结合参量统计与时空融合的土壤水分降尺度方法

土壤水分的降尺度研究为解决被动微波产品的粗分辨率问题,更好地服务于流域小尺度应用提供了技术手段。以美国俄克拉荷马州为研究区域,基于SMAP土壤水分产品和MODIS产品等多种辅助数据,在地表分类数据的支持下,结合参量统计降尺度和时空融合降尺度发展了一种土壤水分混合降尺度方法,并利用SMAP 9 km产品和站点实测数据对降尺度效果进行了评估。结果表明：混合降尺度方法可以得到细节丰富、空间覆盖完整的降尺度结果。相较于参量统计或时空融合两种单一降尺度而言,混合降尺度结果的空间分布与SMAP 9 km真实产品最为相似,并且混合降尺度结果与站点的整体时序精度最高,在不同地表分类下的时序精度也优于单一方法的降尺度结果。由此证明结合参量统计与时空融合的降尺度方法是可行的。     

影像超分辨率重建技术的发展与应用现状

影像超分辨率重建是通过对多幅具有互补信息的低分辨率影像的处理,重构一幅高分辨率影像的技术.从互补信息来源方式、重建模型、快速算法、"硬件"与"软件"相结合、多/高光谱、视频压缩、遥感应用、医学应用和生物信息提取与识别等多个角度阐述了影像超分辨率重建技术的发展与应用现状.     

地表通量对模型参数的不确定性和敏感性分析

基于2007年12月22日~2009年12月31日黑河流域阿柔冻融观测站的气象驱动数据,利用通用陆面模型(Common Land Model,CoLM)模拟的地表通量结果,研究地表通量对模型参数(叶面积指数、地表反照率和植被覆盖度)的不确定性与敏感性。结果表明,叶面积指数、地表反照率和植被覆盖度对地表感热和潜热通量不同组分的影响存在较大的差异。其中,植被层的感热和潜热通量对叶面积指数的敏感性程度较高,敏感系数均达到0.7以上;与潜热通量相比,感热通量对反照率更加敏感,土壤感热、植被感热和总感热通量对反照率的敏感系数分别达到-0.96、-0.97和-0.66,而土壤潜热和总潜热通量对地表反照率的敏感系数仅为0.1左右;植被潜热通量对植被覆盖度的敏感性程度很高,敏感系数范围为0.92~0.96,而土壤感热通量对植被覆盖度最不敏感,敏感系数只有0.18左右。     

基于最大后验估计的影像盲超分辨率重建方法

为了减小配准误差对盲超分辨率重建的影响,提出了一种影像配准和盲超分辨率重建联合处理的模型与方法。将配准参数、模糊函数和高分辨率影像建立在统一的最大后验估计模型框架内,并利用循环坐标下降最优化策略对模型进行求解,从而实现了配准参数、模糊函数和高分辨率影像的联合求解。实验结果证明:与传统盲超分辨率重建算法相比,该算法能够有效减少重建影像中的伪痕,在视觉评估上和定量评价上均能得到更好的结果。     

不完全乔莱斯基分解预优共轭梯度的模型

在超分辨率影像重建中，基于最大后验估计(MAP)框架的重建方法具有较大的优势，应用非常广泛。然而，常用的迭代求解方法如最速下降法、共轭梯度法等收敛速度慢、处理时间长，经常难以满足实际处理的需要。该文在MAP框架的基础上，提出了基于不完全乔莱斯基分解预优共轭梯度的模型求解方法，即在迭代求解过程中利用不完全乔莱斯基分解构造预优矩阵，降低系数矩阵的条件数，从而提高收敛速度，节省处理时间。实验结果证明，该方法是有效的、可行的。     

极化SAR相干斑抑制的非局部加权最小均方误差滤波算法

目的 相干斑的存在严重影响了极化合成孔径雷达(PolSAR)的影像质量.对相干斑的抑制是使用SAR数据的必不可少的预处理程序.提出一种基于非局部加权的线性最小均方误差(LMMSE)滤波器的极化SAR滤波的方法.方法 该方法的主要过程是利用非局部均值的理论来获取LMMSE估计器中像素样本的权重.同时,在样本像素的选取过程中,利用待处理像素的极化散射特性和邻域块的异质性来排除不相似像素以加速算法,同时达到保持点目标和自适应调节块窗口大小的目的.结果 模拟影像和真实影像上进行的实验结果表明,采用这种方法滤波后影像的质量得到明显改善.和传统的LMMSE算法相比,无论是单视的影像还是多视的影像,本文方法去噪结果的等效视数都高出8视以上;峰值信噪比也提升了5.8 dB.同时,去噪后影像分类的总体精度也达到了83％以上,该方法的运行效率也比非局部均值算法有了较大提升.结论 本文方法不仅能够有效抑制相干斑噪声,还能较好地保持边缘和细节信息以及极化散射特性.这将会为后续高效利用SAR数据提供保障.     

基于类内拟合的遥感影像薄云雾校正方法

光学遥感观测极易受到云雾影响,降低数据质量并限制其后续应用潜力。由此,提出了一种基于类内拟合的遥感影像薄云雾校正方法。首先,利用滑动窗口逐波段地搜索局部最小值,称之为暗目标,通过拟合不同波段的暗目标样本估计出薄云雾辐射的相关性。基于此,联合云雾波段相关性与成像模型,生成不含云雾干扰的合成假彩色影像,利用K均值分类自动得到地表覆被类型。利用地类信息,进一步选取晴空区像元获取不同地类在不同波段对间的线性关系。最后,将上述两种线性关系进行联立,求解出各地表类型在不同波段上的值,从而完成影像校正。通过模拟与真实实验对方法有效性和场景适用性进行测试,并从定性目视与定量评估两方面对结果进行检验。实验结果表明：提出方法可有效去除薄云雾干扰,适用于不同地表覆被类型场景,获得高光谱保真的校正地表。     

基于Landsat TM/ETM+影像的武汉市冬季NPP估算及其时空变化分析

植被净第一生产力(NPP)作为反映植被固碳能力的重要指标,在全球CO2浓度上升的背景下,成为研究全球及区域生态系统对气候环境变化响应的热点之一。基于Landsat TM/ETM+遥感影像数据,采用改进的CASA模型,估算得到武汉市2001~2010年空间分辨率为30m的冬季NPP,并对其进行时空变化分析。研究结果表明:武汉市过去10a冬季平均NPP为8.55gC/m2·m。2001~2010年武汉市冬季NPP整体呈现波动上升的趋势,各区域具有不同的增长速率,其中以江夏区最快,而各植被类型中灌木林具有最快的增长速率和最高的平均NPP。武汉市冬季NPP均呈现从三环区域向四周增大的空间分布特征,过去10a武汉市冬季NPP最高的区域由黄陂区转移到了江夏区。     

内外部梯度联合约束的图像超分辨率重建方法

图像在获取过程中受传感器、光学系统、大气扰动等多因素影响，导致图像分辨率下降。提出一种结合内外部梯度先验的图像超分辨率重建方法。基于最大后验估计理论框架，将深度学习的外部梯度先验和范数的内部梯度、亮度联合约束先验相结合，通过联合利用外部梯度先验和内部梯度先验的互补优势，借助高分辨率的梯度信息提高重建的超分辨率图像质量。实验结果表明，与ASAR、DRRN等方法相比，该方法能够有效增强图像的高频细节和边缘信息，减少重建图像中可能存在的噪声与伪影效果。     

一种基于正则化技术的超分辨影像重建方法

超分辨率影像重建已经成为近年来人们广泛研究的热点，利用超分辨率重建技术，可以得到分辨率高于原始影像的重建影像。为此，提出了一个利用多幅具有亚像素位移的低分辨率欠采样影像重建一幅高分辨影像的超分辨率重建方法。该方法利用正则化技术，通过迭代运算解求重建影像的最优解。在迭代过程中，得到的重建影像用于求解下一次迭代的正则化参数，不断的循环迭代，最后求解出重建影像的最优解。对Lena影像进行了处理，并用PSNR影像评价方法对重建影像进行了定量评价。实验结果证明，该方法能较大限度地减弱噪声对重建结果的影响，当重建比率较大时，仍可得到高质量的高分辨率重建影像。