车载激光采集系统中三维信息联合解算方法

深入讨论了车载激光三维数据采集系统中解算三维信息的关键技术,给出了一套完整的GPS、IMU和激光扫描数据交叉整合的工程方法,实时、主动、快速获取导目标表面的三维信息。该方法已经在实际应用中得到验证。     

无人机多光谱遥感在玉米冠层叶绿素预测中的应用研究

叶绿素含量是植物生长中的重要参数,与农作物产量密切相关。无人机遥感技术作为一种新的数据获取手段,在农业中已得到广泛应用。以玉米为目标作物,将具有不同光谱响应函数的两种轻小型多光谱传感器(MCA和Sequoia),同时搭载在六旋翼无人机上,获取不同氮肥水平下大田玉米花期的多光谱影像。利用无人机影像空间分辨率高的特点,在小区尺度上,分别计算了基于两种多光谱传感器的各26种植被指数,并将其与地面实测的叶绿素含量(SPAD)值进行回归分析,研究不同波段反射率对SPAD值的敏感性,利用不同多光谱传感器及植被指数预测SPAD值的精度及稳定性。结果表明,对于具有较宽波段的Sequoia,在550 nm(绿波段)、735 nm(红边波段)的反射率对SPAD值的变化较敏感,其中,550 nm与SPAD值的相关系数最大(R2=0.802 9)。而对于较窄波段的MCA,720 nm(红边波段)的反射率与SPAD值具有较高的相关性(R2=0.724 8),550 nm(绿波段)次之。此外,由于两传感器红波段的中心波长和波段宽度不同,660 nm(Sequoia)反射率与SPAD值的相关系数为0.778 6,而680 nm(MCA)反射率与SPAD值的相关性较小,仅为0.488 6。利用无人机多光谱遥感技术预测大田玉米的SPAD值精度较高,但对于不同的多光谱传感器而言,同一植被指数却表现出较大的差异,其中,红波段和近红外波段组合构造的植被指数RVI,NDVI,PVI和MSR差异较大,具有较宽波段的Sequoia传感器优于窄波段的MCA;此外,对于Sequoia相机,GNDVI与RENDVI预测SPAD值的精度较高,RMSE分别为3.699和3.691;对于MCA相机,RENDVI预测精度最高(RMSE=3.742),GNDVI预测精度低于RENDVI(RMSE=3.912);两传感器中MCARI/OSAVI预测SPAD值精度均较低,RMSE分别为7.389(Sequoia)和7.361(MCA)。在所有的植被指数中,利用绿波段和近红外波构造的植被指数(G类),以及用红边波段和近红外波段构造的植被指数(RE类),预测SPAD值精度更高,均高于红外和近红外波段构造的植被指数;利用更多波段(三个及以上)组合构造的复杂植被指数,并不能显著提高预测精度。就预测模型而言,MCARI1更适用于对数模型,可有效提高预测精度, 而其他植被指数变化不显著。研究还发现,在小区水平SPAD值的预测方面,除NDVI和TVI,Sequoia相机对于不同氮肥条件下植被覆盖度、阴影和裸露土壤等环境背景因素具有较强的抗干扰能力;而对于MCA相机来说,TVI,DVI,MSAVI2,RDVI和MSAVI对环境背景因素非常敏感,预测SPAD精度低;此外,去除环境背景因素并不总是能够提高SPAD值的预测精度。本研究对于利用无人机多光谱遥感技术进行高精度的叶绿素含量预测具有指导意义,对于精准农业的推广和应用具有一定的借鉴价值。     

基于谱聚类与类间可分性因子的高光谱波段选择

随着遥感技术和成像光谱仪的发展,高光谱遥感图像的分辨率不断提高,其庞大的数据量在提高其遥感探测能力的同时,也给分析和处理带来了很大的困难。高光谱波段选择可以有效减少数据冗余,提高分类识别精度和处理效率。因此如何从多达数百个波段的高光谱图像中选择出具有较好分类识别能力的波段组合是亟待解决的问题。针对上述问题,采用基于图论的谱聚类算法,将原始高光谱图像中的波段作为待聚类的数据点,利用互信息描述两两波段间的相似度,生成相似度矩阵。再根据图谱划分理论,将相似度矩阵生成的非规范化图拉普拉斯矩阵进行谱分解,得到类间相似度小且类内相似度大的类簇;然后根据地物类型计算各波段的类间可分性因子,将其作为类簇内进一步选择代表性波段的参考指标,达到降维的目的;最后通过支持向量机与最小距离分类方法对波段选择后的图像分类。该方法区别于传统的无监督聚类方法,采用基于图论的谱聚类算法,并根据先验知识计算类间可分性因子来选择波段。通过与自适应波段选择算法和基于自动子空间划分的波段指数算法的对比实验,结果表明：两组实验当聚类数目达到相对最佳时,该波段选择方法支持向量机图像总分类精度达到94.08%和94.24%以上,最小距离分类图像总分类精度达到87.98%和89.09%以上,有效保留了光谱信息,提高了分类精度。     

一种用于三维曲面视觉测量的立体精匹配方法

根据立体视觉原理 ,针对三维曲面视觉测量的实际情况 ,提出一种基于空间不变量的立体精匹配方法。首先利用投影光栅 ,在曲面上形成变形条纹 ,采用小波变换检测出像素级的离散边缘点 ;然后用三次 B样条将条纹边缘插值成光顺曲线 ,根据对极几何特性 ,实现像素级的精匹配 ,解决了交向摆放姿态的双目立体视觉系统的匹配问题。     

基于光谱重建优化的无人机高光谱影像估算牧草生物量

准确及时地预测牧草的地上生物量AGB(above ground biomass)是实现牧草生长监测和合理放牧的前提。无人机高光谱遥感可快速获取高空间、光谱和辐射分辨率的遥感影像,已被广泛应用于精准农业和高通量植物表型等领域。为探究无人机高光谱影像(unmanned aerial vehicle hyper-spectral image, UAV-HSI)对草原牧草AGB预测的适用性,获取了青海省典型草场样区的UAV-HSI、样方牧草AGB和相关辅助数据。然而,UAV-HSI具有较大的数据量级,不便于被广泛采集、存储和传输,也会显著影响数据处理的效率,严重制约其被有效利用。着眼于此,提出一种兼顾数据简化和光谱保真的牧草冠层光谱重建优化方法,以期在有效降低数据量的同时,保证牧草AGB的预测精度。首先,利用残差量化方法对UAV-HSI进行特征参量化处理,获得低数据量级的多阶二值立方体(H_i)及系数矩阵(β_i),并以此替代原始数据进行存储和传输;其次,利用H_i和β_i进行光谱重建,得到初构光谱PRS(preliminarily reconstructed spectra);最后,运用Savitzky-Golay滤波对PRS进行优化,即为OPRS(optimized PRS)。以样区牧草光谱为例,对OPRS的光谱保真性,即OPRS与原始光谱之间的相关系数、光谱角和光谱矢量距离进行分析,结果表明,在3种保真性指标上,OPRS均明显优于同阶的PRS。进而,分析了牧草AGB与光谱变量之间的相关性,结果表明,与原始光谱和PRS相比,OPRS各波段对牧草AGB的预测能力相对较高且最为稳定。而后,利用偏最小二乘法回归构建了牧草AGB的反演模型,结果表明,在原始光谱、1～4阶PRS和1～4阶OPRS等9种光谱中,4阶和3阶OPRS的AGB预测精度分别达到了最优和次优水平,二者的AGB预测相对分析误差RPD(ratio of performance to deviation)分别为2.31和2.23,比原始光谱模型的RPD分别高0.26和0.18。在降低1个数量级的情况下,OPRS取得了优于原始光谱的牧草AGB预测性能,说明OPRS兼具数据简化和牧草AGB准确预测性能,为UAV-HSI估算牧草AGB提供了一种新的有效解决方案。     

基于形心法的模糊线性回归模型的统计分析

使用形心法将模糊数转化清晰数,从而将模糊线性回归模型转化为传统的线性回归模型来研究,此模型输入、输出都为模糊数,回归系数为清晰数,讨论了该模型的参数估计及基于数据删除的影响分析,并通过对实例的研究及与其它模型比较,说明了该模型应用方便,具有更优的拟合性.     

顾及光谱混叠的高光谱相机任意方向侧扫几何成像

以移动平台的线推扫式高光谱相机横向推扫成像不同于以卫星平台或飞机平台的竖直摄影成像方式,其属于水平方向推扫竖直方向成像,存在投影面选择、空间方位确定以及光顾混叠等问题。针对上述情况,详细推导了适合于线阵高光谱相机地面推扫的影像像素地理参考模型,可以进行任意方向的地面横向推扫成像;结合影像的地面采样间隔大小及推扫成像的区域范围,给出了地理参考后影像格网划分的一般过程;同时,考虑到在影像格网划分过程中存在的舍入误差,以及在影像校正过程中采用传统直接光谱采样可能造成的光谱掺杂问题,提出了基于地理参考后相邻像素重叠面积作为权重系数进行加权融合的改进光谱采样方法。最后进行了大量地面横向推扫成像实验,并依据上述算法进行了影像畸变校正,验证了线阵影像几何畸变校正算法的有效性及鲁棒性,同时,对校正好后的影像选用多个样本点进行了光谱数据验证,实验表明改进后的光谱采样方法明显优于直接光谱采样算法,为同类产品的地面应用提供参考。     

基于光谱精确采样的高光谱相机转扫成像几何校正

针对转扫式光谱成像系统在数据采集过程中,由于转台转速过快造成校正后的影像存在有数据漏洞,以及获取的原始影像数据存在有严重几何形变,影响影像上地物信息的分类与识别等问题,介绍了转扫式光谱成像系统的组成并给出数据采集一般过程,根据数据采集时单帧影像的覆盖范围和系统采集影像的速率等信息,在数据采集时对转台速度进行控制;结合影像获取时的起始与终止角度以及传感器距离前视点的距离等信息,详细推导了转扫式光谱成像空间定位模型,并对定位后影像进行格网划分和光谱重采样,给出了影像畸变校正的一般流程;鉴于影像空间定位后相邻帧间影像空间分辨率不一致,同时为保证获取最大的影像分辨率,采用最小空间采样间隔作为坐标定位后影像格网划分单元;考虑到新生成均匀格网与不均匀格网叠加进行光谱取值时,采用直接光谱采样可能造成的光谱混叠失真问题,提出了基于位置分布的光谱精确采样方法,以张家界老司城获取的高光谱影像数据为例进行畸变的校正,校正后影像上地物保持了原有的几何特征,验证了算法的正确性,同时抽取不同地物点的光谱数据进行相关系数计算,结果表明改进的光谱采样算法优于直接光谱采样,为同类产品的地面应用提供参考。     

基于模糊Cook距离的模糊线性回归模型的统计诊断

针对确定输入、模糊输出的模糊线性回归分析模型,采用最小二乘法,讨论了模糊线性回归模型的数据删除模型的参数估计,将建立在确定性数据基础上的线性回归模型统计诊断量Cook距离推广到模糊线性回归分析模型中,构造了统计诊断量—模糊Cook距离,通过数值模拟和对实际例子的研究,识别出其中的强影响点,得出与其它方法相同的结论,表明本文构造的统计诊断量是有效的,且应用比其它方法更方便.     

田口方法在X射线荧光分析时曲线校正中的应用

根据田口玄一博士在测量工程学中提出的信噪比概念,计算了X荧光分析中某一标准曲线极限信噪比。当日常测试中系统的信噪比大于极限值时,不需要对曲线进行校正;当日常测试中系统的信噪比小于极限值时,应对曲线进行校正．以保证该测量系统工作的稳定性。