一种结合空间域信息的高光谱分类结果优化方法

充分利用空间域信息来优化高光谱图像分类的结果,首先提出并采用了一种基于自适应阈值的高光谱图像边缘轮廓提取算法,然后又提出了一种内部膨胀法,之后结合两种方法对基于支持向量机的高光谱图像分类结果进行了优化。最后,应用实测数据对所提方法进行了验证,结果表明提出的方法通过引入空间域信息,可在较少地依赖先验知识的情况下,使高光谱图像分类结果得到一定程度的优化。     

基于极限学习机的变压器故障快速识别

针对基于传统神经网络的变压器故障识别诊断方法存在网络收敛慢、易陷入局部极小点和网络参数难确定的缺点,提出了一种基于极限学习机的电力变压器故障快速识别方法。该方法以变压器油中用于故障类型分析的5种主要溶解气体含量作为输入特征量,5种常见变压器状态作为输出量建立分类识别模型。实验结果显示,该方法的识别准确率比支持向量机高12.5%,识别速度是支持向量机的2.6倍,比概率神经网络快5.5倍以上,表明该方法对变压器故障的识别快速而有效。     

可穿戴式的功能近红外光谱成像系统的前端设计

针对脑部血氧非侵入式无损血氧检测,设计了一款多通道的可穿戴式功能近红外光谱成像系统的前端。采用超低功耗无线片上系统(System on a Chip,So C)芯片作为控制中心以及无线传送模块,借用时分复用技术实现光源驱动,利用高灵敏度的光电传感器以及高分辨率的模数转换芯片实现信号采集,实现一款体积小、功耗低、精度高、无线数传、可实时检测脑部血氧浓度的系统前端。给出了光源驱动与信号采集扩展方案,使得系统可以自由配置成更多通道采集系统。     

高光谱遥感反演土壤重金属含量研究进展

土壤重金属污染是当今重要的世界性环境问题之一。如何快速高效地获取土壤重金属含量及分布信息是进行污染风险评价及预测研究的前提。高光谱遥感具有无损、实时获取信息的优势,利用高光谱技术反演土壤重金属含量仍处于探讨阶段,对其反演机理和建模方法的研究成果进行了介绍和分析。认为充分研究不同类型土壤对重金属的吸附特性,是深入理解重金属含量反演机理的基础。加强不同土壤类型、不同污染程度的案例对比分析,发展光谱信号处理方法,引入非线性建模算法,构建重金属形态量反演模型,是土壤重金属含量遥感估算研究的重要研究方向。     

基于多端元混合光谱模型与Landsat影像的北京不透水层动态研究

中国正在经历快速地城市化过程,及时又准确地掌握城市化过程对我国社会经济发展具有重要的实际意义。以Landsat-TM和ETM+为主要数据源,通过多端元光谱混合分析法(MESMA)提取北京建成区不透水层的时空演变信息。在Ridd的V-I-S(植被—不透水层—土壤)概念模型框架下,基于最小噪音变换(MNF)将TM或ETM+的6个光谱波段转换成MNF空间,并定义4种端元光谱分别代表植被、高反射率地表、低反射率地表和土壤,同时构建北京建成区端元光谱数据库。然后在MATLAB软件包中实现MESMA模型程序,依次提取北京市6个时段的不透水层信息。研究结果表明:MESMA方法能够提高植被、土壤和不透水层提取精度,相对误差分别为14.6%、17.3%和11.9%。研究结论充分说明MESMA方法应用到一个时间序列的中分辨率多光谱遥感影像是非常有效的。MESMA光谱分解方法能高效实现北京城市动态变化和城市扩张的监测。     

基于光谱和时相特征的夏玉米遥感识别

精确提取作物种植面积一直是农业遥感关注的主要问题之一。综合运用低分辨率的时相变化特征和中分辨率的光谱特征,提出一种夏玉米识别方法。首先基于MODIS NDVI时间序列曲线,分析夏玉米在时相变化上的识别特征,构建识别模型。夏玉米纯像元利用识别模型识别,而耕地和非耕地类型的植被产生的混合像元,则基于像元分解办法获取耕地组分的NDVI时序特征,再利用识别模型判定,然后结合土地利用数据根据空间关系得到中分辨率结果;玉米与其他作物的混合像元则利用中分辨率尺度光谱差异加以区分。研究结果表明,在伊洛河流域主要农业区,识别精度达到90.33%,为作物类型识别提供了新的思路。     

高光谱影像的BDT-SVM地物分类算法与应用

面对海量数据的特征空间高维性及训练样本的有限性,高光谱遥感影像若采用常规统计模式的分类方法难以获得较好的分类结果。因此探讨支持向量机(SVM)分类器的基本原理,针对EO-1Hyperion高光谱影像的分类特点及现有多类SVM算法所存在的训练时间长及分类精度低等问题,引入二叉决策树SVM(BDT-SVM)分类算法,并提出一种新的类间分离度定义方法及相应的客观确定二叉树结构的策略,由此生成改进的BDT-SVM算法。实验结果表明:与其他多类分类方法相比,基于改进的BDT-SVM算法的高光谱影像地物分类效果更好,总体精度达到90.96%,Kappa系数为0.89,该算法还解决了经典SVM多类分类可能存在的不可分区域问题。     

基于形态学属性剖面的高光谱影像集成分类

传统高光谱遥感影像逐像素分类方法未考虑像元之间的空间关联性且泛化性能较低。形态学属性剖面是表征影像空间结构的有效方法,同时集成学习可显著提升分类算法的泛化能力。为了在高光谱影像分类中充分利用影像的空间信息并提高分类的稳定性,提出一种基于形态学属性剖面高光谱遥感影像集成学习分类方法。首先,用主成分分析和最小噪声变换进行特征提取,并借助形态学属性剖面获取影像的多重空间特征;然后用极限学习和支持向量机的方法进行分类;最后将多个分类结果以多数投票的方式集成。区别于已有集成学习方法,综合考虑了不同特征提取和不同分类方法的联合集成,并将形态学属性剖面引入其中以充分利用影像的空间信息。采用AVIRIS和ROSIS两组高光谱数据检验该方法的分类性能,实验结果表明该方法可获得高精度和高稳定性的分类结果,总体精度分别达到83.41%和95.14%。     

石墨烯气体传感解吸附特性研究

分析探讨了石墨烯气体解吸附特性与解吸附方法。通过实验分析石墨烯对NO2气体分子的响应时间、气体分子解吸附时间,分析探讨石墨烯的气敏特性。实验表明,石墨烯对NO2气体传感灵敏度高,响应快,但恢复过程缓慢,气体解吸附时间长。分析表明,通过加热的方法、光照的方法可有效减少石墨烯气体解吸附时间,改善解吸附特性。     

基于恒温谐波检测双回路瓦斯浓度仪研究

针对传统气体传感器检测范围窄、易中毒、使用寿命短等缺陷,提出基于恒温谐波检测的双回路瓦斯浓度检测系统。通过ATMEGA16实现低浓度的电化学检测电路切换高浓度的红外吸收检测电路,恒温惠斯通电阻电桥检测电路可减少温度场对传感器性能影响;应用谐波检测原理消除红外光路干扰,稳定光源的输出功率,提高灵敏度。利用拉格朗日插值定理进行温度补偿,可消除温度漂移带来的瓦斯浓度二值性问题,并能在5.3%瓦斯浓度处实现高精度的瓦斯爆炸预警。实验结果表明：双回路检测仪具有高灵敏度、测量范围广、精度高等特点,可应用在突出灾害时瓦斯大量涌出检测中。