基于非下采样Shearlet和FCM变化检测的入侵植物遥感监测

尝试利用变化检测技术从遥感卫星影像上提取入侵植物蔓延的变化区域,实现对入侵植物的遥感监测。以预处理后的福建罗源湾2000年和2006年的LandsatTM／ETM＋分布影像为数据源。首先采用ENVI软件对预处理过的入侵植物互花米草分布的遥感图像进行配准;然后对配准后的两时相遥感图像采用基于非下采样Shearlet变换和模糊C均值聚类（FCM）的算法进行变化检测,实现入侵植物蔓延区域的位置和边界的检测。实验结果表明：该算法可以自动识别入侵植物生长扩散的的面积和边界,能准确地对入侵植物进行遥感监测。     

一种新的图像去噪混合滤波方法

为了去除图像中混入的脉冲噪声和高斯噪声,提出了一种基于自适应中值滤波和模糊加权均值滤波的混合滤波方法.该方法首先进行噪声检测把受高斯型噪声污染的像素和受脉冲型噪声污染的像素区别开来,然后对受高斯噪声污染的像素采用模糊加权均值滤波算法,而对受脉冲噪声污染的像素则采用改进的中值滤波算法进行去噪.仿真结果证明,该方法更具有实用性和有效性.     

基于改进模糊算法和相对熵的遥感图像增强

针对传统的Pal-King算法阈值难以确定的缺点,利用改进的最大类间方差(OTSU)算法来自适应获取阈值,通过改进的模糊增强算法对遥感图像进行全局增强,然后以相对熵为判别标准,进行领域信息的自适应对比度增强。实验结果表明,该算法增强的结果在主观上能获得很好的视觉效果,客观指标中清晰度和标准差有了大幅度的提升。因此该算法能获得很好的视觉效果和更加明显的细节信息。     

异构网络中基于Savitzky-Golay滤波的垂直切换算法

为了实现异构网络中的无缝链接和准确地判断网络状态,需加强确定移动台(MS)的位置信息,以及减少不利的衰落效应。本文提出了一种基于Savitzky-Golay滤波(即S-G滤波)的垂直切换算法,该算法能够使MS准确地判断网络的覆盖范围。仿真结果表明,该算法可以减少衰落效应,从而有效地减少了乒乓效应,提高了网络的性能。     

改进的遗传算法在频率分配上的应用

由于蜂窝移动通信网络中可用的频率资源是有限的,为了有效利用这些频率资源来满足不断增加的客户需求,因此获得一种较优的频率分配方法就显得非常重要。提出了一种改进的遗传算法,该算法采用了新的选择策略和交叉策略,并且在选择个体时还采用了精英保护机制。仿真结果表明,改进后的算法能够很好地解决频率分配问题。它有效地保证了种群中个体的多样性,而且不仅提高了算法的收敛率,还加快了收敛速度。     

基于电力线信道的一类OFDM盲同步算法的改进

针对电力线通信中多普勒频移为零以及具有一定拓扑结构的电力线信道中由多径反射所产生的时延扩展较移动信道而言相对稳定的特点,这里在最大似然（ML）类算法的基础上,实现了基于电力线信道的改进的正交频分复用技术（OFDM）同步算法。该方法有效的弥补了ML类算法不适合具有多径效应的电力线信道的不足。理论分析和仿真结果表明,该算法在电力线信道中具有良好的定时估计和频率偏移估计性能,而且计算量减少。     

基于改进阈值的低压电力线信道中的小波去噪方法

在电力线信道的小波去噪方法中,应用广泛的是小波变换阈值法.但传统的阈值法阈值单一,且在信号连续性较差的情况下,运用传统阈值法还会产生伪吉布斯现象.为了克服阈值法的不足,在平移不变量小波阈值去噪法的基础上,通过仿真低压电力线信道噪声,对阈值函数进一步改进,使阈值的变化与噪声的小波变换随尺度的变化特性相一致.仿真实验可以看出,该方法可以有效改善信号的信噪比,减小原始信号与估计信号之间的均方根误差,对含噪信号有更好的去噪效果.     

基于边际费希尔分析与径向基相结的甜瓜含糖量无损检测研究

为了解决甜瓜含糖量预测中输入特征的“维数灾难”问题,提出了一种基于边际费希尔分析（Marginal Fisher Model,MFA）和径向基神经网络（RBF）相结合的甜瓜含糖量无损检测方法。采用边际费希尔分析方法对高维的介电特性数据进行特征提取。该方法即能够保留高维空间中数椐的内蕴结构,又能同时进行降维,再应用RBF对低维特征数据进行训练和预测,结果表明该方法预测精度比其他算法有所提高。     

基于交叉累积剩余熵和NSCT的多模式遥感图像配准

图像配准是图像变化检测、融合、拼接等技术的 基础,在遥感图像处理领域具有广泛的应用 。利用非抽样Contourlet变换(NSCT)在图像分解上的灵活性,交叉累积剩余熵(CCRE)对遥感图像进行配准的有效性,提出一种基于CCRE和NSCT 的多模式遥感图像配准算法。首先对参考图像和待配准图像分别进行NSCT分解得到低频图像 ,然后采用CCRE作为相似性测度,利用牛顿法获得最优仿射变换模型的 参数对图像进行配准。实验 结果表明,本文方法能够较快的搜索到全局最优解,配准精度高,是一种有效的配准算法。     

基于压缩感知信号重构的wifi室内定位算法研究

针对位置指纹定位算法在训练阶段信号数据采集量大和定位精度不高的问题,提出一种压缩感知(CS,Compressed Sensing)与K均值改进支持向量机(SVM,Support Vector Machine)相结合的定位算法模型(CS-KSVM)。CS算法在训练阶段利用已采集到的部分参考点wifi信号强度数据对整个指纹信号库进行重构以降低信号采集工作量,再用K均值改进SVM算法来实现测试点的准确分类。实验仿真结果表明,CS-KSVM算法在相同采样点条件下的定位精度明显要高于传统定位算法,同时在相同定位精度条件下大大减少了定位需要的采样点数。CS-KSVM算法在3米之内的定位准确度可以达到93.2%。