组合分析蚀变信息提取方法研究

目前主成分分析法、比值法、光谱角制图法等已广泛应用于遥感矿化蚀变信息提取中,且取得了很好的效果。根据研究区遥感数据特点,采用比值与主成分组合分析的方法,结合FLAASH大气校正、中值滤波以及彩色密度分割等图像处理方法,对新疆且末地区ASTER数据进行蚀变信息提取。经USGS标准矿物波谱库中典型矿物光谱的验证,组合分析方法能够去除数据冗余和噪声,有利于各类蚀变信息的提取。     

利用ETM数据进行矿化蚀变信息提取的方法研究——以柴北缘地区为例

在柴北缘地区利用ETM数据进行遥感矿化蚀变信息提取方法研究主要基于三个方面：①研究区蚀变信息及背景干扰地物信息的光谱特征;②矿化蚀变信息提取的最佳变量集组合;③图像增强处理方法和流程。在综合分析研究的基础上,采用“图像掩膜→最佳变量组合→波段比值→主成分分析→阈值分割→多元数据综合分析及异常筛选”的方法和流程提取了柴北缘成矿带的矿化蚀变异常信息,为该区综合成矿预测提供了可靠依据。     

遥感找矿信息提取及靶区预测——以青海祁连县红土沟-川刺沟地区为例

为了寻找新的找矿靶区,拓展遥感找矿技术的应用潜力,该研究以ETM和GeoEye-1遥感影像为基础,计算了彩色合成的最佳指数并对图像进行滤波处理以增强构造信息、解译线环构造;采用"SAM去干扰异常主分量阈值门限技术"对图像进行铁染、羟基蚀变信息提取;结合多元数据综合分析及成矿预测,圈定了3处靶区。通过实地地质工作,在圈定的第一靶区内发现了矿化较好的蚀变带,验证了通过构造增强、蚀变提取、多元数据综合分析,运用遥感技术找矿方法的准确、有效,为该区找矿工作提供了新的有利依据。     

图像模型法在遥感蚀变信息提取中的应用

针对在不同地物背景情况下难以选择恰当的遥感蚀变信息提取方法和建立特征掩膜的问题,提出了一种基于图像模型来帮助信息提取的方法。该方法依据典型蚀变矿物和干扰地物的光谱特性,模拟ASTER多光谱数据各波段特征,建立9维空间图像模型,并针对Fe~(3+)、Al-OH、Mg-OH、CO_3~(2-)这4种典型离子基团,进行了比值法、主成分分析法的遥感蚀变信息提取实验,通过提取结果判断不同方法的信息提取效果和干扰地物的影响情况。结果表明,通过图像模型法可以直观地展现不同方法在不同地物背景下提取效果的优劣,为遥感蚀变信息提取方法选择和掩膜的建立提供参考。     

基于在成分分析的植被掩模与模式滤波方法在中等植被区蚀变信息提取中的应用

植被干扰的消除对于应用TM图象进行蚀变信息提取是非常重要的。本文从矿物，岩石和植被在TM波段内的波谱响应分析入手，选择了TM5和TM1，TM5和TM7，TM4和TM3这三个组合分别来增强含铁矿物（主要是铁氧化物），含羟基矿物和碳酸盐矿物及植被信息。通过对比值，比值合成以及主成分分析等方法的比较，提出了一种适于中等植被覆盖区蚀变信息提取的新方法，即基于主成分分析的植被掩模和模式滤波相结合的方法。此方法在试验区进行蚀变信息提取中取得良好效果，它不仅识别出了与地表金矿化区一致的蚀变矿物富集区，而且对土石矿的一些矿脉也有较好反映。     

基于主成分分析的植被掩模与模式滤波方法在中等植被区蚀变信息提取中的应用

植被干扰的消除对于应用ＴＭ图象进行蚀变信息提取是非常重要的。本文从矿物、岩石和植被在ＴＭ波段内的波谱响应分析入手，选择了ＴＭ５和ＴＭ１，ＴＭ５和ＴＭ７，ＴＭ４和ＴＭ３这三个组合分别来增强含铁矿物（主要是铁氧化物）、含羟基矿物和碳酸盐矿物及植被信息。通过对比值、比值合成以及主成分分析等方法的比较，提出了一种适合于中等植被覆盖区蚀变信息提取的新方法，即基于主成分分析的植被掩模和模式滤波相结合的方法。此方法在试验区进行蚀变信息提取中取得良好效果，它不仅识别出了与地表金矿化区一致的蚀变矿物富集区，而且对于土石矿区的一些矿脉也有较好反映。     

内蒙古阿木乌苏地区TM图像褐铁矿化蚀变信息提取研究

在利用TM图像对我国西北干旱地区-内蒙古阿木鸟苏地区的遥感找矿工作方法研究中，特别注意了性变信息提取的研究。在热液性变信息提取中，引入了主要反映地物波谱信息的饱和度分童，结合波段比值进行定向主组分变换，获得了揭铁矿化性变信息。用这个方法所圈定的揭铁矿化蚀变区均已得到了验证，并且发现了新的矿化点。     

多光谱蚀变遥感异常提取方法研究

围岩蚀变是热液成矿作用发生过程的一个重要标志。国内外学者为了利用遥感技术提取围岩蚀变信息,开展了多种图像处理方法研究,如主分量阀值分析法、光谱角法、混合像元分解法、高植被覆盖区岩石矿化蚀变信息提取等。本文综述了在地表覆盖类型不同、地表覆盖程度不同的背景下,特别是植被覆盖严重地区的蚀变遥感异常提取的理论依据及异常提取方法研究现状,并对多光谱蚀变遥感异常提取的发展前景提出一些设想。     

ETM+和ASTER数据在遥感信息提取中的对比研究

遥感蚀变信息提取是找矿的一个重要技术手段。本文选择位于秘鲁南部阿雷基帕(AREQUIPA)省境内的萨卡纳(CERCANA)和伊卡(ICA)省境内的Moarcona铁矿区作为本文的两个研究区,从分析地物光谱出发,利用ETM+和ASTER卫星影像数据,通过主成份分析法和比值分析法分别对两个研究区进行泥化蚀变信息提取和铁染蚀变信息提取,并对两者的提取结果进行对比分析。最后结果表明,相较于ETM+数据,ASTER数据在矿化蚀变信息的提取方面具有更大的优势。     

多光谱蚀变遥感异常提取方法研究

围岩蚀变是热液成矿作用发生过程的一个重要标志.国内外学者为了利用遥感技术提取围岩蚀变信息,开展了多种图像处理方法研究,如主分量阀值分析法、光谱角法、混合像元分解法、高植被覆盖区矿化蚀变信息提取等.本文综述了在地表覆盖类型不同、地表覆盖程度不同的背景下,特别是植被覆盖严重地区的蚀变遥感异常提取的理论依据及异常提取方法的研究现状,并对多光谱蚀变遥感异常提取的发展前景提出一些设想.     

Theory of fractional covariance matrix and its applications in PCA and 2D-PCA

In this paper, according to the definition and applications of fractional moments, we give new definitions of the fractional variance and fractional covariance. Furthermore, we give the definition of fractional covariance matrix. Based on fractional covariance matrix, principal component analysis (PCA) and two-dimensional principal component analysis (2D-PCA), we propose two new techniques, called fractional principal component analysis (FPCA) and two-dimensional fractional principal component analysis (2D-FPCA), which extends PCA and 2D-PCA to fractional order form, and extends the transition recognition ranges of PCA and 2D-PCA. To evaluate the performances of FPCA and 2D-FPCA, a series of experiments are performed on two face image databases: ORL and Yale. Experiments show that two new techniques are superior to the standard PCA and 2D-PCA if choosing different order between 0 and 1.     

Principal manifolds and probabilistic subspaces for visualrecognition

Investigates the use of linear and nonlinear principal manifolds for learning low-dimensional representations for visual recognition. Several leading techniques - principal component analysis (PCA), independent component analysis (ICA) and nonlinear kernel PCA (KPCA) - are examined and tested in a visual recognition experiment using 1,800+ facial images from the "FERET" (FacE REcognition Technology) database. We compare the recognition performance of nearest-neighbor matching with each principal manifold representation to that of a maximum a-posteriori (MAP) matching rule using a Bayesian similarity measure derived from dual probabilistic subspaces. The experimental results demonstrate the simplicity, computational economy and performance superiority of the Bayesian subspace method over principal manifold techniques for visual matching     

A covariance-free iterative algorithm for distributed principal component analysis on vertically partitioned data

In this paper, a covariance-free iterative algorithm is developed to achieve distributed principal component analysis on high-dimensional data sets that are vertically partitioned. We have proved that our iterative algorithm converges monotonously with an exponential rate. Different from existing techniques that aim at approximating the global PCA, our covariance-free iterative distributed PCA (CIDPCA) algorithm can estimate the principal components directly without computing the sample covariance matrix. Therefore a significant reduction on transmission costs can be achieved. Furthermore, in comparison to existing distributed PCA techniques, CIDPCA can provide more accurate estimations of the principal components and classification results. We have demonstrated the superior performance of CIDPCA through the studies of multiple real-world data sets.     

基于改进核主元分析的TE故障诊断

PCA、KPCA作为常用的多变量统计监控算法,一般适用于定常过程。针对实际工业过程的时变、非线性特性,提出一种基于分块的改进KPCA算法。该方法通过采用随时间更新的核矩阵代替固定核矩阵用于主元模型的建立,使非线性监控模型能够在线更新,从而提高KPCA的检测正确率。与KPCA方法相比,该方法的运算复杂度明显降低。将该方法应用于TE(Tennessee Eastman)过程,仿真结果显示,该方法具有较好的监测性能,且所需时间大大减小,说明了本算法的有效性。     

基于多尺度卡尔曼滤波的医学图像配准算法

提出了一种新的基于主成分分析和多尺度卡尔曼滤波的医学图像配准算法.利用主成分分析的方法求出两幅图像的主轴和质心,从而计算出图像间的旋转角度;利用高斯金字塔分解构造了一种自适应的卡尔曼滤波器用来提高算法的鲁棒性.对模拟图像和真实图像进行了实验,实验结果表明此方法能准确,快速地处理图像刚性配准问题.     

分块多线性主成分分析及其在人脸识别中的应用研究

主成分分析(Principal Component Analysis,PCA)是人脸识别中一个经典的算法,但PCA方法在特征提取时考虑的是图像的整体信息,并没有考虑图像的局部信息,而分块PCA(Modular Principal Component Analysis,Modular PCA)则可以有效地提取图像中重要的局部信息,所以在人脸识别实验中获得了比传统PCA更好的识别效果。但PCA和Modular PCA都要进行图像的矢量化,这会破坏原始数据的空间结构,也有可能会导致"维数灾难"。多线性主成分分析(Multilinear Principal Component Analysis,Multilinear PCA)作为PCA在高维数据上的扩展,直接使用矩阵或者高阶的张量来获得有效特征,既可以避免"维数灾难",又可以体现直接将张量数据作为处理对象时保留原始数据较好基本结构信息的优点。在研究Modular PCA和Multilinear PCA的基础上,提出了分块多线性主成分分析(Modular Multilinear Principal Component Analysis,M2PCA)算法,用于识别人脸。在Yale、XM2VTS和JAFFE人脸数据库上进行了人脸识别实验,结果表明,在同等的分块条件下,所提出的方法的识别效果要优于Modular PCA的方法。     

面向提高图像分辨率的遥感数据融合新算法

在遥感应用研究中,数据融合技术有着非常广泛的应用.主分量分析方法(principalcomponentanalysis,简称PCA)是一种经典的遥感数据融合技术,在主分量分析方法的基础上,将小波变换与其结合起来,提出了一种新的基于小波叠加的PCA融合算法(addingwaveletcoefficientsprincipalcomponentanalysis,简称AWPCA).实验证明,与原来的PCA和IHS方法相比,基于小波叠加的PCA融合算法进一步提高了融合信息的质量,并能应用于其他需要高分辨率图像的场合中.     

基于自迭代主元抽取的工作模态参数识别

针对传统批处理主成分分析工作模态参数识别中存在的矩阵奇异值或特征值分解病态问题,本文提出了一种基于自迭代主元抽取的工作模态参数识别方法。与传统批处理主成分分析通过矩阵分解一次获得所有主成分不同,该方法通过自迭代逐一抽取主成分从而实现主要贡献工作模态的逐一识别。理论分析表明,该方法的时间复杂度和空间复杂度比传统批处理主成分分析工作模态参数识别方法更低。在简支梁仿真数据集上的识别结果表明,自迭代主元抽取算法可以从平稳随机响应信号中有效地识别出线性时不变结构的主要贡献模态振型和固有频率,在响应测点和采样时间较多时其时间开销较传统方法也更小。     

A Spectral Color Analysis and Colorization Technique

As the demand for colorization increases, so does the need for an automated technique. A solution to the color-picking task involves principal component analysis-based learning techniques such as a mixture model of probabilistic principal component analyzers and regressive PCA. Experimental results confirm the method's feasibility.     

Robust PCA for skewed data and its outlier map

The outlier sensitivity of classical principal component analysis (PCA) has spurred the development of robust techniques. Existing robust PCA methods like ROBPCA work best if the non-outlying data have an approximately symmetric distribution. When the original variables are skewed, too many points tend to be flagged as outlying. A robust PCA method is developed which is also suitable for skewed data. To flag the outliers a new outlier map is defined. Its performance is illustrated on real data from economics, engineering, and finance, and confirmed by a simulation study.