基于自适应标注样本的高分辨率影像道路提取

针对现有道路提取算法中难以大规模人工标注样本类别标签的问题,提出了一种基于自适应标注样本提取遥感影像道路的方法。首先,通过改进的模糊C均值聚类算法提取道路区域,进行初步的样本标注;其次,利用基于二次投票的集成去噪算法定位标签噪声样本,更新样本数据集;再次,将更新后的样本集投入随机森林训练并预测影像的分类结果;最后,对道路提取结果进行多方向形态学滤波去除非道路区域,得到精确的道路提取结果。通过不同分辨率、不同场景、不同方法的实验结果表明,所提方法可以自主选择并标注样本,相比传统算法具有较高的提取精度,对于高分辨率遥感影像中直线型、曲线型道路均有较好的道路提取效果。     

基于张量分析和小波包变换的高光谱图像压缩

高光谱图像拥有巨大的数据量,造成其保存和传输非常不便,因此高光谱图像的压缩显得尤为重要.提出一种基于张量Tucker分解和小波包变换的高光谱图像压缩算法.首先,该算法利用Tucker分解的性质,充分提取高光谱图像中各个模式下的信息,并利用其中包含有空间信息的光谱模式对高光谱图像的光谱维进行解相关.然后,运用比经典Mallat小波分解更为有效的小波包变换对光谱去相关后保留下来的主成分进行JPEG2000压缩.实验结果表明,本算法压缩性能远远好于经典的三维小波算法,并且由于张量分解的应用,不论在码率失真表现还是信息保真度上,本算法均比基于一维主成分分析的高光谱压缩算法更具优势.     

青藏高原上空对流云特征的初步分析

利用常规地面观测资料、高空资料以及卫星云图资料,通过2010年7月与2011年7月的云图对青藏高原及周边地区对流云和中尺度对流系统的活动进行初步研究,分析了青藏高原上空对流云的特征.结果表明:①青藏高原上的对流过程是在特定的环流背景下受西风带500 hPa低槽、700 hPa切变线、850 hPa低涡以及地面图上中尺度低涡和地面静止锋的共同影响造成的;②对流云产生不仅与水汽条件有关,还与不稳定层结条件和抬升力条件即触发机制有关;③对流云的发生发展具有明显的日变化.     

基于匹配法的卫星云图自动定位微调算法

利用交叉相关系数法,通过设计晴空合成底图模板,并与当前云图进行匹配,以计算由于卫星飘移等问题出现的云图定位偏移量△x、△y,从而实现卫星云图的精确定位.结果表明：对于自动校正卫星云图中较小的定位误差效果（偏移量小于20个像素）的这种方法,可以用于静止卫星接收处理系统中在初定位后的精确校正.该算法从原理上也可用在定位误差较小的极轨卫星云图的准确定位上.匹配区域选择在海陆交界处、岛屿、湖泊和起伏大的山地等地表特征差异明显的区域效果明显.     

Distribution of sand dunes and sand shifts along the southern fringe of the Mu Us Desert since the Ming Dynasty

This article takes the two segments of the Ming Great Walls, Dabian and Erbian, and their associated barracks and forts as geographical references. Based on a detailed scrutiny of historical records of the Ming and Qing dynasties, and on field surveys, the southern boundaries of the sand dunes and sand shifts of the Mu Us Desert in the Ming and Qing dynasties are carefully reconstructed. A comparison of the southern boundaries of the sand dunes and sand shifts of the Mu Us Desert in Ming and Qing with the modern boundary revealed in remote sensing imagery clearly shows that the southern boundary of dunes and shifts in the Mu us Desert has expanded only in a few areas and on a small scale. In the area to the south of Changle Fort, along the direction of annually prevailing winds, sand drifts have penetrated through the Jialu River valley into the loess region and have formed a sand strip of 32 km long and 3 km wide. To the east of Qingping Fort, sand drifts penetrated toward the eastern loess region through the Luhe River valley and have formed another sand strip of 8 km long and 2 km wide. Generally speaking, though the intensity of human activity has been increasing in this area since the Ming Dynasty, the Mu Us Desert has not significantly expanded toward the southeast or southwest. The sand-loess boundary in the southern fringe of the Mu Us Desert has been almost unchanged since the Ming Dynasty.     

一种重复二分CSP4类运动想象脑电信号特征提取算法

针对脑机接口（BCI）系统中4类运动想象的脑电信号ERD/ERS现象进行研究,提出了一种重复二分共同空间模式（RB-CSP）算法用于4类运动想象脑电信号的特征提取,并运用SVM进行分类研究. 实验结果表明,该方法与传统的4分类CSP扩展算法OVR-CSP相比,减小了算法复杂程度,缩短了信号处理时间,提高了准确率,为在线脑机应用提供了一种新的解决方法.      

基于HSV阈值法的无人机影像变色松树识别

【目的】提出一种色调-饱和度-明度(HSV)阈值划分方法,提高变色松树的调查效率,为疫木的砍伐提供数据支撑。【方法】基于变色松树与其他地类在“H-V空间”上的差异建立变色松树阈值提取规则; 对比分析HSV阈值法和红-绿-蓝(RGB)阈值法在不同情景下提取得到的变色松树识别结果,并对识别结果的精度进行评价。【结果】① 变色松树样本在“H-V空间”散点云图中有明显的聚类现象,而在“G-R空间”散点云图中呈条带状分布。② RGB色彩空间中的R和G之间存在较强的相关性,直接采用阈值法提取变色松树时漏分误差较大。HSV阈值法由于在色彩变换过程中能够分离出色调值H和亮度值V,便于进行阈值划分,对基于无人机数据的变色松树识别的总体精度要优于RGB阈值法。③ HSV阈值法对变色松树的识别适合于病死松树发展的后期监测,在对借助高分辨率影像提取的发病前松树分布进行掩膜后,可实现60%～65%的变色松树提取精度。【结论】HSV阈值法对于基于无人机影像的变色松树监测具有一定的优势,能提高人工判读的效率,可为基于无人机影像的变色松树监测提供理论和方法支撑。     

多源遥感影像数据融合的理论与技术

目的 探讨多源遥感影像数据融合技术,包括融合概念、融合原理、融合算法、融合效果评价。方法 对于不同空间分辨率、时间分辨率和波谱分辨率的遥感图像进行综合分析,提出像素级、特征级、决策级遥感影像融合的方法及用信息论的理论建立融合影像评价系统。结果 信息融合可分为3个层次：像素级、特征级和决策级融合;像素级融合信息损失最小,决策级融合信息损失最大;像素级融合精度最高,决策级融合精度最低。结论 对同一地区的多源遥感影像数据进行融合,可以产生比单一信息源更准确、更完全、更可靠的估计和判断,可以提高影像的空间分辨率和清晰度,有效提高遥感影像数据的利用率等。     

视觉心理与室内环境──(Ⅰ)论门厅的室内设计

当建筑设计所提供的室内空间不够理想时,改善建筑功能和协调空间构成的不足就成为室内设计的主要任务,本文通过成功设计的分析,论述视觉心理与室内环境的相互关系。     

基于相关指数分析增强的功能近红外光谱脑机接口

 由于对运动伪迹不敏感、适合特殊人群和可穿戴式检测等优势,功能近红外光谱技术（fNIRS）在脑机接口（BCI）、心理认知等领域发挥着日益重要的作用。肢体运动想象是BCI在残疾人康复训练等领域应用的重要范式,伴随穿戴式fNIRS的发展,有望帮助残疾人在家庭或社区开展长期脑康复训练。本文针对目前基于fNIRS的运动想象任务分类准确率普遍不高这一现状,应用基于Pearson积差相关系数的相关指数R²,对被试进行个性化参数优化,期望改善运动想象的分类结果。实验采集了17名被试的左、右手运动想象任务期间大脑皮层主运动区的血红蛋白浓度变化数据,并采用支持向量机（SVM）分类。结果表明,经过R²参数优化之后,分类准确率相对无优化情况显著提升,分类准确率在60%以上的被试比例由原本的58.8%提高到了94%,分类准确率在65%以上的被试比例由原本的41.2%提升到了64.7%。