基于PCNN的RLNSW-NSCT卫星云图融合算法研究

提出了一种基于PCNN的RLNSW-NSCT卫星云图融合新方法。首先采用基于冗余提升不可分离小波的NSCT变换对卫星云图进行变换。对带通方向子带系数的融合设计了基于PCNN的融合规则,而低通子带系数的融合则采用基于图像区域信息熵的系数加权融合规则。为验证算法的有效性,对不同多尺度变换算法和不同融合规则分别进行了融合实验。结果表明该方法在较多地保留云图红外信息的同时,具有更好图像细节表达能力,融合云图的云层特征更为分明。     

基于TM影像的水体信息提取算法研究

以郑洛地区为研究区域,利用LandsatTM影像进行波谱再分析,对谱间关系法进行改进,设计了更适合于郑洛地区水体信息提取的算法。通过综合比较和分析单波段阈值法、谱间关系法、归一化水体指数法和IHS(intensity hue saturation)变换法,借助数学形态学、中值滤波等进行优化处理,进而提出了改进的谱间关系法。实验证明该改进算法具有有效性,提取效果良好,能够提取到较细小的河流等水体信息。河流细节丰盈,山体阴影较少,总体精度较高,与实际情况一致性较好。     

地理地形因子对长江中下游平原降水空间分布影响的估算和分析

本文以长江中下游平原为研究区,采用2001-2010十年的降水整编资料、NCEP风向资料以及DEM数据,利用偏最小二乘法（PLS）对长江中下游平原一月、四月、七月、十月的降水空间分布与地理地形因子及风向因子的关系进行分析、检验和讨论。结果表明：与普通克里格插值法对实测降水量进行降水空间分布估算结果相比,加上地理地形因子及风向因子后的PLS回归模型更能直观反映出该区降水空间分布受到局部地理地形因子及风向因子综合影响的特征,其结果能为该区实行因地制宜的工农业生产提供科学的指导。     

基于脉冲耦合神经网络的RLNSW-NSCT卫星云图融合算法研究

提出了一种基于脉冲耦合神经网络(pulse coupled neural network,PCNN)的冗余提升不可分离小波-非下采样Contourlet变换(redundant lifting non-separable waveletbased non-subsampled Contourlet transform,RLNSW-NSCT)卫星云图融合新方法。首先采用基于冗余提升不可分离小波的非下采样Contourlet变换(non subsampled Contourlet transform,NSCT)变换对卫星云图进行变换。对带通方向子带系数的融合设计了基于PCNN的融合规则,而低通子带系数的融合则采用基于图像区域信息熵的系数加权融合规则。为验证算法的有效性,对不同多尺度变换算法和不同融合规则分别进行了融合实验。结果表明该方法在较多地保留云图红外信息的同时,具有更好图像细节表达能力,融合云图的云层特征更为分明。