摘要：壁画底稿有助于探测壁画艺术的历史信息,具有重要的研究价值,本文设计了半自动提取壁画底稿信息的"三步法":针对高光谱数据量大、相邻波段相关性高的特点,利用主成分分析实现原始数据的降维;选出含底稿信息量大的特征波段;并利用最大似然分类法实现基于特征波段合成影像的壁画底稿信息提取。结果表明,该方法能够减少数据处理量,提高分类效率与分类精度,明显恢复壁画的底稿轮廓,为以后的文化遗产保护工作提供一个可行的方案。

摘要：针对马尔可夫随机场分类算法中类条件概率估计不准及全局能量最小化计算负担重的问题,提出一种基于高效置信传播的改进马尔可夫随机场高光谱数据分类算法.采用基于光谱信息的统计支持向量机方法提高类条件概率估计精度;通过马尔可夫随机场分类算法引入空间相关信息,实现光谱与空间信息的有效结合;设计一种高效置信传播优化算法,降低计算负担、提高算法精度.实验结果表明该算法平均分类精度达到95.78%,Kappa系数为93.34%,且计算时间约为标准置信传播算法的25%,因此是一种计算负担小、分类精度高且具有实用价值的高光谱数据地物分类方法.

摘要：在讨论海水高光谱数据波形波峰和波谷产生机理的基础上,通过对高光谱数据波形结构形态的分析,提出了一组描述吸收峰和反射峰的特征参数,并且设计了一种计算这组特征参数的算法,然后基于其中的中心波长、强度和对应中心波长的值提出了3种赤潮识别的方法。试验证明这种方法可以成功地提取出吸收峰和反射峰的特征参数,3种赤潮识别方法可以进行赤潮的识别与预测。

摘要：与多光谱数据相比,高光谱数据对地物具有更高的光谱分辨率,但是由于高光谱数据巨大的数据量以及相邻波段之间的强相关性,导致了对这种数据的许多处理方法达不到其应有的效果,从而在某种程度上制约了其广泛的应用。本文使用了一些有效的特征提取和信息转换方法对高光谱信息进行了优化处理,并设计了相应的分类流程,在充分保证其分类精度的前提下达到了对高维信息的数据降维和高效利用的目的。

摘要：为了提升数据挖掘的挖掘精度,在传统挖掘系统的基础上,设计了一种基于连续小波变换的高光谱数据降维挖掘系统。系统集成了泛化、数据清洗这两个数据准备操作以及相关的关联规则。系统的硬件部分主要由数据存储控制模块、数据预处理模块等结合在一起,完成高光谱数据的统一管理,且为用户提供了可视化的界面。系统的软件方面融合了约束概念格以及小波变换的相关理论,并对软件中的各个模块以及功能进行了详细介绍。实验结果表明,所设计系统具有一定的可行性,为数据挖掘领域提供了一种新的途径。

摘要：基于高光谱数据的森林病虫害监测系统能够实现不同类型森林病虫害的模拟试验与分析评价,辅助用户进行森林病虫害诊断评估与管理决策。本研究基于森林病虫害高光谱预测模型(以松树松材线虫病为例),选用B/S结构的开发模式,构建3层系统架构选择Arc GIS APIs for Javascript为Web GIS的开发技术,研制建成了一个具有较强普适性、准确性和易操作性的网络服务端森林病虫害监测系统,可以实现不同条件下森林病虫害发生发展动态的在线高光谱模拟预测,从而进行森林病虫害实时远程诊断预测,并生成适宜的管理信息方案。文中着重介绍了系统的组织结构与内容、系统的主要功能与实现原理、系统的程序设计与开发过程,对系统的特点进行了总结与概括,并展示了应用实例。

摘要：为了更好的消除高光谱数据噪声,加快高光谱数据去噪去噪速度,设计了基于小波分析和小波分析的高光谱数据去噪方法。首先收集原始的高光谱数据,并采用小波分析对其进行变换,通过设置阈值去除高光谱数据中的噪声,然后采用数学形态学对高光谱数据进行处理,实现高光谱数据的进一步去噪。从主观和客观两个方面对高光谱数据去噪方法的性能进行评价,本文方法的高光谱数据去噪效果好,解决了当前方法存在的不足,加快了高光谱数据去噪速度,研究结果可以为高光谱数据去噪的研究提供有价值参考。

摘要：对森林树种类型进行识别可以为森林资源清查工作的开展提供科学的参考价值,如何利用空间分辨率较高的高光谱数据准确识别森林优势树种是当前亟待解决的问题之一。文章以内蒙古大兴安岭根河森林保护区为研究区,在2种空间分辨率(1 m和3 m)下,使用样本点(样地对应像元的光谱值)与样本面(样地对应3×3窗口像元光谱平均值)2种样本取值尺度,采用3种机器学习分类算法(神经网络(neural network,NN)、三维卷积神经网络(three dimensional convolution neural network,3DCNN)和支持向量机(support vector machines,SVM))对机载高光谱图像的森林优势树种识别能力进行了探讨。结果表明:①无论使用何种空间分辨率与样本取值尺度,3DCNN的分类精度最高,其总体精度和Kappa系数最高(最高分别为95.42%和0.94);②高空间分辨率更有利于优势树种识别,其比低空间分辨率(3 m)总体精度最多可提高30.97%,Kappa系数最多可提高54.24%;③使用NN与SVM进行分类时,以样本面作为样本取值尺度进行树种识别的精度低于样本点。而在3 m空间分辨率情况下使用3DCNN进行分类时,以样本面作为样本取值尺度进行树种识别的精度高于样本点。总的来说,空间分辨率、样本取值尺度与分类算法均对优势树种识别精度有不同程度的影响。在机载高光谱图像识别森林优势树种过程中,优先选择高空间分辨率影像,利用小样本数据,采取深度学习算法将会提高优势树种识别精度。

摘要：遥感观测和作物生长模型模拟是进行农作物长势监测的2种有效手段,并具有较好的互补性,构建二者的同化系统是目前农业遥感研究领域的热点。同化涉及多学科的交叉集成,十分有必要将同化方法中的模型、算法、数据进行集成,构建基础作物模型同化系统平台,降低科学研究和应用的难度。采用模块化结构设计,将同化系统构建所需的主要模型、算法、数据等进行有机结合和无缝集成,实现基于极快速模拟退火算法的遥感数据与CERES-Wheat作物生长模型的同化原型系统构建。此外,通过所开发的系统利用地面高光谱作为遥感数据,通过同化小麦叶面积指数对同化系统进行了检验和初步应用。同化LAI与实测结果较好的拟合度,表明所开发的同化系统基本可行,能为遥感技术与作物模型的基础研究和应用提供一个平台。

摘要：在按照"测试-选择"方法设计多分类器系统时,从超量生成的候选分类器集中选取一个最优子集是关键环节之一。基于此,定义一个组合适宜度概念,提出一种新的分类器选择方法。将该方法用于高光谱遥感数据分类实验中,并从具有27个候选的分类器集中挑选子集。实验结果表明,该方法在选择效率和识别精度方面具有优势,能保证所选子集的泛化能力。