基于贝叶斯推理的像元内部端元选择模型

提出了利用贝叶斯推理选择混合像元内端元的模型.考虑到端元光谱的不确定性,基于贝叶斯推理和线性光谱混合模型得到了像元内端元集合的后验概率表达式.在获得端元共存的先验知识基础上,结合端元光谱的正态分布函数,通过最大后验概率得到最佳的端元集合.通过对包含147431个像元的ETM+影像试验表明,相对于IDRISI软件的MRES和PG算法,该算法可削减至少70%的冗余端元,使端元选择错误导致的分解误差降低至少28%.结果表明,由于充分考虑端元光谱的小确定性和端元的共存性,通过贝叶斯推理可以大幅度提高端元选择的正确率,从而改善混合像元的分解精度.     

基于光谱分类的端元提取算法研究

目前成熟的端元提取算法是基于单形体几何学的像元纯度指数(PPO)算法,N-FINDR,VCA等算法.这些算法从图像所有像元中提取纯光谱,具有提取速度慢、精度不高的缺点;部分算法需要进行光谱降维,不利于小目标信息的提取.该文提出先利用基于空间特征的光谱分类算法进行分类,将格个图像划分成空间相邻、光谱相似的若干类,每一类的...     

小波包分解支持下的高光谱混合像元盲分解

提出将小波包辅助下子带分解的独立成分分析用于高光谱混合像元盲分解.利用小波包分解改进独立成分分析技术,并考虑到高光谱数据的特点提出了高光谱混合像元盲分解方法,该方法能克服独立成分分析方法要求端元光谱统计独立带来的问题.利用两组合成数据和三组室内实测数据对本算法进行测试,证明了本算法能较为准确的提取端元光谱波形和端元丰度...     

小波包分解支持下的高光谱混合像元盲分解

提出将小波包辅助下子带分解的独立成分分析用于高光谱混合像元盲分解.利用小波包分解改进独立成分分析技术,并考虑到高光谱数据的特点提出了高光谱混合像元盲分解方法,该方法能克服独立成分分析方法要求端元光谱统计独立带来的问题.利用两组合成数据和三组室内实测数据对本算法进行测试,证明了本算法能较为准确的提取端元光谱波形和端元丰度,其准确度明显优于独立成分分析方法.该方法为高光谱遥感影像的盲分解提供了一条新的途径.     

基于改进光谱特征拟合算法的高光谱数据矿物信息提取

根据光谱特征拟合算法在实际应用中存在的问题,介绍一种改进光谱特征拟合算法,该算法综合常规的特征拟合处理和地物光谱吸收特征参量约束为一体,能更细致地进行高光谱数据地物信息提取.实验基于不同空间分辨率和信噪比的高光谱数据,编程实现改进光谱特征拟合算法对实验区的白云母、方解石、绿泥石等蚀变矿物信息提取,与常规光谱特征拟合和光谱角制图处理结果的比较分析发现改进算法在矿物混淆区分、信息提取精细度上均得到提高,有较强的实用性.     

基于校准k-ε模型的复杂地形流动数值模拟

准确计算风电场的内部流动对风电场的微观选址至关重要。求解雷诺平均NS方程(RANS)的模拟是当前模拟风电场内部流动的主要手段。湍流模型对模拟结果的准确性有很大影响。选取在工程中广泛应用的标准k-ε湍流模型进行研究。首先以平板地形为计算模型,探究入口边界条件、壁面方程、模型可调参数和对模拟流向均匀大气边界层的影响,获得平板地形下最优的模型可调参数设置。然后以三维山丘地形为计算模型,研究入口边界条件和源项对存在分离流动时复杂地形下的绕流模拟的影响。将得到的最优结果同实验结果对比,验证模拟方法的可行性,并给出添加源项的指导方法。     

一种基于修正扩展形态学算子的高光谱遥感 图像端元提取算法

形态学算子反映了像素的空间相关性信息,将其应用于高光谱遥感图像端元提取可以有效地提升算法性能.本文针对已经普遍用于高光谱遥感图像端元提取的扩展形态学算子在像元排序规则和替换准则上存在的局限性,引入了基准向量的概念并给出计算方法,提出了修正扩展形态学算子.修正后的排序规则和替换准则避免了图像中不同类别交界处的交叉替换现象,保证了正确的覆盖方向,是提高端元提取效果的关键步骤.通过修正扩展形态学算子的基本膨胀和腐蚀运算,定义了相应的开-闭运算和闭-开运算,由此得出了端元判定向量,并给出端元提取算法的详细流程.基于扩展形态学的自动端元提取算法可以综合考虑光谱和空间信息,端元提取效果优于仅依靠光谱信息的算法.算法由IDL7.0实现,并在AVIRIS于Cuprite地区的高光谱遥感图像上进行实验,实验结果从光谱曲线相似性、端元平均相似度和相应地物分布图等方面证明了算法的有效性.     

一种基于修正扩展形态学算子的高光谱遥感图像端元提取算法

形态学算子反映了像素的空间相关性信息,将其应用于高光谱遥感图像端元提取可以有效地提升算法性能,本文针对已经普遍用于高光谱遥感图像端元提取的扩展形态学算子在像元排序规则和替换准则上存在的局限性,引入了基准向量的概念并给出计算方法,提出了修正扩展形态学算子.修正后的排序规则和替换准则避免了图像中不同类别交界处的交叉替换现象,保证了正确的覆盖方向,是提高端元提取效果的关键步骤.通过修正扩展形态学算子的基本膨胀和腐蚀运算,定义了相应的开-闭运算和闭-开运算,由此得出了端元判定向量,并给出端元提取算法的详细流程.基于扩展形态学的自动端元提取算法可以综合考虑光谱和空间信息,端元提取效果优于仅依靠光谱信息的算法.算法由IDL7.0实现,并在AVIRIS于Cupritc地区的高光谱遥感图像上进行实验,实验结果从光谱曲线相似性、端元平均相似度和相应地物分布图等方面证明了算法的有效性.     

基于最大化N维立体光谱角的高光谱端元提取

提出了一种基于最大化N维立体光谱角(Maximum N-dimensional Solid Spectral Angle,MNSSA)的端元提取方法.该方法通过计算N个光谱向量在高维欧几里得空间的光谱夹角,定量衡量该N个光谱向量的独立性.在线性混合模型假设下,端元光谱向量的欧几里得空间夹角大于混合像素构成的夹角.MNSSA法不受待提取端元数目及波段数目的限制,对光谱向量幅值变化不敏感,能够克服阴影及光照因素对端元幅值的影响.使用模拟数据及AVIRIS(Airborne Visible/Infrared Imaging Spectrometer)获取的真实高光谱数据对MNSSA端元提取法及现有基于几何的端元提取法进行了对比评价.仿真结果表明,MNSSA法能够克服阴影影响因子对端元幅值的影响,端元提取准确率优于现有端元提取法,且具有良好的抗噪声性能,能显著降低高光谱数据的重构误差.     

基于有效端元集的双线性解混模型

光谱解混是用于定量分析高光谱图像中成分含量的一项重要技术方法,主要包括线性解混模型和非线性解混模型。线性解混模型构造简单,但并未考虑不同成分光子间的相互影响,导致解混结果在很多实际图像上不够精确。常用的非线性混合模型中的双线性解混算法,随着图像中端元数量增加,虚拟端元的数量也随之快速增加,计算精度受到很大的影响。论文报道改进了双线性解混的模型,并提出一种有效端元子集的选择算法。首先结合欧氏距离和光谱夹角,按照与混合像元的距离,将所有端元排序;然后利用排序结果和误差变化情况选择实际参与混合的端元子集。从而降低了未参与特定混合像元混合的端元对解混结果的影响,提高了解混精度。对模拟图像的测试效果证明了该算法可以减小光谱的重构误差,对实际航拍高光谱溢油图像的分析结果也进一步说明了算法的有效性。     

结合空间和光谱信息的高光谱影像端元光谱自动提取

端元光谱提取是高光谱影像混合像元分解的关键。现有的端元提取方法多是仅利用了影像的光谱信息,忽略了像元间的空间相关性。现有研究基础上,提出了一种结合影像空间和光谱信息的高光谱影像端元光谱自动提取方法(integration of spatial-spectral information based endmember extraction,ISEE)。该方法首先进行影像子空间划分以增强影像局部的光谱信息特征,然后通过特征空间投影分析获得影像候选端元,最后依次在影像空间信息约束下和端元光谱信息约束下进行优化,得到最终的影像端元光谱集。仿真高光谱影像和真实高光谱影像的实验结果表明,结合影像空间和光谱信息的ISEE方法是有效的,且比一些常用方法提取的端元光谱更为准确。     

喀斯特典型地物混合光谱与复合覆盖度关系研究

喀斯特石漠化是我国西南喀斯特地区面临的主要生态环境问题之一。岩石裸露率以及植被覆盖度是石漠化主要的地面表现特征,也是评价石漠化的关键指标。由于喀斯特地区复杂的地貌情况,使得评价石漠化需要多种地物类型覆盖度信息。该文在实测光谱支持下,构建了系列光谱指数,初步分析了喀斯特地区典型地物混合光谱与复合覆盖度的关系。结果表明,光谱指数与覆盖度的相关性远远高于光谱反射率与覆盖度的相关性。植被指数和绿色植物(photosynthetic vegetation, PV)覆盖度有着很好的线性关系;该文构造的光谱指数和干枯植被覆盖度(non-photosynthetic vegetation, NPV)、土壤覆盖度有着较好的相关性,可决系数分别达0.70和0.73,显示了有估算NPV和土壤覆盖度的潜在能力。而光谱指数和裸岩率的相关系数稍低,最高达0.55,可以提供一定的裸岩率信息。所构建的4种指数形式中,表征光谱吸收特征深度的指数形式和NPV、土壤覆盖度以及裸岩率均拥有最高的相关性。这为高光谱遥感在喀斯特石漠化信息提取的应用进行了初步的探索。     

基于流形学习和空间信息的改进N-FINDR端元提取算法

光谱端元提取是对高光谱数据进一步分析的重要前提。由于双向反射分布函数(BRDF),像元内的多重散射和亚像元成分的异质性等因素,高光谱图像中的混合像元实际上是非线性光谱混合。传统的端元提取算法是以线性光谱混合模型为基础,因此提取的端元精度不高。在光谱非线性混合的基础上,提出一种将流形学习与空间信息结合的改进N-FINDR端元提取算法。首先通过自适应的局部切空间排列算法寻找嵌入在高维非线性数据空间的本质的低维结构,将原始高光谱数据非线性降维到低维空间。接着利用地物分布具有连续性的特点,通过增大空间同质区域的像元的权重进行空间预处理。最后通过寻找最大单形体体积进行端元提取。提出算法很好的解决了高光谱遥感数据非线性结构,并利用了空间信息,提高了端元提取的精度。模拟数据实验和真实高光谱遥感数据实验结果均表明,采用该算法得到的结果优于顶点成分分析(VCA) 算法、基于测地线距离的最大单形体体积(GSVM)算法和空间预处理的N-FINDR(SPPNFINDR)算法。     

高光谱图像中基于端元提取的小目标检测算法

针对高光谱图像中小目标检测问题,提出了一种基于端元提取的目标检测算法。该算法利用主成分分析的变换矩阵来构造投影算子,把原始图像投影到该算子构成的正交子空间后,大概率的背景信息得到抑制,从而突出了小概率的目标;在完成背景信息抑制的基础上,利用迭代误差分析方法进行端元的自动提取;根据所提取出的目标端元的光谱,结合光谱角度匹配技术完成目标物的检测。为了验证新方法的有效性,利用高光谱数据进行了实验研究,并与经典的RX算法的检测结果相比较。实验结果表明提出的基于端元提取的算法不需要目标的任何先验知识就能达到比较好的目标探测效果,对RX算法检测效果不太理想的小目标也能准确识别。     

基于高光谱影像的小麦条锈病光谱信息探测与提取

为了理解与定量分析农作物光谱特征和相关参数,基于PHI高光谱影像建立了农作物病害光谱响应与探测模型,即光谱点位与参数模型（FPPM）.为了识别和提取小麦条锈病信息,根据多时相高光谱影像光谱特征,提出了一种可调节的多时相归一化植被指数（MT-NDVI）.结果表明,FPPM能很好地响应与感知该病害在小麦生长期的光谱特征;结合光谱角制图法（SAM）,MT-NDVI能清楚地呈现不同区域该病害的轻重程度,准确地区分和提取小麦条锈病与健康小麦及土壤的信息.     

基于高光谱反射率的喀斯特地区土壤重金属锌元素含量反演

针对传统土壤重金属锌元素含量测定效率低下和喀斯特地区山高坡陡土壤样品采集难度大,亟需先进手段获取土壤重金属锌元素含量的要求,以喀斯特流域为研究区,利用电感耦合等离子质谱测定土壤样品的锌元素含量和分光光广度计采集土壤光谱数据。将所测定的原始光谱,经过连续统去除、一阶、二阶微分、倒数、倒数对数、倒数对数一阶、倒数对数二阶微分7种数学变换,基于高光谱吸收重金属元素的特征吸收带初步判断光谱特征变量,利用相关分析进一步筛选特征变量,运用逐步回归最终确定有效建模光谱变量。采用非线性和线性算法,揭示光谱敏感波段反射率与重金锌元素含量之间的映射关系,进行土壤重金属含量估测。结果表明：基于耦合的光谱特征变量甄选方式,锌元素的特征波段580,810,1 410,1 910,2 160,2 260,2 270,2 350,2 430 nm与铁氧化物、有机质、粘土矿物吸收带关联,表明一定程度上捕捉到喀斯特地区土壤重金属锌元素的光谱吸收特性;运用随机森林、支持向量机、偏最小二乘3种算法进行元素含量与光谱变量建模后,采用决定系数和均方根误差评价模型精度。从光谱变换形式和模型性能二个维度综合判断,基于二阶微分变换的随机森林算法准确度最高,为最佳估算模型。通过高光谱反射率估测重金属锌元素含量,实现了喀斯特地区土壤重金属锌元素含量的高效快速反演,为喀斯特地区重金属元素含量动态监测提供了可靠的技术支撑。     

Information Theory for Biological Sequence Classification: A Novel Feature Extraction Technique Based on Tsallis Entropy

In recent years, there has been an exponential growth in sequencing projects due to accelerated technological advances, leading to a significant increase in the amount of data and resulting in new challenges for biological sequence analysis. Consequently, the use of techniques capable of analyzing large amounts of data has been explored, such as machine learning (ML) algorithms. ML algorithms are being used to analyze and classify biological sequences, despite the intrinsic difficulty in extracting and finding representative biological sequence methods suitable for them. Thereby, extracting numerical features to represent sequences makes it statistically feasible to use universal concepts from Information Theory, such as Tsallis and Shannon entropy. In this study, we propose a novel Tsallis entropy-based feature extractor to provide useful information to classify biological sequences. To assess its relevance, we prepared five case studies: (1) an analysis of the entropic index q; (2) performance testing of the best entropic indices on new datasets; (3) a comparison made with Shannon entropy and (4) generalized entropies; (5) an investigation of the Tsallis entropy in the context of dimensionality reduction. As a result, our proposal proved to be effective, being superior to Shannon entropy and robust in terms of generalization, and also potentially representative for collecting information in fewer dimensions compared with methods such as Singular Value Decomposition and Uniform Manifold Approximation and Projection.     

一种基于离散粒子群优化算法的高光谱图像端元提取方法

针对混合像元分解过程中,由于数据噪声引起的端元提取不准确问题,引入了群智能算法中的粒子群优化算法,并对粒子群优化算法进行了改进,重新定义了位置和速度的表示方法和更新策略,得到离散粒子群优化(discrete particle swarm optimization,D-PSO),能够在离散空间中进行搜索,解决组合优化问题。同时,通过定义目标函数和可行解空间,将端元提取问题改写成组合优化问题,最终实现利用D-PSO进行端元提取。在给出算法的详细流程之后,文章通过一组模拟数据实验和一组实际数据实验验证了D-PSO算法对于具有较大噪声的数据的适应性和提取端元的可信程度,并分析了不同参数对于算法性能的影响。     

IWD-Hankel-SVD模型下玉米叶片光谱铜污染信息预测

近年来在工业化和城镇化快速发展的地区,由重金属污染导致的环境问题尤为突出,特别是农业重金属污染更为社会所关注,因此,探索快速便捷的重金属污染甄别与监测方法极为重要.高光谱遥感作为新兴的重金属污染监测技术已有了深入研究.提出了固有波长尺度分解(IWD)概念和方法,并结合Hankel矩阵和奇异值分解(SVD)等建立了植被重...