水体透射光谱结合主成分分析(PCA )改进化学需氧量(COD)含量估算研究

化学需氧量（Chemical Oxygen Demand,COD）是水体有机污染的一项重要指标,化学需氧量越高,表示水污染程度越严重。 为了解决传统的COD测量方法耗时较长,不利于快速、实时地获取水体中COD的信息等问题。本文提出了基于透射光谱测量结合主成分分析(Principal Component Analysis, PCA)改进水体COD含量估算模型。具体的,采集100组COD水体光谱信息,分别使用3种不同的高光谱数据预处理方法对光谱数据进行预处理,分析不同预处理方法对模型精度的影响,并基于不同的预处理方法分别建立高斯过程回归模型(Gaussian Process Regression, GPR)和BP神经网络模型,分析不同预处理方法对模型精度的影响;并对各模型结合PCA数据降维方法进行模型的改进,通过比较模型的精度选择最优模型进行水体COD含量的检测。结果显示,相比于原始光谱数据建立的GPR模型和BP神经网络模型,数据预处理后的模型精度明显提升;且结合PCA对预处理后的数据进一步降维处理后,模型精度得到了进一步的提升。其中,基于标准正态变量变换特征结合PCA改进BP神经网络模型基于PCA改进的BP神经网络模型R^2高达0.9940,均方根误差RMSE为0.022540。证明了基于PCA改进的BP神经网络数据降维方法对预处理后的光谱数据进行降维处理,有利于去除光谱中的冗余信息,提取特征信息,可以实现高光谱检测方法可以实现COD含量估算模型的优化,从而为传统COD测量方法存在的问题提出了一种新的解决思路。     

东祁连山高寒灌丛六种灌木植物的光谱特征分析

高寒灌丛是青藏高原生态系统的重要组成部分,研究高寒灌丛对青藏高原生态系统的系统研究具有重要的意义。但是长期以来,由于地处偏远而交通欠发达、加之生长条件严酷,造成青藏高原高寒灌丛相关研究较为困难。遥感探测技术,可以克服地理及环境造成的困难,而且可以进行大面积、无损的探测,因此,可以采用遥感探测技术进行青藏高原的高寒灌丛研究。传统的高分辨率遥感探测技术,由于常常采用的是RGB三个波段,对不同植物的辨别精度低,对应植物的NDVI指数和RVI指数差异性较小,不能有效区分各类植被。同时,高光谱反射率曲线和辐照度曲线,蕴含上千波段的光谱信息,若选择某一单一波段来进行植被探测,则光谱信息损失非常大,反应出来的灌丛特征不明显,结果置信度低。为了区别高寒灌丛植被,利用高光谱技术对灌丛开展光谱特征分析,为青藏高原灌丛的遥感探测提供理论支持。本研究借助美国FieldSpec4高分辨率地物光谱仪,在东祁连山马牙雪山景区内采集头花杜鹃（Rhododendron capitatum Maxim.）、鬼见愁（Caraganajubata (Pall.) Poir.）、金露梅（Potentillafruticosa L.）、高山柳（Salix cupularis）、甘肃瑞香（Daphne tangutica Maxim.）和鲜黄小檗（Berberisdiaphana）六种典型灌木植物的室内光谱数据,通过反射率（REF）、吸收率（ABS）及其一阶微分（GREF和GABS）的变换,进一步提高灌木植物光谱曲线间的可辨析度,分析并筛选出敏感波段,而后通过各个波段之间的相互组合计算NDVI′值和RVI′值,并且以TM设置波段计算的NDVI值和RVI值作为参考,筛选出优于TM波段且差值最大的波段组合确定为最优模型。结果表明：(1）灌木植物对太阳辐射吸收形成的光谱特征曲线与大多数植物相似,但与草本植物相比,灌木植物的第一个波谷发生了左移现象;(2）灌木植物在某些敏感波段中反映出独有的光谱特征,通过REF,ABS,GREF和GABS变换,可以进一步扩大,利用这一特点可以筛选出敏感波段,进行灌丛分类和识别;(3）六种灌木植物光谱值差异较大,且数值相对较为稳定的波段有550～680,860～1 075,1 375～1 600和1 900～2 400 nm,因此可选取这四个波段为敏感区进行灌木植物识别;(4）利用575～673和874～920 nm敏感波段的REF均值或者685～765,556～590,635～671和1 117～1 164 nm敏感波段的GABS面积,计算的NDVI值和RVI值可以有效辨别六种灌木植物。     

同伦方法求解无界域上非凸规划问题的收敛性定理

利用同伦方法求解非凸规划时,一般只能得到问题的K-K-T点.本文得到无界域上同伦方法求解非凸规划的几个收敛性定理,证明在一定条件下,通过构造合适的同伦方程,同伦算法收敛到问题的局部最优解.     

基于邻域分割的空谱联合稀疏表示高光谱图像分类技术研究

传统的高光谱遥感影像分类算法侧重于光谱信息的应用。随着高光谱遥感影像的空间分辨率的增加,高光谱影像中相同类别的地物在空间分布上呈现聚类特性,将空间特性有效地应用于高光谱遥感影像分类算法对分类精度的提升非常关键。但是,高光谱影像的高分辨率提供空间聚类特性的同时,在不同地物边缘处表现出的差异性更加明显,若不对空间邻域像素进行甄选,直接将邻域光谱信息引入,设计空谱联合稀疏表示进行图像分割,则分类误差较大,收敛速度大大降低。将光谱角引入空谱联合稀疏表示图像分类理论中,提出了一种基于邻域分割的空谱联合稀疏表示分类算法。该算法利用光谱角计算相邻像素的空间相似度,剥离相似度较低的邻域像素,将相似度高的邻域像素定义为同类地物,引入空谱联合稀疏表示模型中,采用子联合空间追踪算子和联合正交匹配追踪算子对其优化求解,以最小重构误差为准则进行分类。选取AVIRIS及ROSIS典型光谱影像数据进行实验仿真,从中可以看出,随着光谱角分割阈值的提高,复杂的高光谱影像分类精度和平滑区域的高光谱影像分类精度均逐步提高,表明邻域分割在空谱联合稀疏表示分类中的必要性。     

一种波段聚类和多尺度结构特征融合的高光谱图像分类模型

高光谱图像包含丰富的地物信息,在农业、工业和军事等领域应用广泛。因此,高光谱图像的识别与分类是一项重要的研究课题。然而,高光谱图像存在光谱维度高、噪声大、标记样本有限等问题,并未取得很好的分类效果。针对以上问题,提出一种波段聚类和多尺度结构特征融合的高光谱图像分类模型(ASPS-MRTV)。该方法主要包括以下几个步骤,首先,对高光谱数据进行归一化处理,将归一化后的三维图像按光谱维等分为n个子空间;其次,采用粗细划分策略构造自适应子空间光谱特征提取框架,将每个空间波段拉伸为一维向量后用信息散度构造波段的相似性矩阵,按照聚类的思想对n个子空间进行自适应;然后,将每个自适应子空间的光谱波段平均值进行叠加,形成光谱特征;最后,对所得到的光谱特征数据利用多尺度相对全变分技术提取结构特征。为了增强样本的线性可分性,在数据堆叠之后进行核主成分分析,最终形成空谱特征。对比实验中统一使用惩罚参数C和核参数σ都为24.5的SVM进行分类。经测试,ASPS-MRTV网络模型在Indian Pines、 University of Pavia两个数据集上分别以5%, 1%的训练样本达到了97.06%、 98....     

基于以太网机群的海量高光谱数据处理系统平台设计

在一些大型图像处理系统中,通过构建服务器机群网络,可实现多台服务器并行处理图像数据流。针对高光谱遥感数据及处理算法特点,设计了基于以太网的服务器机群海量高光谱数据处理系统平台,平台由7台服务器和1台千兆网交换机构组成,其中选择CPU核数不低于8核的4台HP刀片服务器作为并行处理服务器,在服务器机群软件设计中,通过任务分解、算法流水化处理及网络负载均衡等方法来实现并行处理。该系统已应用在某遥感数据处理系统中,多台服务器同时写入SAN盘阵,可实现6 000 Mbps的写入能力。     

一种基于积分直方图的粒子滤波跟踪方法

用积分直方图技术提出了一种低复杂度的粒子滤波跟踪方法和基于积分颜色直方图的观测似然模型.采用积分方向直方图建立一个检测响应图,用其上的观测信息构建建议分布函数,在状态空间中似然概率较大的子空间中进行粒子采样.仿真结果表明,在采用大量粒子跟踪大目标时,提出的跟踪方法的计算复杂度明显低于直方图直接提取的粒子滤波方法,而且在...     

基于高光谱的水体BOD含量模拟估算

高光谱技术由于满足连续性与光谱可分性的要求,具有能够区别同一种地物不同类别的能力,且光谱数据获取速度快,操作简易,在监测水体分布状况、水体指标上具有突出成就。生化需氧量BOD是评价水污染的重要指标,现行常规的测量方法为五日培养法,这种方法消耗试剂、操作复杂、受干扰因素多、测定时间长、不能及时反映水质变化、无法及时有效地预警突发水污染事件,鉴于传统方法的缺点,探索基于高光谱技术的水体BOD含量的估算和反演对水质评定具有重要意义。以西安地区三处地表水为研究区,共计60处试验点,每处试验点重复测定10次光谱与BOD值,取平均值作为原始光谱,利用Person相关系数法筛选光谱与BOD值的敏感波段,并使用主成分分析与最小二乘法消除光谱指标的多重共线性,建立水质BOD指标的多元线性回归模型与偏最小二乘回归模型。研究结果如下：（1）BOD敏感波段大体分布于600～900 nm,共筛选出了35个显著相关的原始光谱指标,其中758 nm相关系数绝对值最高（0.418）;（2）经由主成分分析降维得出的Z₁和Z₂与BOD指标的多元线性回归模型精度较好（R2=0.565,RMSE=0.007）,且主成分分析中可以明显区分0～0.2与0.4～0.6 mol·L-1 BOD浓度;（3）光谱指标与BOD指标构建偏最小二乘回归模型的精度R2高达0.896,RMSEP=0.746 9（留一交叉法均方根误差）;jack.test检验发现628 nm对反演水体BOD含量的影响极其显著,889与893 nm波段对其影响较为显著;(4）根据模型拟合精度,筛选的最优的BOD反演模型为偏最小二乘回归模型,对偏最小二乘模型进行精度检验,精度较好（R2=0.81）。基于以上试验结果,提出了一种基于偏最小二乘法高光谱水质BOD参数的反演方法,为水质BOD参数动态检测提供了新方法。     

Polarization effect in （e, 2e） reaction process for Ar （3s） in coplanar asymmetric geometry

The （e, 2e） triple differential cross sections （TDCSs） of Ar （3s） are calculated by using distorted-wave Born approx- imation under coplanar asymmetric geometry. The incident electron energy is 113.5 eV, and the scattering electron angle 01 is -15~. The ejected electron energy is set at 10 eV, 7.5 eV, 5 eV, and 2 eV, respectively. The polarization effects have been discussed and the polarization potential Vpol changing from a second-order to a fourth-order term has been analyzed. Our calculated TDCSs have been compared with reported experimental and theoretical results, and the calculated TDCSs of polarization potential up to the fourth order could give a good fit with experimental results in the binary region, but fail to predict the correct recoil-to-binary ratio in most cases.     

基于改进MCA的干涉高光谱图像分解

干涉高光谱图像特殊的成像原理,使其帧内存在着大幅值且位置固定的干涉条纹,而帧间存在着水平移位的背景图像,这种特点会严重的破坏原始图像的固有结构,从而导致新兴的压缩感知理论与传统压缩算法的直接应用无法得到理想的效果。由于干涉条纹信息与背景图像信息的特征不同,能够对干涉条纹与背景图像进行稀疏表示的正交基也是不同的。基于这种思想,使用MCA(morphological component analysis)算法对干涉高光谱图像中干涉条纹信息与背景图像信息进行分离处理。由于干涉高光谱图像数据量庞大,传统的MCA算法对干涉高光谱数据的图像分解,迭代收敛速度慢,运算效率较低,故而针对干涉高光谱数据特点对传统MCA算法进行改进,改变其迭代收敛条件,当分离后的图像信号与原始图像信号的误差已经基本保持不变时,即终止迭代;并根据对应正交基能且仅能稀疏表示对应信号的思想,对阈值采用自适应的方式进行更新,在新的阈值更新模式中,图像信号在不同正交基下的映射系数被计算与比较。大量实验结果表明,对于LASIS数据与LAMIS数据,MCA算法都能够较完美的将干涉高光谱图像分解,改进的MCA算法更能在保持完美分解输出结果的同时,相对于传统MCA方法显著的减小迭代次数,更快的达到迭代收敛条件,从而有效的提高了算法的运算效率与实时性需求,也为新兴的压缩感知理论在干涉高光谱图像中的进一步应用提供了一种很好的解决方案。