Substitution of satellite-based land surface temperature defective data using GSP method

Land surface temperature (LST) as an important environmental variable provides valuable information for earth environmental system modelling. Currently, LST is obtained through satellite thermal sensors at various spatial and temporal resolutions. Although spatially continuous satellite-based LST measurements are intended to overcome the shortcomings of sparse ground-based LST measurements, LST images often contain anomalous values due to the existence of clouds or sensor malfunctioning. The problem becomes more serious where the users deal with high spatial resolution characterized by low temporal resolution. This study examines the capability of a newly developed graph signal processing (GSP) method using two-dimensional single-date thermal data. For this purpose, four Landsat/TIRS datasets are analyzed. The data of five elliptical regions on thermal images are eliminated and then reconstructed through the GSP method and using the LST values of the enclosing rectangles containing the ellipsoids. The results indicate that the temperature variation determined by the GSP method generally conforms to the original image LST values. According to a correlation test conducted on the original image LST and those obtained through the GSP method, the values vary from 58% to 95%, which is an above-the-average rate (RMSE from 0.69 to 2.27). The statistical analysis of the original image LST in both the elliptical regions and the enclosing rectangles containing the ellipsoids indicates that an increase in the variance of LST data causes an increased error in the calculation of temperature by the GSP method, and vice versa. The results of the analysis of variance (ANOVA) and Duncan test indicated that an increase in the number of the non-zero spectral bins would result in increased RMSE values for all the dates and the regions. Moreover, the model errors were significant at the 0.05 level across all the image date and five elliptical study regions. Based on the results, the use of this method is recommended for the reconstruction of LST missing values, where dissimilarity of atmospheric conditions limits the use of other methods that depend on the time series data of various dates and a great deal of data calculation.     

逆向工程的关键技术及其研究

综述了逆向工程中实物数字化技术、测量数据的预处理、曲面重建技术、重构曲面的评价和检验等关键技术的发展现状和存在的问题,并对今后的发展方向进行了讨论。     

飞机外形件三角网格模型光滑B样条曲面重建

综合考虑曲面重建时的拟合精度、曲面片拼接处的连续性和曲面的光顺性等因素,以三角网格模型的双三次B样条曲面重建为例,研究了飞机外形件三角网格模型的分片光滑B样条曲面重建方法。该方法首先采用最小二乘法逼近散乱数据,初步获得分片B样条曲面;然后将光顺准则加权到最小二乘函数中调节曲面光顺程度;最后运用罚函数法保证曲面片边界近似G1连续。将该方法应用于飞机外形件实测数据的曲面重建,误差分析结果验证了方法的有效性。     

基于径向基函数神经网络的自由曲面重构

根据径向基函数神经网络（RBFNN）具有很强的非线性逼近能力的优点，本文采用RBF网络模型进行自由曲面重构，建立了适应于曲面重构的径向基函数网络模型，讨论了基函数对重构曲面连续性的影响，并与多自由曲面重构，建立了适应于曲面重构的径向基函数风络模型，讨论了基函数对重构曲面连续性的影响，并与多层感知器神经网络的性能进行对比。理论分析和仿真实验结果表明：常用的几种径向基函数重构的曲面都具有很好的连续性，径向基函数网络用于曲面重构，不论是在拟合精度，还是网络的训练速度都明显优于多层感知器网络，具有一定的实用价值。     

发动机孔探图像三维测量与立体重建的实现

作为一种新兴的可视探测技术，孔探成像分析在现代发动机故障诊断中一直发挥着重要的作用。研制和开发基于孔探图像的三维测量与立体重建系统对提高故障诊断水平和预测准确度，降低工作中的人力物力投入，节约维护成本都有着重要的现实意义。本文以整体系统的构架为线索，阐述了系统的图像采集，摄像机标定，图像预处理，立体匹配，3D计算以及深度重建等功能模块的研制思路和基本算法，并给出部分研制结果。本系统的开发为基于也探图像的发动机故障监测与诊断系统的奠定了重要的基础。     

发动机高速动平衡的振动相位分析

针对发动机转子高速动平衡转速波动、无法保证振动信号同步整周期采样的特点,提出了一种基于转速脉冲的振动信号重构技术,大大提高了相量测量的准确度和稳定性。经试验验证,这项技术是有效、可行的。     

曲线保凸光顺拟合中的支持向量回归模型

几何逆向工程中的光顺曲线重构问题本质上属于回归问题,支持向量回归机是求解回归问题的新的十分有效的方法.研究用支持向量回归机处理光顺曲线的重构问题,鉴于后者有着对于光顺性的特殊要求,通过修正惩罚因子对支持向量机加以改造,即根据测量数据点的分布情况,利用各测量点圆率及保凸条件的特性确定对应的惩罚因子,从而实现了自由曲线的保凸光顺重构.数据实验也表明该方法的有效性.     

基于相空间重构的网络流量RBF神经网络预测

应用混沌理论，分析了网络流量，用单变量的网络流量时闯序列重构与网络动力系统等距同构的相空间，进而计算了实际网络的关维数和Lyapunov指数，并证实了网络流量存在混沌特性；据此建立了基于径向基函数（RBF）神经网络的模型，并对实际网络数据流进行了预测。仿真结果表明，相对于其他前馈神经网络预测，基于混沌理论的RBF神经网络预测方法学习速度快，预测精度高。     

基于分形理论的混沌信号与噪声分离方法

提出一种分维数和子波重构相结合的混沌信号与噪声分离方法，与以往出现的子波滤波方法和经典滤波方法相比较，该方法有如下特点；利用子波变换计算带观测噪声混沌信号的真实分数维，进而根据观测序列维数与真实维数的差值控制子波重构的参数，构造出混沌与噪声分离的自适应滤波器结构。仿真实验说明了该算法的有效性。