【摘 要】
：
极化SAR具有全天时、全天候和可穿透植被等特点,同时又具有较高的分辨率,因此在土壤湿度反演方面可以发挥重要作用。但是由于地面信息较为复杂,特别是土壤粗糙度和植被的影响较为严重,因此现有的模型都不能较好的建模土壤湿度与极化SAR数据之间复杂的表征关系,同时极化散射机理与定量化参数之间物理关系也没有得到深入的研究。充分挖掘极化SAR数据现有特征与量化参数之间的物理联系并且将深度学习技术与传统反演模型相
论文部分内容阅读
极化SAR具有全天时、全天候和可穿透植被等特点,同时又具有较高的分辨率,因此在土壤湿度反演方面可以发挥重要作用。但是由于地面信息较为复杂,特别是土壤粗糙度和植被的影响较为严重,因此现有的模型都不能较好的建模土壤湿度与极化SAR数据之间复杂的表征关系,同时极化散射机理与定量化参数之间物理关系也没有得到深入的研究。充分挖掘极化SAR数据现有特征与量化参数之间的物理联系并且将深度学习技术与传统反演模型相结合建立准确的土壤湿度反演模型是当下研究的重点及难点。本文基于极化SAR散射模型,在充分挖掘极化SAR数据的特征表达能力的同时,使用目前主流的深度学习网络对特征与土壤湿度之间的关系进行准确建模。本文主要进行了两个方向的研究,第一个是裸土地区的土壤湿度反演研究:从模型融合的角度进行思考并且利用双通道卷积神经网络完成两个互补物理反演模型的优势融合,使裸土地区的反演精度得到了进一步的增加。第二个是植被覆盖地区的土壤湿度反演研究:相比于裸土地区,植被覆盖地区中植被的存在极大程度的影响了土壤湿度反演的精度,因此利用极化SAR数据得到植被描述子并且对植被影响进行去除是主要研究策略。具体的研究内容为:（1）设计了基于模型融合网络的裸土土壤湿度反演算法:基于两个经典的物理模型IEM模型和X-Bragg模型构建了双通道卷积神经网络,在网络中实现了两个模型优势的融合,并且在输入数据层面完成了土壤粗糙度与土壤湿度的解耦。实验结果表明,本文所提出的裸土地区土壤湿度反演算法在训练样本每类为500个样本点仅占全部样本0.1%的条件下精确度可以达到95.39%,均方根误差为0.98%。（2）设计了基于极化SAR不同通道组合的植被覆盖地区土壤湿度反演算法:基于极化SAR不同通道间的组合来获取散射特征并将其当作植被描述子和土壤粗糙度描述子,并且通过卷积神经网络对总后向散射系数、植被描述子和土壤粗糙度描述子进行处理得到深层特征。为了去除植被和土壤粗糙度的影响,根据水云模型的原理实现特征相减。接着进一步引入全局平均池化对网络结构进行修改,减少过拟合影响。实验结果可以看出,本文所提出方法可以有效在植被覆盖地区完成土壤湿度的反演工作,在训练样本仅占全部样本0.25%的条件下反演精度可以达到94.49%。（3）设计了基于植被散射特征自适应加权学习的植被地区土壤湿度反演算法:极化SAR数据经过分解后可以得到许多典型特征用于描述植被,自适应加权学习的引入可以通过网络充分学习分解后不同散射特征之间的权重,利用权重对植被描述子进行重新构建可以更加准确的去除植被对土壤湿度反演的影响。通过实验可以看出,加入自适应加权学习后可以在训练样本比例相同条件下提高土壤湿度的反演精度（反演精度可达96.66%）。
其他文献
肝星状细胞在力学刺激下会被激活,而肝星状细胞的活化被认为是肝纤维化形成的关键所在,所以研究肝星状细胞的活化机制对于肝纤维化的预防和治疗都具有关键作用。由于肝星状细胞在体内会受到肝窦细胞以及实质细胞等施加的局部刺激,但现有力学刺激及测量方法均不能满足在施加力学刺激的同时对细胞响应进行测量。磁性微柱阵列由于可同时作为驱动器和传感器成为细胞力学中十分有利的工具,但现有制备方法均有不足,且尚无使用磁性微柱
在光电子学中,伴随着能量释放的激子-激子湮灭是典型的非辐射复合现象。该现象会导致光致发光量子产率显著地下降,从而严重地降低了光电子器件的最大效率,所以在半导体制造中一般会对其进行严格抑制。近年来,科学家们提出了多种抑制方法,其中激光辐照法、引入缺陷法和施加应变法已经成为了抑制二维过渡金属硫族化合物中激子-激子湮灭的有效手段。然而,这是以损坏材料的原子结构为代价的,因此也限制了以上方法的实际应用。为
随着风电行业的迅猛发展,同时也暴露出风电机组故障及不良运行状态等一些突出问题,这些问题影响了风力发电效率,并且造成了极大的经济损失。风电变桨轴承作为风电机组传动系统和影响风电发电效率的关键部件,是发生故障频率较高的部位,提高对变桨轴承的振动监测能力已迫在眉睫。加速度作为振动中重要的监测参数,可以判断设备的安全运行情况,利用加速度传感器可以很好地实现对变桨轴承的振动监测。随着应用场景的复杂性,现有的
近年来,深度神经网络模型在计算机视觉、自然语言处理、语音识别等领域取得了令人瞩目的成果,推动了人工智能的发展。然而,为了处理日益复杂的智能任务,神经网络模型结构变得越来越深且越来越宽,其对应的参数量和计算量也在成倍增长,这对于神经网络模型的部署带来了巨大的挑战。大量的研究工作对神经网络模型的参数、结构、输入样本等进行了分析,尝试从不同的方向探索如何压缩模型的参数量以及减少模型执行的计算量。现有的深
拉曼光镊（Laser tweezers Raman spectroscopy,LTRS）是一种单细胞特性检测技术,它继承了光学镊子能够在液相环境中对透明微粒进行无损操控的能力以及拉曼光谱强大的检测分析能力。利用该技术可以实现在生理环境下对单个细胞的俘获与操控,同时完成对细胞分子化学结构的检测。在当前世界疫情严峻形势的大背景下,检验检疫是进行国际间贸易的必要环节,而血液的鉴别又是检验检疫流程中的重要
双足机器人相比于其他的移动机器人,其适应性和灵活性更强,在复杂的地面环境更容易实现稳定行走。对双足机器人的研究有助于探索人类行走的规律,为康复医疗器械和高危作业等方面的研究提供理论基础。Geyer所提出的双足弹簧负载倒立摆（Spring-Loaded Inverted Pendulum,SLIP）模型,相比于传统的刚性腿双足机器人模型,更能体现人类行走的主要特征,具有更低的能耗,和更加自然的行走步
人体动作识别在视频信息检索、公共视频监控、人机交互、科学认知等方面有着重要的应用价值,是计算机视觉、模式识别和机器学习等众多学科的交叉研究领域。在机器学习领域中,通常的建模方法建立的模型有生成式模型和判别式模型。对于以时间序列数据表示的人体动作,本文的研究聚焦于可解释性较好的生成式模型中用于处理时间序列的隐马尔科夫模型。由于人体动作识别的性能依赖于动作的表示方式,针对传统隐马尔科夫模型简单地以离散
在轻薄型毛精纺面料的经纬向按一定规律间隔排列水溶性维纶纱,并进行交织,经后整理退维溶解,在面料表面获得规律排列的孔洞效应。阐述了产品技术规格及生产工艺流程,对经纬纱支、维纶纱的水溶温度与间隔根数、织物密度和紧度、后整理退维点选择等进行了优化设计,对主要工序的工艺参数与技术要点进行了说明。测试结果表明,成品各项指标符合产品标准与设计要求。面料孔洞清晰圆整、排列平直,成品呢面整洁、手感滑糯、轻柔飘逸。
无人车在车速较高和行驶环境较为复杂情况下对车辆的路径规划、决策以及控制的实时性要求较高。本文针对如何保证无人驾驶汽车在高速、紧急以及路面附着较差的工况下能够成功完成对突发障碍物安全稳定的规避和对目标路径的准确跟踪,同时还能够确保车辆的稳定性这一目前国内外的难题开展研究,论文的主要研究工作和创新性如下:提出了一种基于五次多项式的全局路径规划与一种基于点质量法的局部路径规划算法相结合的方法。基于五次多
信息中心网络（Information-Centric Networking,ICN）成为未来网络发展的趋势,支持无处不在的缓存特性。网络切片作为新一代网络的关键技术,能够实现基于ICN服务的架构。但ICN切片在缓存资源的使用及部署等方面仍存在诸多问题,例如:缓存资源浪费问题、缓存节点存在空载开销问题等。因此,本文深入研究ICN切片,并使用博弈论方法进一步优化ICN切片的缓存资源分配和动态部署方案。