Multi-channel SAR imaging based on distributed compressive sensing

The rapid development of compressive sensing(CS)shows that it is possible to recover a sparse signal from very limited measurements.Synthetic aperture radar(SAR)imaging based on CS can reconstruct the target scene with a reduced number of collected samples by solving an optimization problem.For multi-channel SAR imaging based on CS,each channel requires sufficient samples for separate imaging and the total number of samples could still be large.We propose an imaging algorithm based on distributed compressive sensing(DCS)that reconstructs scenes jointly under multiple channels.Multi-channel SAR imaging based on DCS not only exploits the sparsity of the target scene,but also exploits the correlation among channels.It requires significantly fewer samples than multi-channel SAR imaging based on CS.If multiple channels offer different sampling rates,DCS joint processing can reconstruct target scenes with a much more flexible allocation of the number of measurements offered by each channel than that used in separate CS processing.     

基于AROP程序包的类Landsat遥感影像配准与正射纠正试验和精度分析

遥感影像的精确配准和正射纠正是进行图像融合、变化检测、图像镶嵌、定量遥感建模、多时相和多传感器影像协同应用的基础和前提。以美国国家航空和航天管理局下设LEDAPS(Landsat Ecosystem Disturbance Adaptive Processing System)课题组开发的配准与正射纠正程序包AROP(Automated Registration and Orthorectification Package)为例,详细阐述了其配准的原理与程序设计流程,并对其配准的精度进行了分析和评价。试验表明:AROP程序包算法能够找出足够的控制点,且控制点分布较为均匀,配准误差小于0.5个像元。误差特征表现为:扫描误差明显大于航向误差,误差的结果与影像漂移、DEM、坡度存在一定的相关性,高程和坡度是影响配准精度的主要因素之一。该程序包目前能够用于对我国CBERS影像的正射校正以及波段不匹配处理,但是对HJ卫星CCD影像数据配准还有待于进一步研究。     

IRS-P6 LISS-3和Landsat-5 TM两种多光谱传感器影像数据的对比分析

随着载有各种新型传感器的卫星相继发射升空,不同传感器之间的相互比较成了一个研究热点。首先从传感器的轨道特征、光谱范围等方面对IRS-P6 LISS-3和Landsat-5 TM进行了机理方面的对比分析,选取3对同日过空的遥感影像,研究了IRS-P6 LISS-3和Landsat-5 TM遥感数据在可见光-近红外、短红外各对应光谱波段之间的关系,建立TM和LISS-3各波段之间的相互转换公式,与Chander等提出的转换公式进行对比分析。结果表明:实际TM和模拟TM多光谱数据之间具有较强的相关关系,决定系数R²均大于0.97;模拟TM与实际TM的水体指数(MNDWI)和归一化植被指数(NDVI)空间散点分布和实际LISS-3与实际TM的空间散点分布相比,具有更强的相关关系,其决定系数R²有一定提高,散点分布趋于对称。因此,所求的关系转换方程具有较高的精度和有效性,效果优于Chander等提出的转换公式。     

海表面盐度卫星微波遥感研究进展

海表面盐度SSS(Sea Surface Salinity)是研究大洋环流和海洋对全球气候影响的重要参量、是决定海水基本性质的重要因素之一。卫星微波遥感可以满足盐度研究过程中大范围、连续观测的需要,国际上统一的认识是选择频率为1.413 GHz的L波段作为盐度遥感的首选波段。目前,国外发展的海面盐度微波遥感反演算法主要有两种:基于海表发射率估算海表盐度的算法和基于贝叶斯定理提出的反演算法。影响盐度反演精度的因素主要有太空辐射、电离层法拉第旋转、大气、海面粗糙度等。其中,海面粗糙度对盐度反演影响很大,海面粗糙度处理模型可以分为3大类:理论算法(间接发射率模型、直接发射率模型)、经验算法、半经验半理论算法(Hollinger 半经验模型、WISE半经验模型、Gabarró模型)。SMOS卫星和Aquarius/SAC\|D卫星的成功发射,将海表面盐度遥感的反演精度控制在0.2 psu以内,通过改进反演算法,有望得到更高的反演精度。     

一种新的码片内多径时延估计方法

根据信道冲激响应的稀疏特性,提出了一种频域的时延估计压缩感知模型,将时延估计问题转化为基于欠采样数据的稀疏向量估计问题.利用离散傅里叶变换(Discrete Fourier transform,DFT)矩阵的子矩阵所满足的受限等距性(Restricted isometry property,RIP)以及信道冲激响应的稀疏特性充分降低了时延估计所需数据量的要求.分析了本文模型具有码片内多径分辨能力以及良好抗噪性能的原因,并与多信号分类(Multiple signal classification,MUSIC)和旋转不变技术的信号参数估计(Estimation of signal parameters via rotational invariance technique,ESPRIT)算法的时延估计性能进行仿真比较.仿真结果表明,本文提出的方法不需要预知多径的条数,对码片内多径时延具有较高的估计精度,其时延估计性能在特定条件下优于MUSIC和ESPRIT算法.     

基于山区地质灾害危险性分区的建设用地适宜性评价

地质灾害是建设用地选址时考虑的关键因素之一,也是危险性区划的主要参考要素,其直接或间接危害到人类安全并给社会和经济建设造成重大损失。为了降低建设用地规划中地质灾害的影响,应将地质灾害危险性分区考虑到建设用地适宜性评价当中。以干旱河谷山区丹巴县为研究区,运用确定系数和逻辑回归相结合的方法,构建地质灾害危险性评价体系对该区进行地质灾害危险性分区。选择安全因子、自然因子、社会因子和生态因子共同构成建设用地适宜性评价指标体系,利用层次分析法对研究区进行建设用地适宜性评价。结果表明:(1)对丹巴县进行危险性分区,极高危险区217.20km2,高危险区744.95km2,中度危险区1352.44km2,低度危险区1295.08km2以及极低危险区875.32km2。(2)丹巴县建设用地最适宜区面积为115.72km2,占县域总面积的2.57%,适宜建设的土地少且多集中在小金川、革什扎河、东谷河和大渡河沿岸河谷地区。较适宜区、基本适宜区、较不适宜区和禁止建设区面积分别为683.47km2、623.21km2、590.66km2、2494.21km2。(3)已建成的城镇空间中38.50%和37.62%分布在最适宜区和较适宜区,整体分布状况良好。有5.85%的城镇空间建设在较不适宜区,2.67%在禁止建设区,存在生态安全风险,该区域应加强灾害预警与防灾减灾工作,有条件地适度搬迁。     

Bayesian network based general correspondence retrieval method for depth sensing with single-shot structured light

This study reinvestigated one of the most fundamental problems in structure light depth sensing field: correspondence retrieval of features between patterns and images. We formulate the global optimum correspondence retrieval by maximizing a conditional probability of correspondence given observed features, which is depicted by a Bayesian network. Different from traditional “code-only” based correspondence retrieval methods, the proposed Bayesian network based method exploits the positional correlations of correspondences of neighboring features, namely, the correspondences of poorly detected features are estimated with the aid of the correspondences of well detected features. The method performs especially well on challenging scenes with rich depth variations, abrupt depth changes, edges, etc. Experiments show that the proposed method increase the correspondence accuracy by about 40% on challenging scenes, compared with traditional “code-only” based correspondence retrieval methods.     

以ARM为核心的嵌入式体感遥控器设计

介绍一种以ARM为核心的嵌入式服务机器人体感遥控器的设计。硬件上,本遥控器采用具有ARM Cortex—M3内核的STM32F103C8T6作为核心处理器,选用ST公司的iNEMO惯性导航模块进行手部姿态的识别,同时还具有LCD显示模块、无线收发模块和电源模块;软件上,采用嵌入式操作系统μC／OS—Ⅱ实现多任务的调度和外围设备的管理。经实验验证,本遥控器具有高稳定性、高实时性、高可靠性、低误码率等优点。     

基于压缩感知的无线传感器网络的数据编码

近年来,基于压缩感知的无线传感器网络数据编码的研究取得了一定的进展,但大部分研究是基于"单跳"的传输模型或者没有考虑网络内节点之间的合作。本文提出了一种基于压缩感知和分簇的传感器网络数据编码方法。首先,节点根据自己的编号伪随机的产生一个M维的列向量,把感知的数据xi投影到此向量上,然后把自己的编号和投影的数据一同传输给簇头。簇头把收到的数据进行求和,并且把计算后的结果传送给下一个簇头,直到sink节点。通过仿真实验和理论分析,验证了本文提出的方法比传统的方法能更好地减少网络内数据传输量。     

面向对象轮廓约束GGVF Snake的建筑物边界优化方法

分析高分辨率遥感影像中建筑物的特征和常用方法提取建筑物存在边界漏检误检导致的边界不规则等问题,提出面向对象轮廓约束广义梯度矢量流（GGVF）Snake模型的建筑物边界优化方法. 在利用分类法获取建筑物轮廓的初始结果基础上,自动提取每个建筑物轮廓线作为GGVF Snake的初始轮廓线,获取各轮廓外接矩形进行对象裁剪,提取每个建筑物的子图对象. 对每个子图对象进行Canny边缘检测,结合Hough变换提取直线特征,输入到广义梯度矢量流模型的迭代求解中快速最小化能量函数,实现对象级建筑物轮廓的精确优化. 实验结果表明,利用提出的方法能够自动获取初始建筑物的轮廓信息,提高优化的自动化程度;基于对象级的边缘检测与直线特征的加入,有助于GGVF Snake快速拟合,准确地平滑建筑物边缘且准确度高. 相对于其他对比方法,本文方法的轮廓优化总体精度和综合值均有提升,可以作为有效提升分类原理获取的建筑物轮廓的优化后处理手段,提高了建筑物提取的精度.