公共文化服务平台

基于高阶残差量化的光谱二值编码新方法被引量：1: 2019年; 光谱二值和多值编码技术能够实现目标光谱的快速匹配、识别和分类等应用,但这类量化编码方法会损失大量的光谱细节信息,且不能解码出与原始光谱近似的重构光谱,应用有限。为了解决上述问题,提出一种高阶残差量化的光谱编码新方法HOBC(high-order binary coding)。首先,对光谱向量进行去均值的规范化处理,得到值域为(-1,1)的光谱序列;然后,求解规范化光谱的±1编码、编码系数和残差(即一阶残差);基于一阶残差,逐阶解算2至K阶残差的±1编码及其系数;最后得到K个编码序列及其系数,即为HOBC的编码结果。选择典型波谱库数据集,对比光谱0/1二值编码BC01(binary coding with 0 and 1)、光谱分析编码SPAM(spectral analysis manager)、二值/四值混合编码SDFC(spectral derivative feature coding)和DNA四值编码等4种方法,进行了光谱量化编码和解码重构实验,分别统计了光谱形状特征和斜率特征编码的信息熵和存储量、光谱形状特征编码与原始光谱之间的光谱矢量距离SVD(spectral vector distance)、谱间Pearson相关系数SCC(spectral correlation coefficient)和光谱角SAM(spectral angle mapping)。结果表明,在编码存储量上,HOBC的1~4阶编码分别与以上4种编码相等;在编码信息熵上,HOBC的1~2阶编码分别与BC01和SPAM相等,而HOBC的3~4阶编码分别高于SDFC和DNA编码;在SCC上,HOBC1阶编码与BC01相等,而2~4阶编码均分别优于SPAM,SDFC和DNA编码;在SAM方面,HOBC 1~4阶编码均分别明显优于4种对比方法;4种对比方法不能明确解码重构,而HOBC可简便重构出与原始光谱近似的解码序列,且SVD逐阶递减。进一步,基于临泽草地试验站公开光谱数据集,进行了10类地物目标的光谱编码和监督分类实验,实验结果表明,在Kappa系数,总体分类精度和平均分类精度等3种性能评价指标上,HOBC均明显优于4种对比方法,尤其是,HOBC 4阶编码优于原始光谱的分类性能;对样�; 康孝岩张爱武; 关键词：DNA编码

高光谱成像分析植物叶片滞尘前后光谱特征变化被引量：4: 2018年; 灰霾的监测与治理是迫切需要解决的问题,分析植被叶片滞尘前后的光谱变化特征是灰霾监测的一种有效方式。植物叶片具有吸附空气颗粒物的能力。该文通过获取10种常见树木叶片10月和11月连续26 d的高光谱图像,对比分析每种叶片滞尘前后的光谱特征变化情况,得出滞尘前后叶片光谱变化的基本趋势:1)10种叶片变化趋势基本一致,10种叶片滞尘前后光谱变化明显的区间均表现在500~550 nm、550~700 nm、730~760 nm波段内;2)滞尘前后的叶片红边位置并没有发生改变,滞尘没有对叶片内部生理结构构成影响;3)金露梅和二球悬铃木在765 nm波段处的光谱响应与其它树种存在很大差异;白杜、金银忍冬、紫薇和玉兰在550~570 nm波段区间对于滞尘的敏感度较弱。研究为大气降尘的监测以及灰霾的治理提供应用参考。为进一步通过高光谱探测灰霾典型成分提供理论支撑。; 张爱武张泰配康孝岩郭超凡; 关键词：光谱分析植物滞尘高光谱图像

结合张量空间与倒易晶胞的高光谱影像去噪去混叠被引量：2: 2018年; 传统去噪去混叠算法大多针对单波段图像,针对于高光谱影像的特点以及噪声、混叠对于图像的影响,提出了一种结合张量与倒易晶胞的多维滤波算法,并将其应用在高光谱影像的去噪和去混叠中。该方法引入张量,将高光谱影像数据视为三阶的张量表达,以倒易晶胞获取影像混叠和噪声较小的频谱覆盖,从最小均方误差的角度交替迭代求解三个方向的滤波器,最终完成影像滤波,在保证影像空间和光谱信息一致性的前提下,有效地减少影像混叠和噪声,提高图像的质量。通过与二维维纳滤波算法、张量多维去噪算法的多组高光谱数据对比实验,证明了文中算法的有效性。; 张爱武赵江华赵宁宁康孝岩康孝岩; 关键词：高光谱影像去噪

一种p值统计量建模独立性的高光谱图像波段快速选择方法: 本发明涉及一种p值统计量建模独立性的高光谱图像波段快速选择方法，该方法主要包括图像导入、p值统计量计算、计算目标函数和选出波段等环节。图像导入：导入待选波段的高光谱图像。p值统计量计算：获取高光谱图像的波段之间的Pear...; 张爱武康孝岩; 文献传递

p值统计量建模独立性的高光谱波段选择方法被引量：1: 2018年; 近年来,p值统计量的使用规范引起了统计学界的极大关注和集中讨论,广泛认为,p值统计量可表达观测数据与备择假设之间的不相容程度。为探究高光谱图像波段的相关分析p值与其样本独立性的联系,进行了演绎推理和实例验证,研究表明,与相关系数r统计量相比,相关分析p统计量可直接表达波段样本的独立性,且p值矩阵具有高水平的自稀疏性,便于建模和计算。进而,对相关性p值矩阵进行直方图频数统计,提出一种基于p值的高光谱自适应波段选择方法 p SMBS。选取典型数据进行了监督分类实验,结果表明,在Kappa系数、总体精度(OA)和平均精度(AA)上,p SMBS均优于同类方法 ABS、Inf FS和LSFS。说明p SMBS在高光谱波段选择方面具有突出的有效性,这也佐证了相关性p值对波段独立性的强表征能力。; 张爱武康孝岩

智能手机原位牧草生物量估算: 2021年; 【目的】生物量是草地生态系统物质和能量基础,是最基本的生态参量。以往基于卫星和航空遥感定量反演草地生物量过于专业化,难以在牧民间推广。因此,本文提出一种用手机近距离拍摄的真彩色图像估算牧草生物量方法,构建牧草生物量估算模型,为牧民方便、快捷、无损地掌握牧场牧草长势提供理论依据和技术支撑。【方法】首先,利用手机超高分辨率真彩色图像,分别基于植被指数、纹理特征以及联合植被指数和纹理特征构建牧草生物量估算特征集合。其次,为防止过多的特征提取带来维度灾难,提出一种XGBoost与序列前向选择相结合的特征选择算法(XGB-SFS),进行特征筛选及最优子集构建。最后,使用随机森林回归和留一法交叉验证对比不同特征集合构建模型的生物量估算效果,分析不同类型特征及XGB-SFS算法在牧草地上生物量(Above Ground Biomass,AGB)估算中的作用。【结果】(1)对比单类型特征构建的模型,基于空间纹理特征的估算模型(R2=0.76)要优于基于光谱植被指数估算模型(R2=0.73),表明纹理特征在超高分辨率牧草AGB估算中具有一定作用;(2)对比特征选择后的模型,联合空谱多类型特征构建模型优于任何一种单类型特征模型(R2=0.83,RMSE=127.57 g·m^(-2),MAE=81.25 g·m^(-2)),表明使用多类型特征构建模型,可一定程度上提高牧草AGB估算精度。(3)对比特征选择前后构建的模型,特征选择后的模型估算AGB效果要明显好于未进行特征选择的模型,且筛选出的特征与牧草生物量之间都存在较高的相关性,表明XGB-SFS能够很好降低数据维度的同时提高牧草AGB估算精度。【结论】手机超高分辨率真彩色图像可以对牧草生物量进行准确估算,本文提出的XGB-SFS算法也能从众多特征中筛选出与牧草生物量相关性较高的特征并提高模型估算精度。与以往专业遥感定量反演草地生物量相�; 陶海玉张爱武庞海洋康孝岩; 关键词：生物量智能手机纹理特征牧草

一种高光谱斜模成像复原与定标系统及方法: 本发明提供了一种高光谱斜模成像复原与定标系统及方法，针对高光谱斜模成像特点，综合混叠、空间有效分辨、幅宽以及斜模成像中正方形采样的理论，确定斜模高光谱的最佳成像角度；在最佳成像角度下，通过基于P值的高光谱自适应波段选择方...; 张爱武张希珍康孝岩; 文献传递

一种基于卷积神经网络的草地植物识别方法被引量：1: 2018年; 现有对草地植物的图像识别主要集中于对叶片或大面积种群的识别,很少有从单株植物或小片群落的角度进行识别。本文针对上述问题,总结出三种适用于解决该问题的识别方法,改进和微调了现有基于卷积神经网络方法的预处理流程和网络模型来进行植物图像识别方法。本文采用近距离拍摄的高空间分辨率草地植物图片,设计实验对比分析了上述三种方法在识别标注样本数据集上的表现。实验结果表明,基于预训练模型的深度卷积神经网络方法同其他方法相比,在准确性上,具有显著的优越性。; 曹中奇刘路路康孝岩张爱武柴沙驼; 关键词：主成分分析卷积神经网络

基于香农熵的地表水体空间分布指数及其适用性分析: 2014年; 结合MSHDAI(空间分布面积指数)和地表水呈网状分布的特征,提出了MSHDLI(空间分布长度指数)的概念和模型,并选取河南省中部沙颍河流域部分地区,分析了其地表水空间分布状况,及其空间分布指数MSHDAI和MSHDLI分别与PLAND(面积比例)和RD(水网密度)的相关性随网格粒度变化的情况。研究表明:MSHDLI与RD具有显著的相关关系(r珋>0.9,p珋<0.01),而MSHDAI与PLAND的内在联系则较为复杂;MSHDLI在描述区域地表水空间分布多样性和广度特征方面,较之MSHDAI有更高的表征性和稳定性;两者均随网格粒度的增加而增大,MSHDAI的适宜粒度域为(100m,200m),而MSHDLI适用于各种网格粒度;MSHDAI对于含有大型水库(湖泊)的区域缺乏表征性,而MSHDLI则能适应含多种水域的地区。; 康孝岩王艳慧段福洲

单一景观空间分布指数及其适用性评价被引量：8: 2015年; 为描述单一景观的空间分布离散性和广度特征,引入基于香农熵的空间分布指数(MSHDI,Modified Shannon's Distribution Index),利用河南省中南部地区1990、2001和2007年3期TM/ETM+遥感影像,进行了MSHDI与经典景观指数的比较,并分析了MSHDI与面积指数(PLAND,Percentage of Landscape)在多网格尺度下的相关关系。结果表明:(1)MSHDI在描述单一景观的空间分布广度和离散程度特征方面具有较好的适用性。MSHDI能适应不同制图综合程度的影响,并能反映出景观斑块边缘的细微差别。(2)通过分析MSHDI与PLAND之间相关系数的大小和变化程度可以分别验证MSHDI的表征性和稳定性。(3)MSHDI适用于基底和散布状景观,两种指数之间有显著的正相关性(农用地=0.939,=0.000;城市建设=0.877,=0.004;工矿仓储=0.870,=0.002;自然绿地=0.966,=0.001),且随网格粒度变化不大(农用地r=0.921±0.054;城市建设r=0.867±0.107;工矿仓储r=0.883±0.052;自然绿地r=0.964±0.024);而对网状景观则缺乏稳定性。; 康孝岩王艳慧段福洲

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

康孝岩

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

康孝岩

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈