利用AMSR-E被动微波数据反演地表温度的神经网络算法

结合对地观测卫星AQUA多传感器/多分辨率的特点,研究了利用AMSR-E被动微波数据反演地表温度的神经网络算法.MODIS地表温度(LST)产品被作为地表温度实测数据,对应的平均温度被用作对应AMSR-E像元的实际地表温度,从而克服由于AMSR-E像元尺度太大和云的影响而难以获得地表实测数据的难点.反演结果分析表明,利用神经网络能够精确地由AMSR-E数据反演地表温度.当使用5个频率10个通道反演时,反演精度最高,说明使用更多的通道能更好地消除土壤水分、粗糙度、大气和其它因素的影响.相对于MODIS温度产品,用此算法反演的平均误差约低于2K.     

基于卷积神经网络和AMSR2微波遥感的土壤水分反演研究

土壤水分是水文、气象、农业等研究中的重要参数,尤其在农作物估产模型和农业干旱监测研究中有特别重要的意义。前人在土壤水分反演算法研究上已经做了大量研究工作,但由于影响地表土壤水分的因素较多,各种算法依然存在一些不足。本研究在分析以往反演算法的基础上,总结不同算法的优势和局限性,提出利用具有深度学习特点的卷积神经网络方法(CNN)进行土壤水分反演,从而克服传统土壤水分反演方法的缺陷并提高土壤水分反演的精度。以被动微波AMSR2数据为例,在对土壤水分产品算法进行剖析的基础上,构建了基于卷积神经网络反演土壤水分的模型框架,从而提高反演算法的通用性和反演精度。深度学习卷积神经网络的精度主要取决于训练和测试样本数据库,然而被动微波像元分辨率比较低,以及很难获得与卫星同步的地面实测数据。本文选择不同地区地表均一的土壤水分观测站点,以AMSR2土壤水分产品作为参照来获取地面同步数据,从而克服地面同步观测数据的难题。将AMSR2亮温数据和对应地面同步观测土壤水分数据为样本随机分成训练和测试数据库,通过反复训练,当卷积神经网络选择两个卷积层两池化层的组合,迭代次数3000次时,网络反演的总体精度最高。经过测试样本验证表明,CNN反演土壤水分值与地面同步观测土壤水分的均方根误差RMSE为1.1178%,两者保持了较高相关性(r=0.8685)。以地面站点实测数据对CNN反演结果进行验证,相对误差为39.25%。相比于JAXA产品与实测值的验证结果,CNN反演结果的平均相对误差小10.24%,说明CNN明显提高被动微波遥感土壤水分反演的精度。     

针对被动微波AMSR-E数据的土壤水分反演算法

提出了一种针对被动微波AMSR-E数据的土壤水分反演算法。用改进的积分方程模型(AIEM)模拟表明:在给定的粗糙度条件下,土壤水分和发射率之间有很好的线性关系;18.7GHz与10.7GHz的垂直极化(V)微波指数与土壤水分有很好的关系,而且部分消除了土壤粗糙度的影响,相关系数的平方(R-Square)是0.98。因此,建立标准化的微波指数与土壤水分之间的关系是可行的。算法敏感性分析表明,当有降雨时此算法比较敏感。相对于全国农业遥感地面监测东北网点县实测数据,算法平均误差大约是21.5%。此算法低估了土壤水分,用实测数据对反演结果做进一步修正后的误差为7.4%。用AMSR-E数据对2009年2月1日中国主要陆地表面进行了实际反演分析,结果表明反演结果符合实际土壤水分的分布情况,表明算法可行。     

植被覆盖地区AMSR-E反演土壤水分算法研究

在已有基于微波辐射传输模型的反演算法基础上,对2003年中国5种地区的AMSR-E观测数据进行了比较分析,引入了微波极化差异指数(MPDI)概念,提出了一种自动区分地面植被覆盖情况的方法.使用这种方法,反演过程中无需地面土地利用分类的辅助数据,同时在对有植被覆盖地区消除植被层的影响的过程中,改进了Richard提出的计算植被消光系数的方程,提高了反演应用中的运算效率.最后给出了AMSR-E反演土壤水分的工作流程,并对反演结果进行了分析.     

基于单通道盲源分离的结构模态参数识别

针对基于传统盲源分离算法的结构模态参数识别需要满足传感器数目不少于源信号数目的问题,提出一种基于单通道盲源分离的结构模态参数识别方法,该方法利用单个通道信号即可完成结构模态参数识别。利用同步提取变换(synchro extracting transform, SET)对单通道观测信号进行时频分析以确定变分模态分解(variational mode decomposition, VMD)参数K的取值;将观测信号利用VMD分解形成K个本征模态函数(intrinsic mode function, IMF);将K个IMF进行线性混合形成2维观测信号并与原单通道观测信号重构形成3维观测信号,利用基于信号稀疏性的源信号分离算法分离得到各单模态信号;利用单模态识别技术识别结构模态参数。仿真和实测信号数据表明所提方法的有效性。     

利用MODIS影像反演沙漠化地区地表温度的方法研究

针对当前利用MODIS数据反演地表温度过于复杂和缺乏简便易行的实地验证方法的不足,尝试了改进反演方法的研究,提出了反演结果的地面准同步测量验证方法和在沙漠化地区分类计算地表比辐射率的方法,简化了原劈窗算法所需参数的计算过程。利用改进后的方法对新疆沙漠化地区的地表温度进行了反演,并同步进行了该区域在各种天气条件和地表条件下的地表温度反演结果的验证。经分析表明,在天空晴朗无云,无风,植被稀疏,地表类型均一,面积较大,沙质土壤且观测时刻与卫星过境时刻接近的条件下,该方法精度较高。研究表明改进的利用MODIS影像数据反演沙漠化地区地表温度方法和地面验证方法具有一定的可行性,适合于对沙化地区地表温度大范围且快速的遥感监测。     

电性能核查校准对FDR自动土壤水分观测仪观测结果的影响研究

FDR(Frequency Domain Reflection)自动土壤水分观测仪是基于土壤中水分变化时介电常数随之改变的特性,通过LC振荡电路频率响应变化,利用土壤水分频率关系模型计算输出土壤体积含水量。随着观测仪使用时间的增长,传感器的电气性能会发生变化。因此,要保证传感器测量的准确度,使用一段时间后就要对传感器进行核查校准,将不合格的传感器进行更换。本文研究分析了以两年为周期FDR自动土壤水分观测仪电性能核查校准前后观测数据。通过分析结果得出:核查校准后观测数据准确性提高了0. 05%,因此,对自动土壤观测仪进行电性能核查是必要的。     

基于神经网络辅助观测的连续组合导航算法研究

针对因全球定位系统(GPS)信号失效导致捷联式组合导航系统SINS/GPS组合导航系统发散的问题,设计了一种基于神经网络辅助观测的智能组合导航算法.该方法在GPS信号有效时训练神经网络,当GPS失效后利用神经网络自主重构组合导航系统,将神经网络的输出信息作为观测量构建新的Kalman滤波器,以实现对捷联惯性导航系统误差的连续反馈校正,从而实现了高精度的连续导航.该方法得到了仿真验证,从仿真结果可以看出,在GPS短时失效的情况下,该方法有效抑制了姿态角、速度和位置的发散现象,提高了组合导航系统的精度和可靠性.     

A mono-window algorithm for retrieving sea surface temperatures by using mid-infrared data

基于中红外波段受大气水汽影响小的特点,从大气辐射传输的角度,提出了利用中红外数据反演海表温度的单通道算法.该算法适用于单通道的中红外数据,时空变化适应性强,对大气温湿廓线等辅助信息的精度要求较低.为了验证该算法的可行性和准确性,将此算法反演的海表温度产品与美国国家数据浮标中心提供的浮标数据及MODISSST标准产品进行了比对验证.结果表明,此单通道算法反演的海表温度达到了较高的精度,能够满足海洋锋面、上升流、海洋涡旋等短周期海洋现象的观测需求.     

基于组合不同裂窗算法反演黄河流域地表温度研究

以黄河流域为研究区域,利用MODIS遥感数据,根据下垫面的水分状况和土地覆盖类型对整个流域分别进行分区.在整个流域不分区、水分状况分区和土地覆盖分区双因子分区2种情形下,对比了7种常用的地表温度遥感反演裂窗算法的结果,在分析每种反演算法适用性的基础上,针对不同分区单元分别选择效果最好的算法进行组合来进行流域地表温度的反演.反演结果和MODIS的NASA的温度产品相比,效果更为理想.     

A colour image retrieval scheme based on Z-scanning technique

Abstract

This paper proposes a new colour image retrieval scheme using Z-scanning technique for content-based image retrieval (CBIR). In recent years, the CBIR is a popular research topic for image retrieval. This paper proposes a scheme which employs the Z-scanning technique to extract directional intensity features for measuring the similarity between query and database images. In the multiple channel images, each colour channel can be processed individually or combined into a grey channel Y. In order to extract the features by Z-scanning technique from all images, each channel of all images must be divided into several N×N blocks. In each block, F pairs of pixels are scanned by a ‘Z’ direction to obtain the texture features. Each colour channel can be obtained an M×M Z-scanning co-occurrence matrix (ZSCM) for storing the probability of each relationship of all closest blocks. At the similarity measure stage, the ZSCMs of query image and database images are compared to measure their similarity. The experimental results show that the proposed scheme is beneficial for image retrieval when the images include the same texture or object. On the other hand, the proposed scheme also can get better retrieval results and more efficiency than colour correlogram (CC) technique for colour texture images. Another technique uses motif co-occurrence matrix (MCM) as the feature in similarity measurement. The experimental results show the proposed ZSCM can get better retrieval results and higher recall and precision values than the CC and MCM techniques for public image databases.     

Precise Three-Dimensional Deformation Retrieval in Large and Complex Deformation Areas via Integration of Offset-Based Unwrapping and Improved Multiple-Aperture SAR Interferometry: Application to the 2016 Kumamoto Earthquake

Conventional synthetic aperture radar (SAR) interferometry (InSAR) has been successfully used to precisely measure surface deformation in the line-of-sight (LOS) direction, while multiple-aperture SAR interferometry (MAI) has provided precise surface deformation in the along-track (AT) direction. Integration of the InSAR and MAI methods enables precise measurement of the two-dimensional (2D) deformation from an interferometric pair; recently, the integration of ascending and descending pairs has allowed the observation of precise three-dimensional (3D) deformation. Precise 3D deformation measurement has been applied to better understand geological events such as earthquakes and volcanic eruptions. The surface deformation related to the 2016 Kumamoto earthquake was large and complex near the fault line; hence, precise 3D deformation retrieval had not yet been attempted. The objectives of this study were to ① perform a feasibility test of precise 3D deformation retrieval in large and complex deformation areas through the integration of offset-based unwrapped and improved multiple-aperture SAR interferograms and ② observe the 3D deformation field related to the 2016 Kumamoto earthquake, even near the fault lines. Two ascending pairs and one descending the Advanced Land Observing Satellite-2 (ALOS-2) Phased Array-type L-band Synthetic Aperture Radar-2 (PALSAR-2) pair were used for the 3D deformation retrieval. Eleven in situ Global Positioning System (GPS) measurements were used to validate the 3D deformation measurement accuracy. The achieved accuracy was approximately 2.96, 3.75, and 2.86 cm in the east, north, and up directions, respectively. The results show the feasibility of precise 3D deformation measured through the integration of the improved methods, even in a case of large and complex deformation.     

基于ScSPM-Reranking的高分辨率遥感影像的检索

为了从高分辨率遥感影像中获取详细的地表地物信息,为城市规划、环境监测以及灾情分析提供可靠的数据,进行了高分辨率遥感影像的检索研究,包括对图像的特征提取和图像之间相似度的描述。为了提高图像检索精度,运用了采用稀疏编码(Sc)的空间塔式匹配(Sc SPM)技术和重排序(Reranking)技术,提出了基于Sc SPM结合Reranking(ScSPM-Reranking)的遥感高分辨率影像的检索方法。该方法首先使用Sc SPM提取空间场景的特征,然后结合这些特征使用cityblock距离进行初步检索,最后对初步检索的结果进行Reranking排序,获得高精度的检索结果。同其他检索方法进行了对比实验,实验结果证明,该方法具有较高的检索精度。     

P（BA-MMA-AAK）对AN相稳定和吸湿性的影响研究?

用合成的丙烯酸丁酯-甲基丙烯酸甲酯-丙烯酸钾三元共聚物[P(BA-MMA-AAK)]改性硝酸铵(AN),研究其对AN相稳定和吸湿性的影响。结果表明:当P(BA-MMA-AAK)的添加量为3%(质量分数)时,可以防止AN在53℃附近的相转变,并将AN 84℃左右的转晶温度提高到100℃左右;75%相对湿度时,改性后AN的24 h平均吸湿率降低10.6%。研究表明,P(BA-MMA-AAK)对AN的改性主要是由于以下两方面的影响:一方面是钾盐的影响;另一方面是P(BA-MMA-AAK)中的疏水性链段在AN表面形成疏水区的影响。     

A dynamic threshold-based local mesh ternary pattern technique for biomedical image retrieval

Many content-based image retrieval techniques like local binary pattern (LBP), local ternary pattern (LTP), local mesh peak valley edge pattern (LMePVEP), local mesh ternary pattern (LMeTerP), etc. extract texture features of an image for retrieval purposes. These techniques use fixed threshold to encode the input image and selection of such threshold value is not guided, that is, a chosen threshold may not be optimal for all images in the database. Moreover the performance of these texture-based static threshold algorithms also decreases if the input images are noisy. In this paper, a dynamic threshold value-based local mesh ternary pattern method is proposed in which the threshold value is chosen from the neighborhood of a central pixel using median of all pixels. The proposed modification reduces the overall effect of noise component and thereby improves the average retrieval rate (ARR) and average retrieval precision (ARP) of the original technique. The proposed modified technique has been compared with five other image retrieval approaches to prove its worthiness - the original local mesh ternary pattern technique (LMeTerP), a local ternary pattern technique (LTP), a Best ensemble technique, a multi-label classification CNN model and a CNN-based model of the proposed approach using a VIA ELCAP lung database and an Emphysema database. An improvement of 3.92% in ARR and 2.53% in ARP is observed over the basic local mesh ternary pattern method. Further the proposed modification has been combined with CNN concept and its results have also been analyzed.     

基于方块编码的图像特征提取及检索算法

提出了一种基于方块编码的图像检索算法.首先将图像分成互不重叠的子图像块,根据图像块中各像素间的色差,利用方块编码的思想对这些子图像进行编码,然后根据人眼的视觉特性来定义图像的关键块,最后借助于基于关键字的文本检索技术进行图像检索.同时,考虑到不同类型的关键块在表征图像内容时重要程度的不同而赋予其不同的权值.实验结果表明本文算法在图像的相似性检索时是有效的,并具有较高的检索效率.     

不同微波遥感模态和不同数据组合的等湿度区域分布与土壤湿度的反演

论述了主动、被动和主动被动相结合的3种微波遥感模态反演土壤湿度的方法和特点。为了采用人工神经网络方法反演出土壤湿度，在随机粗糙面双谱散射模型的基础上计算了裸土壤表面的散射系数和发射率，分析了3种不同的微波遥感模态和不同数据组合的等湿度区域分布的特点，从而确定了适合于各个微波遥感模态的输入数据组合。反演结果表明，只要选择适当的人工神经网络输入数据组合，采用3种模态中的任何一种微波遥感模态反演土壤湿度都是可行的，并具有较好的反演精度，结果对于微波遥感反演土壤湿度方案的选取具有指导意义。     

用FSVM-MIL算法实现图像检索

针对基于对象的图像检索问题,利用模糊支持向量机(FSVM)提出了一种新的多示例学习算法——FSVM-MIL算法.在标准的多示例学习问题中,一个包被标为正包,则它至少包含一个示例是正的,否则被标为负包.FSVM-MIL算法将图像当作包,分割后的区域当作包中的示例,若图像包含有感兴趣对象,则对应的包标为正,否则标为负,因为正包中的示例不全是正的,概念标号存在模糊性,本文利用多样性密度方法寻找概念点,根据noisy-or概率模型定义了模糊隶属度函数,为正包中的示例赋予不同的模糊因子,用FSVM求解多示例学习问题.在SIVAL图像集进行对比实验,结果表明FSVM-MIL算法是有效的且性能不亚于其它同类方法.