结合空-谱信息的高光谱图像分类方法

针对传统高光谱遥感图像分类中单纯利用光谱信息而忽略空间信息这一情况,研究空间信息在分类中的两种有效利用方法:其一是先基于方向线理论提取空间特征,然后将其与光谱特征相结合进行高光谱图像分类;其二是采用空间邻域信息继续对分类结果进行智能性修正。实验结果表明,空间信息的利用有助于进一步提高高光谱图像的分类精度。     

改进的SGA端元选择的快速方法

SGA算法因其自动性和高效性受到广泛欢迎,针对该算法包含大量的体积计算导致该算法的运算速度较慢的问题,采用在高维空间中构造超平面的方法,提出了一种SGA的改进方法.该改进算法把复杂的体积比较转化成简单的点到超平面的距离比较,从而将算法的复杂度由空间维度的3次关系降至线性关系.实验表明,快速SGA与原始SGA在端元选择的结果上保持一致,而在端元选择的速度上前者较后者有大幅度提高,尤其是要选择的端元数目越大时,效果越明显.     

基于嵌套窗口的高光谱图像目标检测

针对经典RX检测算法所存在的窗口分析方式的不足,提出一种基于嵌套窗口分析的高光谱图像小目标检测算法,并将这种嵌套方式应用到线性RX、非线性核特征向量空间分解（KEST）算法之中,对不同窗口方式的检测算法以及非线性判别分析检测算法进行了详尽的对比分析．实验表明,在3层嵌套窗口下的文中算法能够获得更好的目标检测效果．     

东方大桥空间稳定性分析

采用大型通用有限元分析软件ANSYS,对飞燕式钢管混凝土提篮拱桥--东方大桥的空间稳定性进行研究,并对影响其稳定性的因素进行分析和总结.研究结果表明:拱肋的矢跨比对东方大桥的稳定性影响较大,稳定安全系数随矢跨比减小,且减小幅度较大;而宽跨比、内倾角、横撑形式、吊杆损伤对稳定性也有一定的影响,但影响较小,稳定安全系数随各参数的变化,减小幅度不大.     

基于3D-CNN的高光谱遥感图像分类算法

现有的三维卷积神经网络(Three-dimensional convolutional neural network, 3D-CNN)模型常有参数过多和特征提取不全面的情况，并且对样本标签有限问题的处理存在不足。针对样本标签有限的问题，采用生成式对抗网络模型对原始数据进行数据增强，解决了个别样本标签少导致分类模型出现过拟合的现象；针对3D-CNN网络提取特征不全面的问题，所设计高效的3D-CNN网络模型，在网络中加入纹理信息增强模型，使网络能更好地提取图像的空谱特征。实验表明，算法在小样本数据情况下比原始网络分类精度更高，能自适应提取高光谱图像的空谱联合特征。