不同维状态的多传感器航迹融合􀀂

在多传感器环境下,多个传感器在同一区域观测目标,各传感器可能采用不同的目标模型处理各自的测量数据,形成各自的目标航迹送到融合中心.当多个传感器观测到同一目标时,融合中心则需要对源于同一目标的传感器航迹进行融合处理.通过建立状态之间的映射,提出了不同跟踪模型下的输出目标估计状态之间的融合算法.仿真试验表明了算法的有效.     

多光谱图象的真实感融合

多光谱信息融合是指将从多光谱探测器获得的同一场景的多光谱信息特征组合到一起，并利用它们在时空上的相关性及信息上的互补性，以利到对景物更全面，清晰的描述，其真实感成像是指融合后的图像能保留原多光谱图像目标在特定条件下的光谱特征，针对用同一种方法来融合不同场景图象存在的问题，通过分析现有融合方法的优缺点和它们适用的场合，提出了一种综合的图象融合方法，该方法对相关性较弱，且互补性明显的图象对，采用一种新的基于人类视觉系统HVS的自适应加权平衡的融合方法来进行融合，这样能突出目标的光谱特性，而对于相关性较强的图象对，则根据场景目标距离的远近，分别采用小波变换和主成份分析来进行融合，实验表明，该方面能适合于不同类型的场景，其得到的融合结果优于用单种方法进行融合的结果，也有利于对目标的探测和识别。     

远程合作学习——互联网应用于教育教学的新窗口

目前，国内广泛开展的研究性学习是一种基于项目（主题）的学习，学生在老师的指导下对某一项目（主题）进行一系列的探究活动，从而形成自己对这一主题知识的认识，获得亲身参与研究探索的体验，井从中提高收集、分析、利用信息的能力和发现问题、解决问题的能力。现阶段所开展的研究性学习多限于一个班级，或一个学校内部学生对某一主题的探索实践，缺乏和不同学校，不同地域甚至不同国家学生之间对同一主题的参与和交流。而远程合作学习的参与者身处不同地域，为了共同的目标或完成同一任务而分担和分享劳动的学习。他们可以通过电子邮件、新闻组，论坛或许多其他在线学习工具和学习环境来共同活动。     

一种基于联合表示的图像分类方法

在图像分类识别中,对于同一目标的不同图像,其训练样本和测试样本在同一位置的像素强度通常不同,这不利于提取目标图像的显著特征。这里给出一种基于稀疏表示的联合表示的图像分类方法,此方法首先利用相邻列之间的关系得到原始图像对应的虚拟图像,利用虚拟图像提高图像中中等强度像素的作用,降低过大或过小强度像素对图像分类的影响;然后用同一个目标的原始图像和虚拟图像一起表示目标,得到目标图像的联合表示;最后利用联合表示方法对目标分类。针对不同目标图像库的实验研究表明,给出的联合方法优于利用单一图像进行分类的方法,而且本方法能联合不同的表示方法来提高图像分类正确率。     

多尺度随机建模与分布式多传感器数据融合估计

针对不同尺度上拥有不同特征的传感器对同一目标状态进行检测的多传感器单模型动态系统，利用小波将最细尺度上的状态方程进行有效分解，基于小波变换的分析、综合形式建立起以尺度为变量的动态多尺度随机模型。利用该模型将各个尺度上状态的局部估计结果进行有效综合，从而在最细尺度上获得目标基于全局信息的最优估计值。并经仿真对算法的有效性进行了验证。     

基于自适应邻域的核密度动态目标分割方法

经典的核密度估计背景模型使用固定的背景样本邻域来抑制背景运动形成的伪目标,无法适应不同背景的运动规律,导致不能抑制同一拍摄场景中所有背景运动形成的伪目标。因此在经典核密度估计的背景建模基础上,使用图像配准技术,能实现对不同运动背景区域的邻域尺寸自适应选择,并且在同一拍摄场景中可适应更多的背景运动类型,抑制更多类型的伪目标。实验结果证明,该方法对大部分由背景运动导致的伪目标有很好的抑制作用。     

成就“无限企业”新一代移动架构平台Sybase Unwired Platform

当前企业对移动应用的要求日益复杂,从过去简单以个人设备为目标的单一应用,已经发展为如何利用各种后端系统实现信息移动化的综合应用。这种变化促使企业不得不在选择移动应用架构的过程中慎重考虑：如何尽可能多地利用同一架构平台移动化不同应用、如何在同一架构平台中实现对不同设备的支持、如何利用同一架构平台更好地支持不同开发工具来顺畅实现应用的移动化等等问题。     

成就“无限企业”新一代移动架构平台Sybase Unwired Platform

当前企业对移动应用的要求日益复杂,从过去简单以个人设备为目标的单一应用,已经发展为如何利用各种后端系统实现信息移动化的综合应用。这种变化促使企业不得不在选择移动应用架构的过程中慎重考虑：如何尽可能多利用同一架构平台移动化不同应用、如何在同一架构平台中实现对不同设备的支持、如何利用同一架构平台更好地支持不同开发工具来顺畅实现应用的移动化等等问题。     

同一场景下超大尺度差异物体的识别和定位方法

近年来，深度学习在物体检测方面取得了非常好的效果和突飞猛进的发展，但在某些特殊场景下，如要求同时检测尺度相差极大的目标物体（相差大于100倍）时，现有的物体识别方法的性能急剧下降。针对同一场景下超大尺度差异物体识别与定位问题，对YOLOv3框架进行了改进，结合图像金字塔技术来提取图像的多尺度特征；并在训练过程中，针对不同尺度的目标提出采用动态交并比（IoU）的策略，此策略可以更好地解决样本不均衡的问题。实验结果表明，该模型对同一场景下超大超小物体的识别能力有了明显的提升。将之应用于机场环境，取得了较好的应用效果。     

基于子矩阵波束形成输出直流响应加权的目标检测方法

针对同一单频带内未知目标检测中强、弱目标不能同时被检测问题,依据不同子矩阵波束形成输出直流响应值不同,提出一种基于子矩阵波束形成输出直流响应加权的目标检测方法。首先,利用特征分析技术对线列阵接收数据协方差矩阵进行特征分解;然后,对各特征向量进行共轭相乘得到相应子矩阵,并对子矩阵进行波束形成,利用各子矩阵波束形成输出直流响应值的差异形成加权因子;最后,利用该加权因子对各子矩阵波束形成输出结果进行加权统计得到最终合成结果,提升弱目标子矩阵波束形成输出结果在最终合成结果的比重,实现对同一单频带内未知目标的有效检测。理论分析、数值仿真和实测数据处理结果均证明了,在仿真条件下,相比常规波束形成和常规子空间重构法,所提方法使弱目标子矩阵波束形成输出结果在最终合成结果的比重由0.09%变为45.36%,降低了背景噪声和强目标对未知目标检测的影响,减小了目标间输出直流响应值的差异,改善了对同一单频带内未知目标的检测性能。     

基于U-Net的高分辨率遥感图像土地利用信息提取

随着现代遥感技术的迅速发展,遥感图像的质量和数量得到了显著的提升,新技术带来的高分辨率遥感图像所蕴含的信息也更加丰富,如何利用人工智能手段辅助挖掘这些丰富的信息也成为了遥感图像分析与理解的重要内容.与此同时,以深度卷积神经网络为代表的人工智能技术在图像处理领域大放异彩.得益于类人眼的分层卷积池化模型,深度卷积神经网络可...     

土壤盐碱化遥感应用研究进展

对近年来国内外遥感监测土壤盐碱化的研究进展作了介绍,并从土壤盐碱化遥感信息特性和影响因素、各种遥感数据源、数据处理方法和研究热点等方面做了总结。土壤盐碱化的遥感方法和传统方法可获取多源的数据,包括来自多平台遥感的光谱数据、地面实测和实验室分析数据、其它研究手段得到的地理相关数据以及历史资料等。在GIS技术支持下的多源数据集成方法可对土壤盐碱化进行定量探测,在土壤盐碱化遥感应用中取得了较好的效果。     

基于模糊高斯基函数神经网络的遥感图像分类

针对遥感图像分类的特点,提出了一种基于模糊高斯基函数神经网络的遥感图像分类器。该分类器将模糊技术与神经网络相结合,采用神经网络来实现模糊推理,利用神经网络的学习能力来达到调整模糊隶属函数和模型规则的目的,从而使系统具备了自适应的特性,实验结果表明,这种基于模糊高斯基孙数神经网络的分类器经过训练后,可应用于遥感图像的分类,其分类精度明显高于传统的最大似然分类法。     

沙漠化遥感信息研究综述

在总结沙漠化土地遥感研究的基础上,对沙漠化土地遥感信息提取、沙漠化土地遥感评价指标等研究做了详细地论述,旨在探索一种有理有据而又满足当前和未来对沙漠化土地遥感信息分析的新思路。     

TM与ETM影像融合用于地质构造解译

多源遥感影像数据融合是一种通过高级影像处理技术来复合多源遥感影像的技术，其目的是将单一传感器的多波段信息和不同传感器提供的信息加以综合，以提高获取信息的有效性和准确性，解译的可靠性，以及形成对目标的完整一致的描述。本采用TM与ETM经图像处理和融合，用于对地质构造解译，取得良好效果。     

基于决策树的面向对象变化信息自动提取研究

为了从不同时相的遥感影像数据中自动提取变化信息且保证其效率,本文结合面向对象分析技术,提出了一种基于决策树变化信息自动提取的新方法。该方法利用影像的特征指数及形状特征、光谱特征、纹理特征等作为特征集,将其作为知识库应用到决策树控制模型中,进而利用该模型实现自动分类。对所得到的分类后影像对象,组织分析其综合属性并作为决策规则再次分类,通过"双重分类"的方式实现面向对象的遥感影像变化信息自动提取。该方法为遥感影像变化信息自动提取提供了新的思路。     

COSMO雷达数据在多云多雾地区土地变化监测研究

近年来新型成像雷达遥感(极化、干涉)及数据处理技术的发展,SAR遥感影像上获得的地表信息越来越多,如何利用雷达信息探测土地变化成为研究的新课题。但是雷达影像不同于光学影像,目前雷达数据解译仍存在着一些困难。本文主要针对多云多雾地区雷达数据土地变化监测,以四川成都地区COSMO数据为例,利用雷达相干影像,后向散射强度,强度比值影像,提出一种新的雷达处理手段,减少了雷达数据土地变化监测的工作量,提高工作效率。     

卫星遥感图像增强处理方法研究

在地震减灾研究中,遥感技术作为获取某些震害特征信息和基础空间信息工具而被广泛应用,但是由于在卫星成像过程中,受传统航宅摄影技术以及其它各种噪声的影响,造成遥感图像图质的退化,从而影响了后期的遥感信息的提取和处理.遥感图像增强处理,可以改善图像中某些特性的视觉效果,通过在Visual C++平台上对采集回来的图像进行直方图修正和局部方差均衡图像增强处理,结果提高了卫星遥感的显示质量,为后期地震减灾遥感信息的提取和处理奠定了一定的理论基础.     

基于控制点配准算法的无人机遥感影像自动无缝拼接技术

传统无人机遥感影像自动无缝拼接技术无法精准匹配影像信息,导致无人机遥感影像拼接结果出现大量缝隙,拼接效果差。因此提出了基于控制点配准算法的无人机遥感影像自动无缝拼接技术。遵循无人机影像成像原理,获取无人机遥感影像,并将数据以图像格式文件形式存储。设置阈值,剔除最邻近域和次邻域比值大于阈值的控制点,对影像坐标平移和缩放数据标准化处理,彻底消除坐标变换对图像配准影响。构建相似变换矩阵,获取新的控制点集,使用直接线性变换算法预估变换矩阵,得到线性解。经过粗、细配准,确定不同图像重叠区域。搜索最佳拼接线,使用加权平均融合法消除拼接缝,由此设计拼接流程。由实验结果可知,该技术能够精准匹配影像信息,检测到影像最大分辨率为1000*800,具有良好拼接效果。     

遥感影像土地利用/覆盖分类方法研究综述

从六个方面总结了国内外出现的遥感影像土地利用／覆盖分类中针对传统计算机分类方法的改进：(1)从基于统计的分类向基于非线性并行处理的人工神经网络分类、基于模糊理论为分类、基于知识的分类以硬支撑向量机等分类技术发展；(2)分类从单一利用光谱信息到利用光谱、纹理、时相、角度等多砷信息；(3)从基于像元的逐点分类到基于图斑的分类；(4)从硬分类到亚像元分类；(5)从单源遥感影像分类到利用多源遥感影像融合的分类；(6)从单分类器向复合分类器发展。