基于双向波段预测的超光谱图像无损压缩

为了解决超光谱图像海量数据无损压缩计算复杂度高、实时性差的问题,将预测树模型和双向多波段谱间预测算法用于超光谱无损压缩研究。在对超光谱图像进行基于预测树模型的谱内预测的基础上,通过双向谱间多波段预测,利用谱间局部统计冗余和结构冗余,建立了对预测树模型误差进行自适应补偿的预测器模型,设计了一种基于“权重”的方法。该方法利用已编码像素对系数进行自适应估计。采用SPIHT (Set Partitioning in Hierarchical Trees)算法对去冗余后的残差图像进行编码。试验结果表明,该算法在较低的计算复杂度下,压缩比优于目前流行的无损压缩算法。     

基于整数小波变换的MODIS多光谱图像无损压缩

为了解决MODIS多光谱图像数据的存储和传输问题,提出了一种基于整数小波变换和结合波段相关性判定的谱间预测的算法,对MODIS多光谱图像数据进行无损压缩.通过整数小波变换和波段相关性判定,有效地去除了MODIS图像数据的空间和谱间冗余,其压缩效果优于当今最流行的WinRAR、WinZip压缩软件,与基于三维预测(3D-DPCM)的方法相比,该方法也能得到较好的效果,有较高的压缩比.     

基于模糊分析的多光谱遥感图像的纹理特征

模糊分析的方法是用均一表面不确定性对原始图像进行模糊纹理滤波,在滤波图像上计算空间均一不确定性,对不确定性进行模糊纹理光谱分析,其光谱曲线直观地反映了多光谱遥感图像的纹理特征;通过采用不同的洲量窗口,在不同的类别提取纹理样品进行实验.研究结果表明:多光谱遥感图像在小区域纹理特征不稳定,不同波段的纹理特征不同,不同类别的最小测量区域不同;模糊纹理分析的方法可用于图像分割.     

基于自适应谱段分组的超光谱图像压缩算法

针对庞大的超光谱数据与有限的卫星信道容量间存在的巨大矛盾,提出了一种新的基于自适应谱段分组的超光谱图像压缩算法.为了充分挖掘图像的谱间相关性,运用该算法对超光谱图像进行了预处理,通过谱段的自适应分组和预测参考帧的选取提高了压缩算法的编码性能,并结合谱间预测和位平面编码分别消除了超光谱图像的谱间和空间冗余.实验结果表明:与传统方法相比,在保证图像质量和较低计算复杂度的前提下,其压缩编码的平均峰值信噪比提高了约2.0～4.5 dB.     

基于空谱融合与协同表示的高光谱图像分类算法

高光谱图像光谱带间相似度高且存在大量高维非线性样本,传统的基于表示的分类方法无法对同一波段下的不同样本做出有效区分且会造成维数灾难,最终影响分类性能.提出一种空谱融合与协同表示的高光谱分类算法.通过交替学习空间和光谱特征构建具有判别性的特征字典,并用于空间感知协同表示.在分类过程中,计算特征字典与测试样本之间的相关系数...     

基于上下文多字典学习的高光谱波段选择

高光谱图像存在大量冗余信息,波段选择是一种有效的减少冗余、降低光谱维数的方法.提出一种基于上下文多字典学习的高光谱图像波段选择算法.该算法使每个波段的图像都可以通过其他波段图像的线性组合来近似表示,而且能够保证相邻波段图像具有相似的性质.同时通过稀疏求解方法求出每个波段对应整个原始图像的权重,便可按照权重来选择波段.实验结果表明,该算法相对其他波段选择算法具有良好的技术性能.     

干涉高光谱图像的主分调制预测无损压缩

提出一种基于主分调制预测的高光谱图像无损压缩算法。将干涉高光谱图像分为空间方向和光程差方向,空间方向采用主分量预测算法来去除帧间冗余;光程差方向采用调制分量预测算法来去除谱间冗余。主分量预测采用两步预测算法,第一步采用四阶预测器得到预测参考值,第二步采用8级查找表搜索预测算法得到实际预测值,然后将参考预测值和实际预测值进行比较得出最后的预测值。调制分量预测采用线性预测得到调制预测帧。最后,根据主分预测帧和调制预测帧得到最终预测帧,从而得出残差帧,利用残差帧进行熵编码。实验结果表明,文中算法的平均压缩码率达到3.05bpp,与传统高光谱图像无损压缩算法比较,平均压缩码率提高了0.14~2.94bpp,有效地提高了干涉高光谱图像无损压缩码率。     

基于视觉显著性波段选择的高光谱分类

波段选择是一种能够减少高光谱图像数据量的同时不改变其物理信息的处理方式,然而,大部分波段选择方法都以选择信息量最大的波段子集为思路,而信息量最大的波段子集却并不一定在后续的分类中有着最佳表现.为达到更好的高光谱分类效果,引入视觉显著性方法,定义基于显著图的波段评价指标,以充分利用各波段图像的空间信息,结合固有的光谱信息进行波段选择,并提出一种半监督波段选择方法,该方法通过少量标记样本指示各类地物空间位置,通过各波段显著图在不同地物位置处的差异大小判别各波段可分性;考虑到波段间存在重叠信息,引入结构相似度筛去冗余波段.最后在3个高光谱数据集(KSC,pavia, paviaU)上验证了提出方法的有效性.     

基于切片映射张量分析的高光谱图像压缩

高光谱图像拥有着巨大的数据量,给数据的存储和传输带来了巨大的压力,因此高光谱图像的有效压缩具有重要的实际意义.基于在传统的Tucker张量分解方法,提出一种基于切片映射的张量分解方法,并将其用于高光谱图像的压缩.该方法不仅消除了高光谱图像波段间的谱间冗余,还消除了每个波段上的空间冗余.所提议方法的最大特点是对传统的高光谱图像数据张量逼近方法进行了GLRAM算法三维推广的改进,使其计算复杂度显著减小,从而有效缩短了高光谱图像的压缩时间.同时,在一定的压缩比的情况下,通过所提议的方法可以查询找到一个最佳的核心张量的维度——(K_1,K_2,K_3),使其信噪比达到最大.真实高光谱数据的实验结果表明,所提议的算法较现有方法表现出了更好的压缩效果,并且具有很高的信噪比.     

基于多尺度金字塔的多光谱图像Pan-Sharpening方法

针对传统高分辨率全色(high-resolution panchromatic,HRP)图像融合中发生的频谱失真等问题,提出了一种多尺度金字塔方法来锐化低分辨率多光谱(low-resolution multi-spectral,LRM)图像.该方法利用HRP图像中的冗余补丁重建高分辨率多光谱(high-resolution multi-spectral,HRM)图像.首先,从低分辨RP图像创建金字塔;然后,通过利用该金字塔作中同一层以及较低层的每个补丁之间的关系,重构上采样的LRM频带;最后,从上采样的多光谱带估计高分辨率强度分量.利用不同层次的相似结构更详细地重构HRM的波段特性.在多尺度过程中利用自相似性,从可用HRP和LRM图像中构建HRM图像,减少了空间失真.此方法在强度分量的重建中使用底层HRP图像来减小HRP和强度分量之间的不相似性,从而减少频谱失真.实验结果表明,此方法能有效地保留源图像的光谱和空间信息,且性能优于其他方法.     

基于小波纹理与改进FCM的SAR机场类目标提取

定义了几种小波纹理,提出一种基于小波纹理与改进FCM(模糊C均值聚类)的对SAR(合成孔径雷达)图像进行机场类目标自动提取方法.利用小波多尺度分析对影像分解,得到不同方向上小波频带,然后对不同的小波频带进行小波纹理分析--用频率共生矩阵4个关键特征来描述小波纹理特征向量.应用PCA(主成分分析)的方法去相关,进行特征空间的降维处理,并使用改进FCM进行分割,进而提取出目标.实验结果表明:此种无需初始点的非监督算法自动化程度高,机场类目标提取成功率和定位准确率分别达到97.3%和99.3%,为此类目标的定位提供了良好的参考.     

基于预测和矢量量化的高光谱图像压缩算法

针对高光谱图像波段数目多,存储空间大,为后续研究带来极大不便的特点,提出了一种基于广义回归神经网络预测与矢量量化算法结合的高光谱图像压缩算法。该算法通过预测前一波段的像素数据,将符合要求的预测结果继续预测下一波段,通过设置合理的参数,在预测步骤中95%以上的波段可通过预测结果来预测波段数据。利用矢量量化算法对预测数据进行压缩。该算法只需要已知图像的前2个波段数据,即可预测整个图像波段的数据。广义回归神经网络具有很强的非线性映射能力和学习速度,预测效果好。通过预测得到的数据在不同的压缩比下进行实验,结果表明,在保证图像质量的前提下,该算法与对比算法相比,有效降低了运算复杂度,节约了时间,提高了峰值信噪比。     

基于线性光谱混合理论的高光谱图像压缩

为了以较小的压缩误差为代价解决高效压缩高光谱数据的难题,提出基于线性光谱混合理论的星上高光谱图像压缩算法.利用顶点成分分析求高光谱图像的端元向量,并根据信道容量选择端元数;基于线性光谱混合模型求各像元对应于端元向量的丰度值;用JPEG2000对端元向量和丰度值矩阵进行无损压缩.对AVIRIS高光谱图像的仿真结果表明:压缩比为80∶1时,原始光谱与解压缩重构光谱最大相对误差小于2.7%,最大光谱角余弦误差小于0.000 23,压缩性能优于现有算法;算法还能有效地抑制原始图像中的随机噪声.     

附加法向信息的三维网格预测编码

为提升三维网格的压缩性能,提出了一种网格法向与几何帧内-帧间预测编码方法.该方法充分利用法向数据内部分量间（帧内）及几何与法向数据间（帧间）的相关性,实现附加法向信息的三维网格压缩,有效保持解码后三维网格的几何特性.实验结果表明,提出的预测编码方法相比分别压缩三维网格法向与几何数据,能够显著提高附加法向信息三维网格的压缩效率.      

铝土尾矿泥浆逐级堆排沉积特性试验研究

通过量筒沉积试验分析了不同浓度的尾矿泥浆沉积变化历程及泥水分离规律,并根据矿山实际生产情况开展逐级堆排沉积柱试验,获取尾矿泥浆沉积后不同深度处的物理参数,从而得到逐级堆排下泥浆沉积特性,并采用灰色关联分析法分析各参数之间的影响。结果表明：铝土尾矿泥浆沉积稳定后泥水分界面高度与泥浆含泥量密切相关,与泥浆浓度无关,推测矿山常用排放浓度30%的泥水分离比为1:1.018;各堆排层间存在“锁水”现象,含水量、密度、孔隙比、渗透系数、压缩系数和体积压缩系数等物理参数沿深度方向上存在逐级分段、各级相互独立的特性;且各物理参数之间存在相互影响的复杂关系,其中含水量对其它物理参数的影响显著,含水量对密度、孔隙比、渗透系数、压缩系数的关联程度依次为：0.945、0.952、0.856、0.889。     

基于图像内容和双目特性的立体图像质量评价

为提高图像质量客观评价与主观评价的相关性,提出了一种基于图像内容和双目特性的立体图像质量评价方法。首先,分别对参考和失真图像的频域信息加权,提取感兴趣区域作为权重进行融合计算,得到基于图像内容的评价值;然后,利用拉普拉斯金字塔和双目加权模型实现对左右视点图像的逐层分解、融合,并重构合成图,得到基于双目特性的评价值;最后,结合两者得到立体图像质量评价值。以LIVE3D图像库为样本,将该方法与主观评价值作相关性分析。在相同条件下,对于五种失真类型的立体图像,其Spearman等级相关系数总体优于现有算法。结果表明,该评价方法对立体图像质量的预测结果与主观评价值具有较高的一致性。     

六种淡水腹足类酯酶同工酶的比较研究

本文利用凝胶电泳法对录属于４科５种６种淡水腹足类的酯酶同工酶进行了比较研究，并讨论了六种螺之间酯酶同工酶的距离系数，结果表明，在同种螺的群体内酯酶有明显的多态现象，异种螺酯酶的酶谱差别显著，经对六咱螺三种酯酶的酶区分布、谱带出现频率和距离系数Ｄ值分析得出，科间种类酶谱的分布不同，Ｄ值较大，科内属间种类的酶谱分布一致，Ｄ值较小，其亲异程度显示出六种腹足类在系统演化中的亲缘关系，纹沼螺、大沼螺和长角涵     

洋葱染色体G带和R带的研究

本文报道了洋葱(Allium cepe)根尖染色体G带和R带的研究结果。本试验采用秋水仙碱前处理,用纤维酶及果胶酶去壁,用蒸气干燥法制片,应用胰酶—尿素法进行显带。结果诱导出洋葱根尖细胞染色体的两种清晰的染色质带。因两种带纹着色深浅的部位正好相反,正如人类染色体显示的G带和R带,因此我们称之为洋葱染色体的G带和R带。洋葱染色体的G带和R带在同一分裂相中每条染色体均显示带纹,带纹分布于整条染色体上,与C带带纹显然不同。     

基于AAR模型和累积频带能量的特征提取方法

提出了一种自适应自回归（AAR）模型参数和累积频带能量相结合的特征提取方法,该特征应用于基于运动想象脑．机接口（BCI）之中,实现左右手运动想象分类,改善BCI系统的性能．首先,对头皮EEG数据进行小波分解和重构,去除EEG中的噪声,得到不同频带的EEG数据．然后,提取EEG数据的AAR模型参数特征和不同频带的频带能量特征,提出了累积频带能量特征和AAR与累积频带能量相结合的特征提取方法,分别以AAR模型参数、频带能量、累积频带能量和AAR＋累积频带能量为特征,利用线性判别分析（LDA）分类器对左右手运动想象任务进行特征分类．最后,对不同特征的分类结果进行比较,得出以AAR＋累积频带能量作为特征在BCI系统中的优越性能．     

矿床定量预测理论与方法体系

矿床定量预测由以下三个体系构成：（１）以相似类比理论和有序度理论为指导的模型定量类比预测;（２）以求异理论和亲合度（求同）理论为指导的无模型预测;（３）以专家集体智慧理论为指导的专家集体智慧预测（主观概率法）。以上三类预测体系可单独使用,也可同时使用或交替使用。在实际应用时,应注意对不同空间、不同时期的数据分别进行统计,定性知识与定量数据相结合是预测成功的重要条件。