国土环境与灾害监测国家测绘局重点实验室开放基金(LEDM2011B07)
- 作品数：7 被引量：88H指数：4
- 相关作者：邓喀中范洪冬祝传广刘冬钱进更多>>
- 相关机构：中国矿业大学江苏省资源环境信息工程重点实验室河南理工大学更多>>
- 发文基金：国土环境与灾害监测国家测绘局重点实验室开放基金国家自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：矿业工程自动化与计算机技术电子电信更多>>
- 基于监督等距映射高光谱遥感影像降维被引量：1
- 2012年
- 在面向分类的高光谱遥感数据降维过程中,考虑到高光谱遥感数据内在的非线性结构和传统流形学习非监督的特点,提出一种新的监督等距映射方法(S-Isomap)。方法基于类间距离大于类内距离的思想,首先利用KMEANS算法对原始数据进行聚类得到样本的初始类别标签,采用新距离搜寻数据点的K近邻,进而实施等距映射降维。实验证明了该方法优于传统Isomap。
- 钱进邓喀中范洪冬刘冬
- 关键词：高光谱遥感特征提取
- 基于优化N-FINDR算法的高光谱遥感影像矿物识别被引量：3
- 2012年
- 为了提高矿物识别的精度,利用高光谱遥感数据,运用线性光谱混合模型(LSMM)和优化的N-FINDR算法对Cuprite地区的AVIRIS和HYMAP数据进行端元提取,并进行矿物精细分类识别。实验表明:线性光谱混合模型易于操作,优化的端元提取算法优于传统交互式端元提取,可用于矿物成分的精细识别。
- 钱进邓喀中刘冬
- 关键词：高光谱遥感矿物识别线性光谱混合模型端元提取
- FLAC^(3D)在采矿工程中的应用被引量：7
- 2012年
- 本文以华北某矿建筑物下采煤为工程背景,通过数值分析的方法,给出了在该开采条件下地表移动与变形的一般规律,绘出了走向主断面上移动变形曲线,并给出了进行数值模拟的一些技巧与步骤,对以后的应用具有一定的指导作用。
- 郭仓谭志祥牛海鹏
- 关键词：FLAC3D开采沉陷
- 基于尺度空间相关的自适应小波滤波算法研究被引量：2
- 2012年
- 针对信号滤波中噪声方差的估计、阈值的确定及细节信息的保留三个问题,利用添加高斯白噪声的模拟信号进行实验分析,结果表明:噪声主要集中在低尺度,因此可以在低尺度空间估计噪声方差;噪声的能量随尺度的增大而逐渐减弱,阈值采用自适应算法确定较为合适;小波自适应滤波残留较多的小噪声,因此提出了尺度相关与小波自适应相结合的滤波算法.该算法的滤波结果表明,信号的信噪比较之传统小波算法可以提高10%.并且由目视效果可以看出,通过该算法滤波后的信号较之传统小波算法更加平滑.
- 祝传广邓喀中范洪冬
- 关键词：滤波小波自适应阈值信噪比
- D-InSAR监测老采空区残余变形的试验被引量：41
- 2014年
- D-InSAR技术在区域地表微小形变监测方面应用越来越广泛,但是在相位梯度变化比较大的老采空区变形监测方面研究较少。在介绍差分合成孔径雷达(D-InSAR)技术的基本原理的基础上,结合具有较高距离向分辨率的8景PALSAR数据,通过差分干涉处理,获得了徐州某老采空区的地表形变场。同时,提取1993年老采空区上方的6个点为研究对象,分别对其进行回归分析,建立了稳健回归模型。监测结果显示该采空区残余沉降是缓慢、渐变的。试验研究表明,DInSAR技术可以应用于监测大面积的老采空区残余变形,同时稳健回归模型能降低预测计算的复杂度。
- 刘晓菲邓喀中范洪冬王江涛
- 关键词：老采空区PALSAR
- 集成MSER和SIFT特征的遥感影像自动配准算法被引量：5
- 2013年
- 针对倾斜的遥感影像配准困难问题,提出一种基于集成最大极值稳定区域(MSER)和尺度不变特征转换(SIFT)的互补不变特征的自动影像配准算法。该算法首先应用目前公认的具有最佳仿射不变性的MSER特征区域进行影像的粗匹配,初步校正影像的空间形变。然后在粗匹配基础上采用匹配能力较强的SIFT描述子与仿射不变矩描述子相结合,进行精匹配。通过以上两步匹配,可以提高遥感影像配准精度,尤其对倾斜影像效果更明显。最后采用倾斜的无人机(UAV)影像进行试验,并与SIFT配准算法比较。结果表明,本文算法在仿射不变性和匹配正确率方面均优于SIFT配准方法。
- 王晓华邓喀中杨化超
- 关键词：影像配准SIFT特征
- 基于时序SAR技术的采空区上方高速公路变形监测及预测方法被引量：32
- 2012年
- 为掌握采空区上方所建高速公路的变形趋势,解决老采空区上方地表变形监测数据较少,不易建立时序沉降预测模型的问题,利用D-InSAR(Differential Interferometric Synthetic Aperture Radar)技术对某高速公路进行了变形监测和分析,同时将其结果同地面实测数据相融合,并以LS-SVM(Least Squares-Support Vector Machine)为基础,建立了采空区上方高速公路变形预计模型,通过实例,验证了模型的正确性。具体过程:处理融合数据为等时间间隔,并将其趋势项去除,对余项进行平稳性、正态性及零均值处理;利用Cao方法计算嵌入维数,建立训练样本集,并进行LS-SVM学习训练;最后,采用训练好的模型对未来地表沉降进行预计。以511号监测点为研究对象,建立滚动预计方法,结果显示其最大下沉绝对误差3 mm,最大相对误差2.2%,取得了较为可靠的预计成果。
- 范洪冬邓喀中祝传广陈炳乾李培现
- 关键词：高速公路形变监测D-INSARLS-SVM
