基于SP-LSQR的综合孔径辐射成像方法

综合孔径微波辐射计是被动微波遥感领域中一种重要的探测器。综合孔径辐射计成像反演过程在数学上是病态的反问题,传统正则化方法虽然能够有效克服其病态性,但重构误差较大、对干扰噪声鲁棒性不强。与传统正则化方法相比,最小二乘Q-R矩阵(Least Square Q-R matrix,LSQR)分解算法具有计算精度高、数值稳定性好等优点,但收敛速度不够快。对此,文中提出利用子空间预处理LSQR(Subspace Preconditioned LSQR,SP-LSQR)算法进行综合孔径辐射计反演成像,提高收敛速度。仿真结果表明:与Tikhonov正则化和带限正则化相比,SP-LSQR方法不仅可以降低重构误差,而且对干扰噪声的鲁棒性更强。此外,与LSQR方法相比,SP-LSQR方法在不降低成像反演精度的情况下,有效提高了计算效率。

基于改进R矩阵方法的光谱反射率重建研究

为了解决传统R矩阵方法重建光谱反射率过程中的病态问题,提出了一种正则化R矩阵改进方法。研究了如何使用Tikhonov正则化来限制R矩阵方法求解Moore-Penrose伪逆矩阵中所产生的病态问题,同时使用L曲线方法从训练样本数据中得到有效限制病态情况的最优正则化参数。实验结果表明:与R矩阵方法相比,改进的正则化R矩阵方法重建的光谱精度的平均均方根误差值降低了0.004 25,平均适应度系数值提高了1.325%,色度精度的平均色差值降低了0.141 9,并且在实际的应用中具有较好的表现。该方法能够满足精度较高的文物艺术品颜色再现的需要。

基于光谱重建技术的壁画颜色复原与评价

为了在给定的照明和观察条件下,用相机响应信号重建物体表面光谱反射率,实现颜色的高精度复原,采用了多光谱成像技术采集物体表面的多光谱图像,使用主成分分析、R矩阵和正则化R矩阵方法进行了光谱反射率重建的理论研究,并对壁画色块颜色复原进行了实验验证,取得了壁画色块的重建光谱和颜色复原数据,同时对基于正则化R矩阵方法的壁画色块颜色复原结果进行了评价。结果表明,正则化R矩阵方法进行光谱重建的光谱精度和色度精度更高,与主成分分析和R矩阵方法相比,色差降低了0.0732,适应度系数提高了1.10%,均方根误差降低了0.0035,光谱匹配偏指数降低了0.0225。该方法能够满足高精度颜色再现的需要,适用于文物艺术品数字化存档、文物艺术品修复等领域。

正则矩阵及平滑参数与GPS水准面拟合精度关系分析

针对GPS高程转换求解高程异常时,由于大地高和正常高所涉及的基准面以及各类椭球参数和全球重力场对局部水准面起伏的影响致使高程异常的解算中存在难以参数化的系统误差,提出将系统误差看作非参数信号,采用补偿最小二乘法来处理。在补偿最小二乘模型中,正则矩阵R和平滑参数α的选取对拟合结果起决定性作用,讨论了正则矩阵R和平滑参数α的选取对拟合结果的影响,在此基础上提出了一种求解平滑参数α的Xu函数法,最后对某GPS测区的高程数据进行了解算,与其他求平滑参数的方法相比,Xu函数法获得了理想的结果。

基于半参数的MGM(1,N)模型变形预测

针对传统MGM(1,N)模型本身存在一定的缺陷,提出半参数MGM(1,N)变形预测模型,以补偿最小二乘作为约束条件。而半参数模型的关键是确定正则化矩阵和平滑因子,用时间序列法选取正则化矩阵,用L-曲线法确定平滑因子,解算出参数A^B。采用文献[1]中的原始数据序列,分别利用半参数MGM(1,N)模型和传统MGM(1,N)模型进行预测,用相对误差作为精度评价指标,平均相对误差进行模型检验,得出半参数MGM(1,N)模型的预测效果比传统MGM(1,N)模型的效果好的结论,同时验证了传统MGM(1,N)模型的模型误差。

半参数模型在平面坐标转换中的应用

坐标转换在测绘领域一直起着至关重要的作用,而模型的选取又直接制约着转换的精度,通常在坐标转换中采用相似变换(Hermert)的方法,在平面坐标转换过程中一般采用4参数模型。然而当系统误差不可忽略时,该模型处理得到的结果并不理想。本文将半参数模型应用到平面坐标转换中,分别采用4参数模型和半参数模型两种方法对实验数据进行了处理,并进行了对比与分析。实验结果表明:在处理带有系统误差的平面坐标数据时,半参数模型比传统的参数模型更加精确。

由伴随坐标得到的Dirac族的可积约束流

引入伴随坐标建立了Dirac族的某些非正则高阶约束流及其对应的Lax表示和r-矩阵，并证明这些约束流在Liouville意义下是完全可积的．