线推扫式高光谱相机侧扫成像几何校正

线阵高光谱相机侧扫成像可以有效解决卫星遥感影像无法获取建筑物立面光谱数据等问题。阐述了课题组集成开发的线推扫式高光谱遥感监测系统组成部分及关键技术指标等;根据地面侧扫成像特点,详细推导了适合于线推扫式相机地面侧扫成像几何校正模型;给出了地理参考影像格网划分和重采样方法,并对数据采集过程可能出现的漏采现象提出解决方案。通过大量地面模拟实验,验证了线阵影像几何畸变校正算法的有效性及鲁棒性,为同类产品的地面应用提供参考。     

从三维激光点云中快速统计树木信息的方法

树木位置分布及胸径(DBH)是研究森林生态、管理林区的重要指标。激光雷达在获取树木相关数据方面有巨大潜力,因此,提出用手持移动激光雷达获取的三维点云快速统计树木信息的方法。手持移动激光雷达可近距离采集树木信息,获取更详细的单木立面信息。针对上述点云特点,提出分层聚类的点云处理方法,按不同高度对点云切片,形成一组切片截面图,再仅对切片截面图聚类;根据聚类结果使用随机抽样一致性算法拟合出圆,对比一组切片截面图的拟合结果,完成树木点云提取。这种先取样再计算的方法大大提高了运算速度。实验证明该方法树干提取准确率达94.4%,DBH计算平均误差3.4cm。本文方法可快速统计树木相关信息。     

基于压缩感知与结构自相似性的遥感图像超分辨率方法

本文提出了一种基于压缩感知、结构自相似性和字典学习的遥感图像超分辨率方法,其基本思路是建立能够稀疏表示原始高分辨率图像块的字典。实现超分辨率所必需的附加信息来源于遥感图像中广泛存在的自相似结构,该信息可在压缩感知框架下通过字典学习而得到。这里,本文采用K-SVD方法构建字典、并采用OMP方法获取用于稀疏表达的相关系数。与现有基于样本的超分辨率方法的最大不同在于,本文方法仅使用了低分辨率图像及其插值图像,而不需要使用其它高分辨率图像。另外,为了评价方法的效果,本文还引入了一个衡量图像结构自相似性程度的新型指标SSSIM。对比实验结果表明,本文方法具有更好的超分辨率重构效果和运算效率,并且SSSIM指标与超分辨率重构效果具有较强的相关性。      

基于统计模型的三维场景重建补洞算法

提出了一种新的处理距离图像(即点云数据)算法。算法提取已经获得的表面数据的特性．计算各个被测的特征值,建立马尔可夫统计模型,描述整个表面的数学特征,进而利用最大似然概率预测丢失位置的数据值,得到被测物体表面的完整的数据描述。使用该算法恢复由于障碍物和表面小良反射特性产生的空洞,具有良好的视觉效果．与测量获得的表面数据具有统一的几何特征。     

斜模超分辨率成像最佳角度

斜模成像是一种从采样模式上提高影像空间分辨率的方法,斜模成像角度的大小与成像质量密切相关。着重分析了斜模超分成像角度与斜模影像的有效分辨率、混叠、模糊以及噪声的关系,并确定斜模超分辨率最佳成像角度。首先,模拟分析了成像角度为1~90的混叠指数、视场幅宽以及有效分辨率,并提出了用交叉复原方法对影像的分辨率、混叠、模糊以及噪声进行定量评估;然后,利用调制传递函数（MTF）结合倒易晶胞的方法对斜模影像复原,最终确定了最佳成像角度为72;最后,用实际实验验证分析结果表明,当斜模成像角度为72时影像的分辨率提升约1.41倍。     

非线性变换和信息相邻相关的高光谱自适应波段选择

通过非线性函数变换改进后的谱间Pearson相关分析可同时获取高光谱影像光谱间的综合相关系数（rcl）、相关类型和统计显著性水平;研究发现,非线性是高光谱影像的谱间相关性的主要类型。基于相关系数的波段相邻相关系数（rac）在自适应波段选择算法（ABS）中是为了表达波段的独立性,然而发现ABS算法中rac并不能有效表达波段独立性。鉴于此,提出了一种信息相邻相关系数（riac）和基于此指数改进的自适应波段选择算法（MABS）。使用公共数据和实验室采集数据,对ABS、基于线性相关系数（rl）的MABS（rl）和基于rcl的MABS（rcl）等三种算法进行实验。结果表明:在波谱范围和算法有效性及精度方面,MABS均优于ABS;MABS较好地兼顾了大信息量和强独立性原则,其波段选择结果的光谱范围明显大于ABS;MABS（rcl）的光谱范围略大于MABS（rl）;三种算法的总体分类精度（OA）和Kappa系数的大小顺序均为:MABS（rcl） MABS（rl） ABS。     

结合张量空间与倒易晶胞的高光谱影像去噪去混叠

传统去噪去混叠算法大多针对单波段图像,针对于高光谱影像的特点以及噪声、混叠对于图像的影响,提出了一种结合张量与倒易晶胞的多维滤波算法,并将其应用在高光谱影像的去噪和去混叠中。该方法引入张量,将高光谱影像数据视为三阶的张量表达,以倒易晶胞获取影像混叠和噪声较小的频谱覆盖,从最小均方误差的角度交替迭代求解三个方向的滤波器,最终完成影像滤波,在保证影像空间和光谱信息一致性的前提下,有效地减少影像混叠和噪声,提高图像的质量。通过与二维维纳滤波算法、张量多维去噪算法的多组高光谱数据对比实验,证明了文中算法的有效性。     

基于高阶残差量化的光谱二值编码新方法

光谱二值和多值编码技术能够实现目标光谱的快速匹配、识别和分类等应用,但这类量化编码方法会损失大量的光谱细节信息,且不能解码出与原始光谱近似的重构光谱,应用有限。为了解决上述问题,提出一种高阶残差量化的光谱编码新方法HOBC(high-order binary coding)。首先,对光谱向量进行去均值的规范化处理,得到值域为(-1, 1)的光谱序列;然后,求解规范化光谱的±1编码、编码系数和残差（即一阶残差）;基于一阶残差,逐阶解算2至K阶残差的±1编码及其系数;最后得到K个编码序列及其系数,即为HOBC的编码结果。选择典型波谱库数据集,对比光谱0/1二值编码BC01(binary coding with 0 and 1)、光谱分析编码SPAM(spectral analysis manager)、二值/四值混合编码SDFC(spectral derivative feature coding)和DNA四值编码等4种方法,进行了光谱量化编码和解码重构实验,分别统计了光谱形状特征和斜率特征编码的信息熵和存储量、光谱形状特征编码与原始光谱之间的光谱矢量距离SVD (spectral vector distance)、谱间Pearson相关系数SCC (spectral correlation coefficient)和光谱角SAM (spectral angle mapping)。结果表明,在编码存储量上,HOBC的1～4阶编码分别与以上4种编码相等;在编码信息熵上,HOBC的1～2阶编码分别与BC01和SPAM相等,而HOBC的3～4阶编码分别高于SDFC和DNA编码;在SCC上,HOBC1阶编码与BC01相等,而2～4阶编码均分别优于SPAM,SDFC和DNA编码;在SAM方面,HOBC 1～4阶编码均分别明显优于4种对比方法;4种对比方法不能明确解码重构,而HOBC可简便重构出与原始光谱近似的解码序列,且SVD逐阶递减。进一步,基于临泽草地试验站公开光谱数据集,进行了10类地物目标的光谱编码和监督分类实验,实验结果表明,在Kappa系数,总体分类精度和平均分类精度等3种性能评价指标上,HOBC均明显优于4种对比方法,尤其是,HOBC 4阶编码优于原始光谱的分类性能;对样本数量较少且类间相似性较高的难分类地物,HOBC亦具有优于其他算法的鲁棒性。说明HOBC编码在大幅压缩数据量的同时,其编码序列能保留较高的信息量,且具有较高的光谱可分性,可用于光谱高精度快速识别和分类;其解码重构序列与原始光谱序列具有较高的相似性,理论上可适用于目标识别和分类等应用。     

系数为梯形模糊数的模糊回归分析的最小二乘法

由于模糊数往往可以用梯形模糊数来逼近,因此对梯形模糊数的模糊回归模型的研究就有一定的实用价值.采用最小二乘的方法,针对输入为精确数、输出和回归系数都是梯形模糊数的模糊线性回归模型,讨论了该模型回归系数的最小二乘估计及误差项的估计,实例说明了提出的参数估计的拟合度比较好.     

基于模糊时间序列模型的CPI预测方法研究

构建模糊AR(p)时间序列模型,对CPI进行了预测,通过实际数据模拟发现,与传统的ARIMA模型相比,模糊AR(p)时间序列模型预测的效果更好.