绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 1
  (已选择0条) 清除 结果分析
找到 20 条结果
摘要:为了在多波段图像融合中选用合适的直觉模糊化方法来处理不确定性问题,对5种常用的直觉模糊集方法在多波段图像融合中的应用进行了比较.首先将多波段图像进行直觉模糊化处理,对隶属度图像进行去模糊化得到直觉模糊图像;然后,将直觉模糊图像进行非下采样轮廓波变换(Nonsubsampled contourlet transform,NSCT),对低频图像进行直觉模糊化处理,所得隶属度作为权重进行加权融合,高频使用取大规则进行融合;最后通过逆变换得到融合图像.对融合结果采用主观人眼视觉观察和客观评价指标体系进行分析比较,得到较好的直觉模糊集方法的优势性能.实验结果表明,与Sugeno、Yogita、Yager及Chaira四种直觉模糊化方法相比,Bala直觉模糊化方法可以有效提高融合结果的亮度和对比度,而且融合结果边缘清晰,纹理特征明显,具有更好的视觉融合效果和客观质量评价.
-
CSTPCD 北大核心
-
摘要:针对光谱角制图(SAM)和最大似然(MLC)分类器对AVIRIS高光谱遥感图像进行植被分类精度均不高的问题,提出了一种基于多分类器的C5.0决策树植被分类方法.首先,利用支持向量机(SVM),进行核函数以及核函数参数选择,提取出AVIRIS高光谱图像中的植被信息.其次,利用C5.0算法将光谱角制图和最大似然分类器组合,作为决策树的特征属性,学习样本训练并生成分类规则;根据C5.0算法计算植被样本中对应分类器的信息增益率,选择信息增益率最大的属性去分类样本;当叶样本的分类结果满足停止生长的阈值,输出样本分类的结果,否则,回到开始,递归调用以上方法继续分类叶样本,直到所有子集仅包含一个植被类别的样本完成决策.实验结果表明,与光谱角制图和最大似然分类器相比,本文提出的方法整体精度分别提高了6.04%、2.92%,不仅证实了多分类器组合的可行性和有效性,而且更加适用于AVIRIS高光谱图像中的植被调查.
-
北大核心 CSTPCD CSCD AJ CA
-
摘要:针对高分一号卫星(GF-1)玉米田遥感图像中玉米田光谱复杂和地块边缘模糊导致的面积统计误差大的问题,本文提出一种块模糊增强和最小值边缘提取相结合的边缘检测方法进行玉米田地块分割处理,以减小面积统计误差.首先将彩色遥感图像从RGB变换到I1I2I3彩色空间,提取出含丰富特征的单色图I1;然后利用模糊理论对I1进行基于块的增强处理;再对增强后的图像进行最小值边缘提取;最后利用Full Lambda-Schedule算法对区域边缘进行优化.通过与Canny和Sobel等边缘提取方法比较,证明本文的边缘检测结果能有效地分割出玉米田地块目标,减少了玉米田光谱复杂和边缘模糊带来的影响,检测出的边缘更符合玉米田实际分布,玉米田面积统计结果更符合实际.
-
北大核心 CSTPCD CSCD CBST
-
摘要:针对现有方法无法满足机载激光扫描与测距系统(LIDAR)数据地物分类时对算法精度和速度需求的问题,提出了一种基于非下采样剪切波(NSST)和正态DS证据理论的LIDAR数据快速地物分类方法.首先,利用NSST对LIDAR数据源图像进行多尺度分解,对得到的各层高频图像进行中值滤波处理,并进行逆变换合成.其次,构建正态概率分配函数及模糊类别,对LIDAR数据进行信任分配,并进行合成与决策.实验证实,该方法的分类精度达到86.12%,运行时间仅为0.46 s,在保证快速的基础上有效地提高了分类算法的精度.
摘要:针对现有激光雷达(LiDAR)点云滤波方法无法有效排除数字表面模型(DSM)中数据空洞干扰的问题,提出了基于多光谱数据指导的偏度平衡点云滤波方法.该方法将多光谱数据引入点云滤波并将其作为引导图像,实现了与噪声点光谱相似点的快速去噪.实验结果表明,该方法有效排除了数据空洞对点云滤波造成的干扰,所得到的滤波误差与原有偏度平衡点云滤波方法相比减少了0.4%~0.8%;与目前流行的基于支持向量机(SVM)的滤波算法相比,该方法的误差减少了0.1%~0.4%.
-
北大核心 CSTPCD CSCD AJ EI CBST SA
-
摘要:针对红外偏振和光强图像现有融合算法无法随着图像差异特征的变化而优化选择的问题,提出了图像差异特征和融合算法的集值映射关系的建立方法。通过图像差异特征的分析与提取构建了差异特征集,将典型融合算法构建为融合算法集,利用数据包络分析法计算每个差异特征对各融合算法的融合有效度并构造融合有效度分布,通过对多组图像的融合有效度分布合成,建立差异特征与融合算法的集值映射关系。实验证明,所建立的集值映射关系可以优化选择融合算法,将互补性强的差异特征有效融合。
[博士论文] 李大威
信息与通信工程 中北大学 2017(学位年度)
摘要:农作物识别是农情监测的重要内容,是调查监测农作物种植面积、长势、产量、品质、病虫害等的基础。卫星遥感技术的快速发展为农业遥感行业应用提供了大量高质量的遥感数据源,蕴含丰富的地物信息,但遥感信息自动提取长期困扰研究学者。目前农作物信息的精细提取仍依赖人工目视解译,效率低下,受人员经验制约。虽然机器学习方法不断改进,但受作物种植品种差异大、地块破碎、同期作物混杂混种以及同物异谱等主客观因素的制约,规则简单、结构单一的自动提取算法在复杂地物分布情况下表现出极大的局限性。同时,各算法过分依赖手工设计的特征质量和大量的标记样本,地物分布复杂的高分数据源的地物提取精度较低,影响最终决策的准确性。因此,提高提取精度成为遥感技术在农业领域应用中的关键。
  集成学习能够利用多个学习方法解决同一问题,综合多种算法的优点,显著提高算法的整体泛化能力。本论文以集成学习为主线,研究高分遥感图像玉米区的高精度提取算法,将支持向量机、神经网络、深度学习与集成学习融合,从不同基本算法、不同特征集输入、不同算法结构等方面保证算法多样性,构建集成提取算法,以提高玉米区提取精度,提出的集成提取算法也能在其它类型农作物的信息提取中发挥作用。论文主要从以下四个方面开展了研究工作:
  (1)特征提取与特征集构建研究:在对高分遥感图像校正、融合等预处理和图像特征提取的基础上,以随机森林为技术手段,评估特征的重要性程度;遍历选择不同特征并构造组合,将其提取结果分别作为证据源,采用改进的权重系数和冲突概率自适应调整的D-S证据合成规则处理冲突证据,两组高分遥感研究区图像实验合成结果分别达到0.84和0.87以上,较传统合成方法提高了4%和6%;根据实验结果选取最优的特征组合,重组构建了光谱特征集、纹理特征集以及联合特征集,以其为输入开展后续研究。
  (2)同异质集成提取算法研究:探究典型监督算法—支持向量机和极限学习机网络等浅层学习方法的特点,研究了多分类器集成与合成规则;以混合迭代为手段,提出新的混合核支持向量机同质集成算法;进而研究不同学习方法的性能差异,提出以极限学习机网络和支持向量机为基本方法的异质混合集成提取算法,提高复杂地物分布情况下的高分图像信息提取算法的泛化能力。
  (3)深度网络集成提取算法研究:重点研究堆栈自编码和深度卷积神经网络的基本原理,分别探究其结构设置规则和参数设置优化方式;基于无监督特征学习构建的深度网络集成提取算法,针对一维像元数据和二维多特征图像实现深层特征的学习及玉米区类别属性的判别;同时针对二维卷积网络对输入数据的特殊要求,挖掘像元邻域的上下文信息,提出了基于像元扩展的二维输入图像制备方法,克服了复杂场景地物提取中等尺寸分块方法的缺点,为扩展二维卷积网络的农业遥感应用提供先决条件。
  (4)实验验证:以高分一号和高分二号的典型研究区图像为数据源,针对不同空间分辨率(2m与0.8m)、不同时相(单时相与双时相)、不同幅面(512×512、1024×1024与1500×1500等)、不同特征集(光谱、纹理与联合特征集)以及不同的地物分布特点的玉米区图像,通过多组实验验证集成算法性能。基于支持向量机和极限学习机的同异质集成提取算法总体精度较传统监督算法和单一学习算法有了显著提高,特别是联合特征集输入的结果基本达到了0.85,异质集成优于同质集成;联合特征集输入的二维卷积深度网络集成提取算法总体精度达到0.90以上。综上,集成学习能够有效提高高分图像玉米区提取精度,深度网络集成提取算法性能表现优于以支持向量机和极限学习机为基本方法的同质、异质集成提取算法,图像的高空间分辨率有助于提高集成算法的玉米区提取精度。
摘要:激光扫描与测距系统(LIDAR)所获取的点云数据能够表达地物的三维信息,而光谱相机能够获得同场景的四个波段的多光谱信息.二者从不同的侧面表现了地物的特征,但不同特征对分类精度的贡献具有较大的差异.提取不同类型的地物特征,将特征分成四组;以随机森林为分类框架,得到不同特征子集的重要性测度和每个像元对各类别的隶属度;提出自适应D-S证据方法对各特征子集的分类证据进行合成,实现地物类别信息提取.充分利用两分类器的优点挖掘分析遥感不确定性信息,实验结果表明,分类精度达到90%,能够达到应用要求.但通过进一步分析,由于仍然是像元级的处理,初始分类结果在特殊区域存在混淆现象,影响了分类精度,通过采用基于空间限制的方法对混淆区域分类结果进行优化,提高了分类精度.
摘要:我国幅员辽阔,作物种类丰富,如何及时、客观、准确地收集我国作物信息,对科学指导农业发展具有重要的意义.本文以MODIS数据为主要信息源,以农作物的波谱特性和生物学特性机理为基础,开展利用MODIS数据的高光谱多时相及免费获取的优势,进行大尺度农情遥感监测研究,发展了适用的模型和算法,实现大尺度主要作物类型信息的遥感提取和产量遥感估算,提高了农作物遥感定量精度,并探讨了基于MODIS数据的全球农作物遥感监测的现状.同时,针对大尺度农情遥感监测中涉及的农业气候环境网格信息系统做了初步尝试.
摘要:培养综合素质强的复合型人才是大学教育的重要目标,阐明了理工融合对提高复合型人才综合素质的推动作用,将理工融合理念融入大学教育教学,在人才培养的各个过程实践理工融合具有很强的现实意义。
-
北大核心 CSTPCD CSCD SA
-
摘要:惯性导航系统在使用前要进行初始对准,即建立导航坐标系.分别对粗对准和精对准进行了研究.粗对准就是由三个姿态角来得到初始姿态矩阵的过程.精对准就是卡尔曼滤波法.在静基座下对陀螺和磁罗盘组合的系统建立了十一维状态的模型,采用改进卡尔曼滤波方法进行精对准仿真研究,采取渐消记忆卡尔曼滤波以克服滤波发散.仿真结果表明,该滤波方法用于航向姿态系统对准具有较好效果.
摘要:根据捷联惯性导航(INS)和GPS导航两个系统不同的特点,通过卡尔曼滤波方法实现了INS/GPS组合导航,以速度差和位置差作为卡尔曼滤波的量测量信息,建立了组合导航的简化滤波方程.在实际陀螺器件含有零偏的情况下,通过在角速度上引入定量的零位偏置来进行弹体模拟投放过程.将仿真导航结果和弹道参数比较,引入的陀螺偏置引起姿态角误差,而速度误差和位置误差比较小,导航计算参数误差在允许范围之内.
摘要:为了在本科教学中落实理工融合,针对微观层面操作困难的问题,提出了建设理工融合型课程的构想.论述了理工融合型课程的概念、特点;从科学和技术的发展、复合型人才的培养、学生的认知规律、理工融合型专业建设四个方面分析了理工融合型课程建设的必要性;提出了理工融合型课程在教学内容、教学进程、教学活动方面建设的具体方法,并以红外物理与技术课程为例,对所提出的方法进行阐释.
摘要:城市可见光图像中高大的建筑和树木造成的阴影及部分树木区域出现的颜色失真问题使得传统的颜色量化方法不能准确描述地物谱差异,最终导致分类精度下降.针对可见光图像中的阴影和颜色失真问题提出了一种改进办法:第一阶段针对阴影导致的被掩盖区域谱信息缺失问题,对阴影区域进行采样、分析,通过双阈值提取阴影区域并以面向对象分类方法获得绿色区域阴影.第二阶段通过融合树木区域在多源信息[激光雷达强度、多次回波的数字表面模型(DSM)]中的差异特征,剔除冗余,获取准确的树木区域,弥补颜色失真使得树木区域提取不完全的缺陷.实验结果与人工获取的真实数据对比显示,该方法与传统的Dempster-Shafer (D-S)证据理论融合方法相比,分类精度有了明显的提高.
摘要:kalman滤波广泛应用于惯导系统的初始对准,本文建立带未知常值偏置的六状态滤波器误差方程,利用微硅陀螺采集的数据,进行仿真,得到航向、姿态角误差和陀螺漂移估计量,然后进行补偿,并且给出了仿真结果.
摘要:通过对一个特定区域的实际测量,利用GPS测得的各点位置信息,采取两种不同的方法分别计算了两条行进路线的长度,结果表明GPS在短距离测量中具有一定的实际意义.
摘要:利用微硅陀螺测量的数据,运用过程辨识理论和时间序列分析方法,建立了陀螺静态漂移的自回归(AR)模型,进而得到连续微分方程.
[硕士论文] 李大威
控制理论与控制工程 中北大学 2006(学位年度)
摘要:惯性导航系统(INS)可连续提供信息,短时间精度高,但是定位误差随时间积累。GPS系统长期稳定性好,但易受到干扰,数据更新频率低。由于MEMS器件本身的缺点,应用其作为惯性测量器件的惯导系统需有GPS辅助。INS和GPS构成的组合导航系统,拥有很好的导航精度,在实际工程中得到了广泛应用。 本文介绍了GPS和INS的基本原理和组成,建立了组合导航系统误差模型,推导了惯性导航系统误差方程,主要研究了INS/GPS组合导航中卡尔曼滤波技术的应用问题。以MATLAB语言为仿真语言环境对常规卡尔曼滤波、联邦滤波、自适应滤波进行了研究和仿真分析。 在工程实际中MEMS器件的零位偏置并不是不变量,它随着时间和环境因素变化而波动。若不考虑其影响,将固定偏置引入捷联导航计算,必定影响导航系统精度。本文在以往研究的基础上研究了改进的卡尔曼滤波方法——带未知时变偏置的卡尔曼滤波,分析了它的工程应用背景,推导了它的算法过程。在状态方程和量测方程中引入了偏置向量,将未加偏置的状态估计和偏置估计分为两个部分,然后将偏置估计修正状态估计,得到更新后的状态估计。根据实验数据进行了MATLAB仿真,对仿真结果比较并经过实践得知在系统方程中加入偏置能够起到一定的效果,是有实际应用价值的。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部