【摘 要】
:
随着高光谱遥感系统技术的迅速发展,高光谱图像分类已经成为了高光谱遥感的重点研究方向之一。高光谱图像蕴含了丰富的光谱信息,为地物分类提供了强大的数据支持。然而高光谱图像分类技术也深受图像噪声、有限的标记样本、较高的冗余信息等诸多因素影响导致很难得到理想分析结果。本文基于经典的组合核分类方法,挖掘了更为准确的空间信息来减少噪声干扰。具体的研究内容如下:(1)针对组合核方法在利用各向同性的邻域提取空间信
论文部分内容阅读
随着高光谱遥感系统技术的迅速发展,高光谱图像分类已经成为了高光谱遥感的重点研究方向之一。高光谱图像蕴含了丰富的光谱信息,为地物分类提供了强大的数据支持。然而高光谱图像分类技术也深受图像噪声、有限的标记样本、较高的冗余信息等诸多因素影响导致很难得到理想分析结果。本文基于经典的组合核分类方法,挖掘了更为准确的空间信息来减少噪声干扰。具体的研究内容如下:(1)针对组合核方法在利用各向同性的邻域提取空间信息时,对边缘处的空间信息提取不准确,且分类结果过于平滑的问题,提出一种基于各向异性滤波组合核的方法。不同
其他文献
图像是人类各项生活研究中经常使用的重要信息载体之一。同样,遥感图像在农业生产以及环境变化等方面的研究也起着至关重要的作用。随着深度学习技术的快速发展,基于卷积神经网络的遥感图像融合算法也应运而生。基于深度学习的遥感图像融合算法能从现有的数据中自动地学习有效特征,其融合效果也远远超过了传统的融合算法。本文主要针对基于卷积神经网络的遥感图像时空融合做出了探索性和创新性的研究,并取得了以下成果。(1)基
元蘑(Hohenbuehelia serotina),别名黄蘑,是长白山区独有的菌类,是蘑菇中仅次于猴头蘑的上品蘑,富含多糖、黄酮、三萜类等多种生物活性成份,具有抗疲劳、降血糖、降血脂、抗肿瘤、抗衰老、免疫调节等功效。因此,本文对元蘑多糖进行了提取、纯化,对其结构做了初步分析,并对其缓解体力疲劳功能做了研究,为元蘑多糖进一步开发利用提供参考依据。具体研究内容如下:(1)元蘑多糖提取工艺研究采用水提
随着遥感技术的飞速发展,对于高光谱图像数据的使用与分析,已经成为目前遥感研究领域的研究热点之一。通过合理利用这些遥感数据,实现对地物的精准识别和分类,从而在城市测绘、气象预测和地质勘探等领域得到广泛应用。越来越多的遥感学者将深度学习理论应用于高光谱图像数据,以便更好的提取高光谱图像的深层特征。然而,现有的深度学习方法中,图像维度较高、数据量大等问题一直未有较好的解决方法。同时,现有研究多尺度提取特
一直以来,水下成像声呐技术已经在海底地形勘测与内陆河流探索中得到广泛应用,但是由于水下成像系统需要多次的发射-接收超声信号的过程,导致成像系统的帧率难以提升。随着MIMO技术及大功率电子器件的发展,超声编码信号已在水下声学探测中有所应用。本文以系统的发射信号及其相应的高帧率成像方法为设计目标,设计了一种基于正交编码激励的高帧频成像方法,该成像方法具有成像帧率高,抗干扰性能好的特点,能够有效提高水下
目前人机交互的方式主要集中在视觉和听觉,能够提供的触觉感受有限,将触觉与触摸屏结合,可以让操纵者触摸感知虚拟物体,实现对虚拟环境的主动探索。为了进一步提高人机交互的质量,本文基于虚拟现实技术的沉浸式特点,对基于触摸屏的多点振动的触觉感知交互的方法展开研究。本文主要研究多点振动的感知交互在触摸屏上应用,主要包括三个部分:(1)设计了触觉反馈的装置,本装置的主控芯片为STM32f103,装置的载体是电
随着城市的快速扩张,近几年资源卫星所获得的遥感地貌图像在宏观空间内发生了翻天覆地的变化。如今,土地覆盖分类方法正面临着以下问题:一方面,随着遥感技术的飞速发展,资源卫星已经可以拍摄高分辨率土地覆盖遥感图像,其所包含大量丰富的细节信息是传统遥感分类技术无法处理的;另一方面,不同时空所拍摄的遥感图像成像条件变化很大,其中干扰会十分强烈,而传统机器学习分类模型抗噪、泛化能力有所欠缺。针对上述问题,本文引
超声技术作为一种高新技术,在超声清洗、超声焊接、超声加工器件等领域应用广泛,这些超声设备的使用离不开超声波电源的支持。超声波电源系统分为驱动电源和负载两部分,其作用是将电能转换成与负载相匹配的高频交流电信号。负载通常为超声波换能器,由单晶材料构成,内部参数易受多种因素影响而发生改变,从而导致系统工作在非谐振状态,造成系统损耗增加及输出功率不稳定。本文围绕以上问题,设计了一款工作稳定、效率高,且能够
压力气体发生泄漏将对人们的生命和财产安全造成难以估量的损失,故对微孔泄漏源进行定位极具意义。然而,现有的基于波达方向估计(Direction of Arrival,DOA)与基于到达时间差(Time Delay of Arrival,TDOA)的定位方法在相干源和噪声干扰下分别存在漏警、网格失配、精度不足等问题。针对这些问题,本文在现有研究成果的基础上对稀疏表示类DOA估计方法与TDOA类方法进行
新疆是我国三大稳定积雪区之一,具有丰富的季节性积雪资源,也是我国三大牧区之一,畜牧业的健康发展更是深刻影响到地区的繁荣稳定。而牧区雪灾又是中国发生最频繁、影响最大严重的一类雪灾,因此大范围高频率的对新疆地区进行积雪的遥感监测十分必要,已有积雪监测方法中多采用地面站观测数据和遥感卫星探测相结合,然而新疆地广人稀,地面监测站不足,国际主流的以MODIS为代表的积雪产品多是国外生产,十分不利于我国遥感积
近年来,高光谱遥感技术发展迅速,为社会的生产生活提供了便利。由于高光谱图像具有“图谱合一”和光谱分辨率高的特点,其被广泛应用于军事目标检测,农业发展,城市规划和环境治理等重要领域。高光谱图像分类逐渐成为高光谱图像处理领域的热点问题,由于高光谱图像存在空间分辨率低、光谱信息冗余和地物分布复杂等问题,高光谱图像分类仍然面临较大的挑战。本文基于现有的卷积神经网络,充分利用高光谱图像的丰富信息和空间相关性