修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

14 条数据
?? 中文（中国） ▾

  • 基于权值序列几何法的高光谱数据端元数量估计

    摘要： 遥感器获取的地表反射或发射光谱以像素为单位记录。大多数情况下，单个像素通常包含多种地物类型，这类像素称为混合像素，其中每种地物类型被称为"端元"。估算端元数量是目标分类、端元提取等多项高光谱数据挖掘技术的关键步骤。本文提出一种基于权重序列几何的端元数量分离检测方法：首先通过特征值分解将光谱矩阵投影至正交子空间；继而基于归一化特征值序列，创新性地采用几何准则寻找主因子与次因子的分离点；最终根据"分离点"序列确定端元数量。经多组模拟与真实高光谱数据验证，该方法无需任何先验信息即可准确快速地检测高光谱数据中的端元数量。此外，该新方法也适用于未来超高分辨率遥感光谱数据。

    关键词： 端元数量、高光谱数据、分离检测方法、高光谱解混

    更新于2025-09-23 15:22:29

  • 丝素蛋白光纤甲醇蒸汽传感器

    摘要： 线性混合模型（LMM）在高光谱数据光谱解混中起着关键作用。在LMM假设下，具有最小重构误差的解被视为理想端元。然而对于实际高光谱数据集，由于噪声影响，包含所有像素的端元在物理上没有意义。因此，在许多情况下，仅考虑重构误差是不够的，需要对端元施加一些约束（例如体积约束）。这两者可视为两种作用力：最小化重构误差迫使端元向外移动远离单纯形，而端元约束则通过驱动端元向内移动来反向作用以限制体积缩小。现有许多方法通过平衡这两种矛盾的作用力获得解。这种方式获得的解不仅能最小化重构误差，还具有物理意义。有趣的是，本文发现这两种作用力并非完全对立，在不改变单纯形体积的情况下可以进一步降低重构误差。更有趣的是，我们的方法能进一步优化所有端元提取方法（包括端元选择方法和端元生成方法）提供的解。优化后，最终端元在重构误差和精度方面均优于初始解。在模拟和真实高光谱数据上的实验验证了本方法的有效性。

    关键词： 高光谱数据、体积、端元、线性混合模型、单纯形

    更新于2025-09-23 15:21:01

  • 稀疏高光谱解混的快速多尺度空间正则化

    摘要： 从大型光谱库中进行稀疏高光谱解混的方法，被广泛用于规避许多应用中端元提取算法的局限性。该策略常导致不适定反问题，而空间正则化策略对此能发挥显著作用。然而现有空间正则化方法会引发大规模非光滑优化问题，因此高效引入解混问题的空间上下文仍是诸多实际应用的挑战与必要需求。本文提出一种稀疏解混的新型多尺度空间正则化方法，该方法基于分割与过分割算法构建信号自适应空间多尺度分解，将解混问题转化为两个更简单的子问题：一个在近似图像域处理，另一个在原始域处理。使用合成数据与真实数据的仿真结果表明，本方法性能优于当前最先进的基于全变分算法，且计算耗时与未正则化算法相当。

    关键词： 空间正则化、超像素、高光谱数据、稀疏解混、多尺度

    更新于2025-09-23 15:21:01

  • 利用光谱和空间上下文信息对半标记样本进行称重的研究

    摘要： 对光谱相似目标的分类是一项具有挑战性的任务，尤其是在使用中等分辨率数据时。虽然高光谱数据是重要的信息来源，但当训练样本数量有限时，休斯现象会尤为显著。为解决这一缺陷并实现数据分类，需要在方法中增加训练样本量。本研究通过两步法中的松弛过程，利用光谱与空间上下文信息来估算半标记样本的权重。第一步仅基于光谱信息迭代估算参数分类器中半标记样本的权重；第二步则通过松弛过程引入空间信息。本研究提出了一种更精细的方法，通过在松弛过程中融入空间上下文信息实现改进，旨在缓解休斯现象并提升相似类别的可分离性。我们在研究区域的高光谱影像数据上测试了该方法——该区域的土地覆盖类别具有高度光谱相似性，其精确分类具有较大难度。尽管进行了多次实验，本文仅展示具有代表性的精选实验结果。结果表明：引入上下文信息能有效缓解休斯现象（允许使用近两倍数量的波段），并使分类总体精度最高提升8%。

    关键词： 休斯现象、高光谱数据、光谱与空间上下文信息、分类、松弛过程

    更新于2025-09-19 17:13:59

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于高光谱数据人工颜色特征的城区地物分类

    摘要： 选择合适的特征对于利用高光谱数据进行城市材料分类至关重要。由于城市材料缺乏显著的诊断性吸收特征，因此能表征完整光谱的特征往往能提供更好的分类效果。此外，针对特定数据选择合适特征需要进行实证评估。本研究引入了考虑完整光谱的人造颜色特征。除颜色特征外，我们还使用了EO-1 Hyperion传感器所有无噪声波长的反射率值（集合A），以及文献报道的波长集合H={445, 576, 638, 759, 1100, 1316, 1989}。通过多种分类器对普纳市EO-1 Hyperion影像进行分类并比较其结果。颜色值、集合A和集合H的分类效果相近。其中集合H和颜色特征会使工业屋顶、住宅混凝土屋顶等城市类别的分类精度略有下降。

    关键词： 高光谱数据，城市材料分类，人工色彩特征，特征比较

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于分割的高光谱数据小尺寸类别保持分类

    摘要： 高光谱数据中的噪声使得精确分类各区域变得困难。为解决这一问题，研究者提出了一些滤波方法；然而，这些滤波过程会干扰小尺寸类别和锐利边界。为了在高光谱数据分类中?；で虮呓?，我们在分类前处理阶段应用了归一化切割分割技术。所提出的方法显示出更高的总体精度（OA）和平均精度（AA），这意味着区域边界得以保持，且小类别的分类精度得到提升。我们还发现分类精度对聚类数量并不敏感。该方法对于结合具有高分类性能的平滑滤波器具有重要价值。

    关键词： 归一化切割、高光谱数据、小尺寸类别、边缘保持滤波、分割

    更新于2025-09-10 09:29:36

  • 利用HJ-1高光谱影像数据和偏最小二乘回归法绘制中国松嫩平原北部土壤碱性与盐渍化分布图

    摘要： 在干旱与半干旱地区，识别和监测土壤碱性与盐渍化对防止土地退化和维持生态平衡具有迫切需求。本研究通过理化分析、统计分析和光谱分析发现，氢离子浓度指数（pH）和电导率（EC）是表征盐碱土的关键指标，且对可见光与近红外波段（VIS-NIR）敏感?；谕寥纏H值、EC值及光谱数据，构建了估算土壤碱性与盐渍化的偏最小二乘回归（PLSR）模型。土壤pH模型与EC模型的R2值分别为0.77和0.48，均方根误差（RMSE）分别为0.95和17.92 dS/m；性能与四分位距比（RPIQ）分别为3.84和0.14，表明pH模型效果良好而EC模型可靠性不足。验证集数据显示两模型RMSE分别为1.06和18.92 dS/m。将PLSR模型应用于2008年中国发射的HJ-1A卫星高光谱成像仪（HSI）获取的高光谱数据后，绘制了研究区土壤碱性与盐渍化分布图，经验证RMSE分别为1.09和17.30 dS/m。结果表明VIS-NIR波段高光谱影像能有效反演中国松嫩平原的土壤碱性与盐渍化分布。

    关键词： 碱度和盐度，偏最小二乘回归模型，高光谱数据，土壤

    更新于2025-09-10 09:29:36

  • [电气工程讲义] 微电子学、电磁学与电信学 第521卷（第四届ICMEET 2018会议录）|| 基于光谱分析的EO-1高光谱影像作物识别评估

    摘要： 本文概述了利用EO-1 Hyperion影像的纯光谱-空间反射率区分作物种类的研究目标。遥感技术的蓬勃发展为高光谱影像分析及作物类型分类与农业管理应用开辟了新途径。研究对象为印度马哈拉施特拉邦奥兰加巴德西区的三种作物：高粱、小麦和棉花。采用快速大气校正(QUAC)预处理算法校准不良波段并构建精确的作物区分数据?；诘孛婵刂频?GCP)和影像光谱响应，运用机器学习分类器识别具有显著纯光谱特征差异的像素。研究采用二进制编码(BE)与支持向量机(SVM)学习方法进行作物区分，结合土地覆盖类别的作物区分采用BE方法获得73.35%精度，而采用三次多项式SVM则达到90.44%总体精度。结果表明，通过ENVI开源软件处理30米空间分辨率(Hyperion)的卫星数据能够实现作物种类识别。

    关键词： 大气校正，支持向量机，光谱特征，高光谱数据

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 提出一种基于自组织映射的高光谱数据土壤湿度回归框架

    摘要： 本文提出了一种基于高维小数据集解决回归问题的框架。该框架包含两个自组织映射网络（SOM），并融合了无监督与有监督学习方法。我们研究了SOM超参数对回归性能的影响，并在实测数据集上将该SOM框架与两种经典回归器进行对比。结果表明该SOM框架具有应用潜力。最后，我们提出了该SOM框架的后续研究方向以分析其能力与局限。为确保结果可复现，相关数据集已发布于文献[1]。

    关键词： 机器学习、回归分析、高光谱数据、土壤湿度、自组织映射

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于高光谱数据的城市植被分类性能中降维方法评估

    摘要： 在城市植被研究中，高光谱影像能够区分地表生物质的生化特性。本研究通过多种降维方法测试高光谱传感器对树种分类的表征能力，旨在评估选取差异化且互不相关的植被指数作为高光谱影像降维手段的有效性。我们将该方法与常规MNF（最小噪声分离）和ACP（主成分分析）方法进行对比，并基于4米和8米空间分辨率的两个数据集，采用SVM分类器进行树种植被分类评估。结果表明：结合SVM分类的MNF方法是更优的高光谱降维方案。

    关键词： 城市植被、降维、支持向量机、高光谱数据

    更新于2025-09-09 09:28:46