两种基于2DPCA图像融合算法的性能研究

基于2DPCA的图像融合算法是一种新近提出的图像融合技术,它是通过图像矩阵右乘投影矩阵来实现2DPCA分析的。因而,这种算法能够有效利用图像的二维结构信息,具有良好的性能,不仅能够提高融合图像的空间分辨率,而且使光谱信息得到较好保持。提出了一种通过图像矩阵左乘最优投影矩阵来实现2DPCA分析的图像融合算法,即L2DPCA图像融合算法,并将2DPCA算法和L2DPCA算法与经典的BROVEY、PCA和H IS三种图像融合算法进行了对比研究。结果表明:2DPCA算法和L2DPCA算法的性能明显优于这三种经典的算法。     

主成分分析技术在遥感蚀变信息提取中的应用研究综述

主成分分析是目前遥感蚀变异常信息提取常用方法之一,该方法具有对影像大气校正质量要求不高、实现简单、提取效果好、效果稳健等优点,广受地质工作者的青睐。根据输入影像的数量及类型、主成分分析的次数等,本文将主成分分析分为标准主成分分析、特征向量主成分分析、定向主成分分析、二次主成分分析、不同影像间的主成分分析等5种类型。其中,特征向量主成分分析又可细分为4个波段特征向量主成分分析和3个波段特征向量主成分分析。在上述分类的基础上,系统介绍了各种主成分分析及蚀变信息主分量的选择,尤其是对特征向量主成分分析的Crosta技术和定向主成分分析的软落叶技术进行了详细阐述。并以TM/ETM+、ASTER影像为例,对部分应用主成分分析提取蚀变异常信息的实例进行了分析,认为：在基岩裸露区,不同主成分分析都可以很好地提取铁化、泥化蚀变信息;在中、低植被覆盖区,采用标准主成分分析、Crosta技术、改进的Crosta技术、软落叶技术、“掩膜/抑制干扰信息+主成分分析”等方法可以有效地提取蚀变异常信息;高植被覆盖区多采用主成分分析生成的蚀变信息主分量进行彩色合成,再通过对彩色影像进行目视解译的方式判断蚀变的类型和范围。其中,“掩膜+Crosta技术”、“掩膜+软落叶技术”、二次主成分分析等方法在高植被覆盖区也可以取得较好的应用效果;对于干扰信息种类众多、岩性复杂的地区,可根据干扰信息、岩性种类划分成若干个小区,再根据每个小区实际情况采用不同的蚀变提取方法,最后将每个小区内提取的蚀变信息进行合并。     

Ionospheric precursor for a deep earthquake (∼378 km) near Papua New Guinea occurred on 7 July 2013, Mw = 7.2 in the environment of geomagnetic storm using two-dimensional principal component analysis

Two-dimensional ionospheric total electron content (TEC) data during the time period from 00:00 on 2 July to 12:00 UT on 8 July 2013, which was 5 days before to 1 day after a deep earthquake at 18:35:30 on 7 July 2013 UT (M_w = 7.2) with a depth at about 378.8 km in Papua New Guinea, were examined by two-dimensional principal component analysis (2DPCA) to detect TEC precursor related to the earthquake because TEC precursors usually have shown up in earlier time periods. A TEC precursor was highly localized around the epicenter from 06:00 to 06:05 on 6 July, where its duration time was at least 5 minutes. Ionizing radiation radon gas release should be a possibility to cause the anomalous TEC fluctuation, e.g., electron density variation. The plasma might have large damping at that time to cause TEC fluctuation of short time, and the gas released with small amount in short time period, and 2DPCA could identify short time TEC fluctuation while the fluctuation lasted for a long time. Other background TEC anomalies caused by the geomagnetic storm, small earthquakes and non-earthquake activities, e.g., equatorial ionization anomaly resulted in the small principal eigenvalues, therefore the detection of TEC precursor was regardless of these background TEC anomalies.     

双通道SAR振动目标快速检测

目标的振动会对雷达回波产生特殊的相位调制,称为微多普勒效应,能够提供对微动目标检测的有利信息,因此对提高SAR(Synthetic Aperture Radar)系统性能具有重要意义。然而,已有的检测算法存在运算量大、抗杂波噪声能力弱和无法适应多振动目标等问题。针对这些问题,本文提出一种对振动目标检测的新算法。该算法利用相位中心天线偏置DPCA(Displaced Phase Center Antenna )对消技术消除杂波,并沿方位向累加DPCA信号来提高算法的抗噪声能力。由于振动目标SAR方位回波的频谱与脉冲序列具有高度相似性,本文算法选择了检测重复脉冲序列的脉冲重复频率PRI(Pulse Repetition Interval )变换法来实现振动目标的检测。仿真实验表明,本文算法能够在强杂波噪声条件下检测振动目标,同时具有准确振动频率估计性能,甚至当同一个单元存在多个振动目标时,本文算法依然适用。仿真中振动目标检测的计算机运行总时间不超过0.6 s,说明本文算法适用于实时检测,通过与GLRT算法和Hough变换算法运算量的比较,证明了本文算法相比于经典算法具有运算量小,检测速度快的优点。     

AMSR-E卫星资料陆面干扰的气候特征分析

先进微波辐射计(AMSR-E)的低频特性使其更容易受到无线电频率干扰(RFI),本文首先对比了谱差法和双主成分分析(Double Principal Component Analysis,DPCA)方法这两种RFI识别算法的差异,验证了DPCA方法的适用性,然后选用DPCA方法对2002年9月—2011年9月AMSR-E陆面升轨亮温月平均数据中的RFI进行识别,并分析其多年变化特征。DPCA方法可以有效地识别出AMSR-E全球范围内陆地亮温数据中的RFI分布情况。识别结果显示:1)C波段中的RFI主要分布在美国、东亚及印度—阿拉伯半岛地区;X波段主要分布在欧洲及东亚地区。2)各区域的RFI空间位置及强度随时间会发生变化,其原因可能是由于基础设施及使用无线电频谱的变化造成。3)不同区域月平均亮温数据中识别出的RFI信号数量存在季节变化,并且C波段中识别出的RFI数量随时间减少,X波段中随时间增加。     

基于2DPCA的遥感图像融合算法研究

基于PCA的遥感图像融合算法思想简单,实现起来较容易,而且遥感图像融合的性能也较好.但这种方法也有一些缺点:①不能有效利用图像的结构信,息;②光谱信息损失较多;③灵活性较差.针对这些问题,首次提出了一种基于2DPCA的遥感图像融合算法.与PCA融合算法相比,基于2DPCA的融合算法的主要特点是:①直接对图像矩阵进行2DPCA分析,因而可以有效利用图像的二维结构信息;②多光谱图像的特征矩阵主成分的替换个数可以是一个或多个,这样就可以调节光谱信息的保持程度和空同分辨率的改善程度,从而获得不同融合质量的图像,具有更好的灵活性;③融合后的图像不仅光谱信息得到了较好保持,空间分辨率获得了明显改善,而且图像色彩也得到了增强.