传感器之间的数据融合上,其缺点就是不能够更多的保留原始多光谱数据的光谱信息。小波分解变换(WD) 方法可以很好地保留多光谱传感器的所有光谱信息,但是在重采样中对两种待融合的图像的像元配准的要求很高,因此比较适合于对同一传感器的多光谱数据与全色光谱数据的融合上。作为尺度下退(scaling-down) 技术,通过探讨将札幌野外实验站点数据镶嵌到高时间分辨率遥感图像的问题,提出像元级尺度扩展的具体操作方法和对NDVI图像进行扩展时出现混合像元的识别方法。应用AVHRR, MODIS, ETM+和ASTER的NDVI图像数据进行了像元尺度的扩展研究。得出: 对不同传感器的不同分辨率的数据之间进行像元级的尺度扩展后,能够较好地识别出不同地物的分布边界,较好的分辨混合像元。

遥感数据融合技术文献综述

介绍了遥感数据融合技术的产生、发展历程和现状;遥感数据融合的目的是获取关于目标的更全面、综合的信息解释,详细阐述了遥感数据融合技术主要分为像素层融合、特征层融合和决策层融合3个层次的融合,着重介绍了各个数据融合层次中的具体融合方法。结合3个层次的融合处理技术进行性能比较、优缺点分析,对遥感数据融合在资源探测、农业管理、环境监测、军事和土地资源管理等领域的应用进行阐述;最后提出遥感数据融合技术面临的机遇及挑战。