缺少水陆标识数据情况下MODIS图像云检测的实现

云检测中必须进行像元的水陆判识,云的存在给水陆判识带来了困难.因此,云检测中总是利用水陆标识数据辅助云检测.本文讨论了缺少水陆标识数据的云检测方法,并证明了该方法可行、实用.     

一种增强的基于上下文火点遥感影像识别方法

传统的火点遥感影像识别方法大多采用阈值法,但阈值的选择受区域、季节以及云天状况等多种因素的限制,因而在实际监测中往往效果不佳。针对这些问题,提出了一种增强的基于上下文信息的火点遥感影像识别方法,考虑了火点与其相邻像元之间的内在联系,在火点背景像元的确定及真实火点的判据选择等方面做了改进,在此基础上确定一组火点判据。该方法基本不受区域、时间等因素的限制,对面积较小的火点识别较为敏感,在实验中取得了较好的效果。     

短波红外遥感高温地物目标识别方法研究

对于地表高温目标而言,具有明显区别于常温地物的独特波谱特性,在短波红外波段（1.3μm～3.0μm）遥感影像上,高温目标像元的辐射能量值为反射与发射能量综合。通过研究高温地物反射和发射光谱特性,构建高温目标短波红外遥感识别定量参数,提出了基于ETM＋数据短波红外波段的归一化火点指数（NDFI）方法。实验结果表明,NDFI可探测传统热红外方法难以识别的小面积高温目标,经野外验证识别精度可达94%。     

基于MODIS数据的华北地区秸秆焚烧监测

秸秆焚烧给我国城乡生态环境造成巨大损害,利用遥感手段监测秸秆焚烧能够为禁烧治理工作提供有效的数据支持。“背景对比火点探测算法”(the Contextual Fire Detection Algorithm)是目前精度较高的自动探测算法,但固定的阈值参数难以适用于不同地区和不同的监测对象,因此依据实际观测情况对其中的关键参数和阈值进行了适当调整,以更好地监测中国地区的火点。基于EOS/Terra卫星的MODIS数据,利用调整阈值后的算法对我国华北地区2007年5月至8月的秸秆焚烧状况进行了遥感监测,监测精度能够满足实际业务化监测的需要。进一步结合IGBP地表分类数据,将火点像元分成秸秆焚烧、林火和草原火等3种生物焚烧类型,并分别对其亮度温度等多个参数进行了统计分析,在此基础上讨论了根据火点辐射特性判断火点类别的可行性,提出在目前,地表分类数据对于判断火点类别仍是必要的。     

基于防突预测特征的地质异常智能判识方法

针对煤矿现有物探、钻探手段超前探测小型地质构造和煤层赋存变化等地质异常效果不好,以及防突预测数据隐含信息发掘不够、利用不足等问题,提出了根据防突预测特征与地质异常之间的相关性进行地质异常智能判识的思路;从单次防突预测事件数据分布和前后连续防突预测事件数据变化2个层面,构建了10个防突预测特征指标,形成了防突预测特征指标体系;采用关联分析方法,提出了基于防突预测特征的地质异常智能判识方法,并对特征指标二元属性转换、关联规则分析、有效规则提取、判识准则建立、地质异常可能性等级划分等关键环节进行了重点阐述;采用B/S架构,设计、开发了基于防突预测特征的地质异常智能判识系统,实现了防突预测信息在线采集、防突预测特征自动分析、地质异常超前动态判识,以及判识结果网站和移动终端等多渠道联动发布。现场试验结果表明,该系统能够自主构建地质异常判识准则,地质异常判识总准确率达到了87.63%,为煤矿超前掌握地质异常提供了有效手段,实现了防突预测数据隐含价值的拓展应用。     

基于视觉识别的多点分散式火灾监控方法研究

为解决传统火灾监控方法火点识别精度不高、实时性差、布线复杂等问题,提出了基于视觉识别和无线通信的火灾监控新方法。在火点识别算法中,采用火焰静态特性和动态特性相结合的方法将摄像头采集的现场图像进行火点真伪识别。在火点信息传输中,采用无线通信技术实现上位机和PLC控制器的通信。实验证明,选取合适的火点脉动识别阈值kf,系统可极大减少非火点光源的干扰,提高了火灾的识别精度,增强了识别的实时性,同时,采用无线通信解决了系统布线复杂、可靠性不高的问题,为多点分布式环境下的火灾监控提供了一种新的解决方案。     

两级回归的流式大数据事件自适应预警方法

流式数据事件具有时间持续性,受采集器频率及外部环境干扰等因素影响,流式数据具有规模大、数据漂移等特征,且事件发生具有随机性特点,导致现有流式数据事件预警方法准确性很低,且在事件完全结束前无法得出判识结果,预警具有滞后性。针对这些问题提出一种两级回归的流式大数据事件自适应预警方法。该方法首先基于海量历史灾害事件,引入一级移动回归法建立权重支持域,提取事件的数据特征点,通过二级线性回归法建立事件回归模型,并对模型进行最小二乘误差分析建立事件置信域,构成预警模型;基于事件预警模型提出判识因子概念,提出流式数据事件分阶预警方法,通过判识因子自适应变换策略对事件未来发展趋势进行预估计,实现事件的实时预警。实验结果表明,该方法对比现有方法在事件预警实时性、预警效率及预警准确性等方面均具有很大优势。     

基于MODIS数据的白天多层云检测算法

分析了一种利用中分辨率成像光谱仪(MODIS)数据进行白天多层云检测算法。首先利用IMAPP软件包中的云检测算法对像元区域进行云检测,然后采用红外三通道(8.5μm、11μm和12μm)技术进行云相态判识,区分出单层水云和单层冰云,最后利用2.1μm反射率和11μm亮度温度双通道散点图,计算出多层云像元在2.1μm和11μm两个通道上的取值范围,从而识别多层云系。利用该算法对热带风暴云系进行了多层云检测试验,试验结果显示算法可简单有效地识别典型的多层云系。     

基于亮温—植被指数—气溶胶光学厚度的MODIS火点监测算法研究

MODIS火灾产品的火点检测算法主要以4和11μm通道亮温数据来识别火点,在应用于不同地区和不同季节时有一定局限性。在分析MODIS现有火点检测算法的基础上,对算法相关阈值及参数进行适当调整,同时考虑火灾前后NDVI的变化,以及林火燃烧过程中伴生烟羽使火点下风方气溶胶光学厚度明显增加的特点,构建了基于亮温—植被指数—气溶胶光学厚度的火点识别算法,并应用多次火灾个例对本算法进行验证。结果表明:算法提高了对高温热点和低温焖烧火点的识别能力,有效降低了高温热点的误报率和低温火点的漏报率,使火点检测算法在不同环境的适应性有所增强。     

基于岭回归改进规范变量分析的微震事件实时判识

微震事件判识是煤矿微震监测的基础。现有的微震监测技术大多基于单物理量变化规律而开发,在处理含有大量噪声和干扰信号的煤矿微震数据时易产生误判情况。针对该问题,基于岭回归算法改进规范变量分析(CVA)的损失函数,实现稀疏化建模,以提升模型泛化能力。采用岭回归改进CVA对多通道煤矿微震监测数据进行融合分析,进而实时判识复杂微震监测数据状态。采用模拟数据和实际煤矿微震监测数据对岭回归改进CVA进行实验验证。在基于模拟数据的实验中,随着噪声方差由5×10^-6增大至5×10^-2,岭回归改进CVA的判识准确率较CVA提升了0.6%～5.4%,误报率和漏报率之和较CVA下降4.8%～17.3%。在基于实际微震监测数据的实验中,岭回归改进CVA对20个通道的微震监测数据融合分析结果能够反映出微震信号处于波动状态,验证了该方法具备微震事件实时判识能力,平均判识准确率为97.14%,较CVA高2.39%,误报率与漏报率之和为31.06%,较CVA降低0.07%,错误率为2.86%,较CVA降低2.4%。     

卫星遥感森林火点监测系统的设计与实现

根据江西省1：25万基础地理信息及卫星遥感数据，本文采用Microsft visual Basic 6．0和Microsoft Access 2000、Microsoft SQL Server 2000，以ESRI公司的AreView软件、MapObjects 2．0组件为GIS平台，设计和实现了一套可兼顾自动和手动运行的卫星遥感森林火点监测系统。系统可以实时处理卫星遥感信息，并结合基础地理信息确定火点及其周边环境信息，可进行点定位、边定位、区域定位，即查找出距火点最近的村、乡、县等居民点、道路及火点距离、方位，通过GIS控件快速定位村或火点所属的县、地市，实时入库和发布。     

基于地球同步轨道卫星的输电线路山火监测方法研究与应用分析

为了满足输电线路山火易发地区的低漏检、高精度、大范围、高时效性火点近实时监测需求,本文以地球同步轨道卫星影像为基础,提出了一种基于MC-CNN的山火检测算法。通过结合大津算法(OTSU)和上下文算法来增加潜在火点,从而在一定程度上降低火点检测的漏检率;引入PCA算法对输入特征进行优化,构建多通道网络结构,并利用联合概率和PSO参数寻优算法获取不同通道火点识别权重,在加权平均的基础上最终判定火点;同时,采用固定高温热源和太阳耀斑对虚假火点进行去除,以降低误报率。为了验证所提算法的有效性,本文随机选取了2019年至2022年期间输电线路附近历史卫星监测山火案例,并利用已知火点样本对火点反演结果进行验证。计算结果显示,该算法的火点检测精度达到了89.4%。     

基于HJ-1B卫星的作物秸秆提取及其焚烧火点判定模式

作物秸秆焚烧产生的气体和颗粒物严重污染大气环境,威胁人类健康,给交通带安全带来隐患,利用遥感技术优势监管秸秆焚烧火点具有重要的现实意义.文中基于HJ-1B卫星CCD多光谱遥感数据和IRS热红外遥感数据,以中国江苏中东部为研究区,开展作物秸秆提取及其焚烧火点判定的一体化研究.根据秸秆的光谱特征研究建立了秸秆乘积指数(SMI),结合其纹理信息可从HJ-1BCCD遥感图像上快速有效的提取出秸秆分布,继之结合修正后的火点探测算法可对HJ-1BIRS遥感数据进行火点提取.在秸秆分布和火点探测结果矢量化的基础上,通过GIS技术进行火点叠置分析,可有效地判定作物秸秆火点分布,同时结合实地调研及与MODIS火点产品比对分析验证评价了本研究方法的可行性和有效性.     

基于多模板特征点融合的指纹识别

低质量指纹图像通常会产生较多的伪特征点，或者当待识指纹图像与模板图像之间存在较大平移和旋转时，识别算法的性能会受到很大的影响。利用多匹配算法的融合技术可以提高系统的识别率，但是这种数据融合的方法既增大了计算量，同时又难以充分利用原始指纹图像的信息。针对上述问题，提出了一种评估特征点置信度的方法，并在匹配算法中根据特征点置信度来修正匹配分数；然后运用特征层数据融合技术，将一个指纹的多个模板的特征点融合成一个特征点的本征模板，再与待识指纹图像的特征点进行匹配。实验结果表明，该方法在不明显增加存储空间和在线计算量的同时，可以达到很好的识别性能。     

AVHRR数据小火点自动识别方法的研究

利用NOAA-AVHRR数据,采用多因子分析方法,通过建立小火点自动识别模型来提取小火点燃烧信息。经实验验证,该方法能较好地减少云体、裸地对火点判断的干扰,从而在一定程度上提高了对小火点的监测精度。     

一种基于拒识的高可靠性CAPTCHA识别算法

CAPTCHA是一种阻止机器人滥用自然人资源的网络安全机制.研究CAPTCHA识别技术有助于发现CAPTCHA自身的缺陷,促使其变得更加安全. 针对现有方法难以识别的高粘着CAPTCHA,本文提出了一种新的识别算法. 该算法首先使用递归神经网络(Recurrent neural network, RNN) 对CAPTCHA进行识别,然后为了提高识别结果的可靠性, 提出了一种基于SVM的拒识新算法,并使用数据降维方法对拒识特征进行降维. 实验结果表明: 1)本文所提识别算法能够识别高粘着型CAPTCHA,并且识别结果具有高可靠性; 2)新的拒识算法相对于其他拒识算法具有明显优势; 3)数据降维方法能够进一步改善拒识算法的性能,从而取得更高的可靠性.     

基于FY-MWRI的中国西部被动微波积雪判识算法北大核心CSCD

积雪是冰冻圈中分布最广泛的要素,在气候变化以及水文循环中扮演着重要角色。微波遥感因其全天时全天候工作、具有一定穿透性等优势,成为积雪监测的重要手段。利用FY-3C卫星同步观测获取的微波成像仪(MWRI)被动微波亮度温度数据、融合可见光红外扫描仪(VIRR)与中等分辨率成像光谱仪(MERSI)数据得到的积雪产品,结合MODIS地表分类数据、地表温度数据,发展了基于国产卫星数据的被动微波积雪判识算法。首先提取无云覆盖的不同地表类型被动微波数据像元样本,然后对各地表类型的微波特征进行分析,利用空间聚类的方法,得到TB19V-TB19H、TB19V-TB37V、TB22V、TB22V-TB89V、(TB22V-TB89V)—(TB19V-TB37V)这五类可以较好地区分积雪和其他类似积雪地表的指标。最后应用MODIS积雪产品为参考对该积雪判识算法进行精度评价,该算法在中国西部积雪判识总体精度为87.1%,漏判率为4.6%,误判率为23.3%;Grody算法判识总体精度为78.6%,漏判率为9.8%,误判率为30.7%,该算法判识精度高于Grody算法;通过Kappa系数分析比较,该算法积雪判识结果的Kappa系数值为47.3%,高于Grody算法判识结果的Kappa系数值39.9%,表明该算法积雪判识结果与MODIS积雪产品判识结果一致性更好。     

基于FY-MWRI的中国西部被动微波积雪判识算法

积雪是冰冻圈中分布最广泛的要素,在气候变化以及水文循环中扮演着重要角色。微波遥感因其全天时全天候工作、具有一定穿透性等优势,成为积雪监测的重要手段。利用FY-3C卫星同步观测获取的微波成像仪(MWRI)被动微波亮度温度数据、融合可见光红外扫描仪(VIRR)与中等分辨率成像光谱仪(MERSI)数据得到的积雪产品,结合MODIS地表分类数据、地表温度数据,发展了基于国产卫星数据的被动微波积雪判识算法。首先提取无云覆盖的不同地表类型被动微波数据像元样本,然后对各地表类型的微波特征进行分析,利用空间聚类的方法,得到TB19V-TB19H、TB19V-TB37V、TB22V、TB22V-TB89V、(TB22V-TB89V)—(TB19V-TB37V)这五类可以较好地区分积雪和其他类似积雪地表的指标。最后应用MODIS积雪产品为参考对该积雪判识算法进行精度评价,该算法在中国西部积雪判识总体精度为87.1%,漏判率为4.6%,误判率为23.3%;Grody算法判识总体精度为78.6%,漏判率为9.8%,误判率为30.7%,该算法判识精度高于Grody算法;通过Kappa系数分析比较,该算法积雪判识结果的Kappa系数值为47.3%,高于Grody算法判识结果的Kappa系数值39.9%,表明该算法积雪判识结果与MODIS积雪产品判识结果一致性更好。     

物联网视觉中森林小距离火点定位算法仿真

研究物联网视觉中森林小距离火点定位优化问题.在森林火点定位中,物联网视觉遥感图像采集规范不同,图像特征存在质量差异,森林内不同区域、不同质量的图像在经过统一几何校正后,获取的定位特征残差扩大.传统算法应用转换后的图像进行定位,会导致火点对地定位精度大幅下降,小距离内的火点定位结果失真.为了避免上述缺陷,提出了一种空间矩阵亚像素的森林小距离火点定位算法.利用卡尔曼滤波方法,对采集的森林视觉遥感图像进行滤波处理,去除图像中的干扰因素.利用物联网视觉技术,计算森林火点的空间位置,从而实现物联网视觉中的森林小距离火点定位.实验结果表明,利用算法进行森林小距离火点定位,能够避免由于遥感图像采集规范差异造成的定位特征残差扩大的缺陷,从而提高了定位的准确性.     

基于融合网络的井下人员行为识别方法

井下人员行为识别是保障煤矿安全生产的重要措施。针对现有井下人员行为识别研究缺少对感知机理的研究与分析且特征提取手段单一的问题,提出一种基于融合网络的井下人员行为识别方法。该方法主要包括数据预处理、特征构建和判识网络构造3个部分。数据预处理：通过信道状态信息(CSI)商模型、子载波去直流和离散小波去噪对采集的CSI数据进行处理,以降低环境噪声、设备噪声等的影响。特征构建：将处理后的数据利用格拉姆和/差角场(GASF/GADF)转换成图像,从而保留数据的空间和时间特性。判识网络构造：根据人员动作的特点,提出一种由基于门控循环单元(GRU)的编解码网络和多尺度卷积神经网络(CNN)组成的融合网络,利用GRU保留前后数据之间的关联性,同时利用注意力机制的权重分配策略有效提取关键特征,以提高行为识别的准确率。实验结果表明：该方法对行走、摘帽子、扔东西、坐、抽烟、挥手、跑动、睡觉8种动作的平均识别准确率为97.37%,对睡觉和坐的识别准确率最高,最容易发生误判的动作是行走和跑动;使用准确率、精确率、召回率和F₁分数作为评价指标,得出融合网络的性能优于CNN和GRU,人员行为识...