共查询到15条相似文献,搜索用时 78 毫秒
1.
2.
热红外卫星遥感技术能够准确地进行火山灰云监测。针对火山灰云热红外卫星遥感图像,通过利用主成分分析(Principal component analysis,PCA)方法解决了热红外卫星遥感数据具有波段相关性和数据冗余问题,并提高了火山灰云的监测精度。以 MODIS 热红外卫星遥感图像为例,利用PCA方法对火山灰云进行监测研究,并采用USGS标准光谱数据库对监测出的火山灰云光谱特征进行验证。结果表明:PCA方法能够有效地提取出火山灰云信息,且得到的火山灰光谱特征与USGS标准光谱数据库的光谱匹配度达到了81.65%,具有较高的精度。 相似文献
3.
混合像元已成为遥感图像处理、分类的难点和重点。独立分量分析( ICA)能够实现图像的去相关性以及得到相互独立的分量,但是,由于ICA模型的各成分独立性和数据统计分布规律的不变假设,影响了遥感图像分类精度。针对这一问题,提出了基于变分贝叶斯ICA( VBICA)的遥感图像分析方法,并利用遥感图像进行验证,结果表明:VBICA方法提取的独立分量具有均方根误差小、迭代次数少和稳定性较好的特点;基于VBICA方法的遥感分类精度达到了91.55%,且目视效果较好;VBICA方法突破了ICA的局限性,提高了遥感图像自动分类精度,具有很好的应用前景。 相似文献
4.
混合像元已成为遥感图像处理、分类的难点和重点。独立分量分析(ICA)能够实现图像的去
相关性以及得到相互独立的分量,但是,由于ICA模型的各成分独立性和数据统计分布规律
的不变假设,影响了遥感图像分类精度。针对这一问题,提出了基于变分贝叶斯ICA(VBICA)
的遥感
图像分析方法,并利用遥感图像进行验证,结果表明:VBICA方法提取的独立分量具有均方
根误差小、迭代次数少和稳定性较好的特点;基于VBICA方法的遥感分类精度达到了9155%
,且目视效果较好;VBICA方法突破了ICA的局限性,提高了遥感图像自动分类精度,具有很
好的应用前景。 相似文献
5.
6.
多维贝叶斯分类器是处理多维分类问题的概率图形模型,其中属性变量可决定一个或多个类变量。文中针对属性变量维数较高和信息冗余问题,采用Fast ICA算法对属性变量进行降维,从而将高维属性变量约减为能较完整描述数据信息的低维属性变量。然后根据约减后的属性变量构建多维贝叶斯分类器;最终,通过理论分析得到基于ICA的多维贝叶斯分类器的性能较好。实验结果表明,对3组基准数据集的分类,基于ICA的多维贝叶斯分类器相比于其他算法具有较高的分类准确率。 相似文献
7.
8.
针对我国新一代地球同步气象卫星FY-4的预期发射和数据应用,本文借助与FY-4卫星成像仪类似的Meteosat-8卫星的SEVIRI仪器数据资料开展先期研究,建立了一种部分云覆盖条件下红外辐射传输模型,模拟了不同大气条件、火山灰云高度、有效云量和观测天顶角情况下卫星观测的红外通道的亮度温度的变化.美国标准气候态大气廓线和火山灰区实时大气廓线两种模拟结果都表明,模型模拟的8.3~9.1μm,9.8~11.8μm,11~13μm,12.4~14.4μm的入瞳亮度温度对云高度、有效云量较为敏感,基本呈线性相关;卫星天顶角对模拟的辐射亮温的影响相对较小.通过不同大气廓线状态和火山灰云发射率情景下的测试结果表明,只有同时考虑大气条件和火山灰云通道发射率的差异后,模式才能够较好地模拟出火山爆发情景下火山灰云中酸性物质在11μm和12μm的反吸收特性.与大气条件相比,通道的发射率差异对火山灰云的遥感建模更为重要.因此,可在传统的分裂窗通道的基础上,通过热红外多通道亮温及亮温差异信息联合反演火山灰云高度和有效云量等因子,提高部分覆盖下火山灰云的微物理参数的反演精度.本研究为建立基于我国新一代静止气象卫星FY-4数据的火山灰云浓度定量反演模型提供了理论基础. 相似文献
9.
10.
基于变分贝叶斯期望最大化(VBEM, variational Bayes expectation maximization)算法和Turbo原理,提出了时变信道条件下MIMO-OFDM系统中的联合符号检测与信道估计算法.设计的软入软出空时检测器在采用列表球形译码避免穷尽搜索的同时,考虑了信道估计误差方差矩阵的影响;利用空时检测获得的发送信号后验概率分布估计,推出了新的Kalman前向后向递归信道估计器.仿真结果表明,在时变多径信道条件下,提出的算法比传统EM算法和面向判决算法更加具有顽健性. 相似文献
11.
12.
为解决高空间分辨率影像目标的识别问题,一种好的方式是将充分考虑高阶累积量的独立分量分析方法引入高空间分辨率影像进行特征提取,但由于基于传统独立成分分析方法提取的特征空间不能最优区分不同类别的样本。为此,提出一种改进的基于独立成分分析的目标识别方法(Multi-ICA)。该方法为每个类别的样本构造单独的特征空间,通过投影到特征空间,得到表征该类别样本特征的特征向量集合。Multi-ICA方法提取的特征空间是基于某类样本图像的共性特征建立的,同一类别样本间的欧式距离要小于不同类别样本之间的欧式距离。因此,可以将待识别样本分类到具有最小欧式距离的特征空间所对应的类别上。现以北京地区的高分辨率卫星Quickbird影像为例,进行了Multi-ICA、传统ICA方法、主成分分析(PCA)方法,以及Multi-PCA方法的目标识别对比实验。结果表明,提出Multi-ICA算法的识别率有明显的提高,并且在一定程度上缓解了由于样本数量增加导致样本特征向量维数增加的问题。 相似文献
13.
14.
15.
提出一种基于Infomax ICA少次自动提取脑电信号P300成分的方法.为了提高ICA分解的有效性,对原始数据中的自发脑电信号和P300成分进行了均衡.混合信号经过ICA分解后,根据IC的固定时间模式的标准差来自动选择P300成分IC,最后重构得到P300成分.实验结果是:利用6试次实验数据经过本文方法处理后能自动得到P300成分,与29试次平均结果(标准信号)相比,它们之间的Pearson相关系数达0.9035,而6试次实验数据平均的结果与标准信号之间的Pearson相关系数为0.5105.结果表明,该方法能有效的获取P300成分,同时增强了P300成分少次提取的客观性. 相似文献