排序方式: 共有54条查询结果,搜索用时 0 毫秒
51.
采用频域多帧循环迭代解卷积算法(CIBD),针对提高复原图像的准确性和快速性两个方面进行研究。以退化序列中任意帧作为起始帧,逐次增加迭代帧,确保更多的观测帧参与循环迭代解卷积以增加复原的准确性;通过图像间的相关矩阵估计初始点扩展函数(PSF),采用尺度梯度投影法,自适应迭代步长,增加迭代终止条件等措施提高算法的收敛速度。实验结果表明,采用提议的算法能够有效地重建不同大气湍流条件下的远距离观测图像,性能优于传统多帧盲反卷积(MBD)迭代算法。 相似文献
52.
高光谱遥感提供的精细光谱信息给水色遥感参数反演提供了广阔的前景,然而光谱分辨率高但空间分辨率较低的特点,使得目前的高光谱水色遥感反演模型和算法普遍缺乏对空间信息的有效利用,模型的精度和稳定性往往难以保证。以巢湖为研究区,利用HJ-1A卫星HSI高光谱遥感数据,结合地面实测样点数据,在深入分析叶绿素光谱特性基础上构建基于空间八邻域与遗传算法的水体叶绿素a高光谱遥感反演模型,并以matlab7.0为平台,联合光谱指数与遗传算法求解叶绿素a浓度反演模型参数,经空间邻域分析与遗传迭代,求出叶绿素浓度最优解。结果表明,遗传算法摒弃了传统的搜索方式,以光谱信息为基础,在邻近空间域上采用模拟进化方式对水色空间进行随机优化搜索,跳出了局部极值点,能够有效提高模型反演的精度。 相似文献
53.
54.
为了快速无损地检测评估木材的霉变及含水量,利用高光谱激光雷达系统主动获取木材的高光谱数据,设计了一种分析霉变特征并建立含水量预测模型的方法。首先选取白松为样本,进行时长为4个月的间隔性测量,分析其霉变发生发展过程(正常、潮湿和霉变状态)的光谱特征变化;然后在分析样本不同含水量光谱特性的基础上,采用竞争性自适应重加权采样算法、连续投影算法及竞争性自适应重加权采样-连续投影组合算法提取特征波长;最后分别建立偏最小二乘回归预测模型。结果表明,正常状态的光谱反射率最高而霉变状态最低;当霉变状态稳定时,光谱反射率随时间变化缓慢并趋于稳定;基于竞争性自适应重加权采样-连续投影组合算法建立的模型预测性能最佳,预测集的相关系数和均方根误差分别为0.9073和0.7564。利用高光谱激光雷达主动获取的高光谱信息可以评估木材的霉变并实现含水量预测,为木质建筑的快速无损检测提供了新思路。 相似文献