基于星载高光谱数据的遥感数据预处理

遥感影像的预处理是遥感数据应用的基础,预处理结果的好坏将影响图像的质量及后续的研究。研究利用高光谱数据对穿越香格里拉县中部一景EO-1 Hyperion数据进行预处理。预处理分别进行envi补丁下数据波组合、未定标和水汽影响波段去除、绝对辐射值转换、大气校正等处理,结果表明:图像质量提高,减少了数据运算量,为应用研究奠定了基础。。     

一种层级处理的人脸光照归一化方法

采用层级处理模式,提出了一种新的人脸光照归一化方法,先对图像光照进行自动判定,决定采用何种方法进行预处理,减小不同光照下人脸灰度的差异。再根据Gamma校正算法的特点,设计了一种更适应人脸图像校正的参数计算方法。本方法在样本归一化后,使得图像的本真信息不丢失,而且提高了图像对比度。大量的实验表明,该方法可以有效提高人脸识别功能的适用范围,能够在更远距离或复杂光照下进行识别。     

基于图像处理的植物虫损叶面面积计算算法研究

提供了采用数字图像处理方法快速计算植物虫损叶片面积的方法,对叶片图像进行图像采集、预处理以及几何校正,提取叶片轮廓并填充后,去除叶柄求得虫损叶片面积及虫损率。此方法简单易行,适合多种形状叶片,同时适用于非虫损叶片面积的测量。     

Quick Bird卫星图像几何精校正初探

以云南省宜良县匡远镇集体林权制度改革中所使用的Quick Bird卫星图像作为试验数据,对该卫星图像的几何精校正方法进行了初步研究,分析了几何多项式模型、RPC模型、投影变换模型以及DEM对高分辨率的Quick Bird卫星图像几何校正的作用.通过把该镇的原始图像整体进行几何精校正(即整乡校正)和切割成小块分别校正(即分村校正)2种方式的对比试验表明,利用RPC模型与DEM相结合的整乡校正的方法最为适合于林权制度改革宗地勘测对Quick Bird卫星图像的要求.     

基于高光谱图像技术的沙梨无损检测

为探讨基于高光谱图像技术对沙梨糖度无损检测的可行性,采集80个沙梨样本在400～1 000 nm内的高光谱图像数据及其对应的糖度,采用变量标准化、多元散射校正(MSC)、平滑滤波、基线校正等方法对原始光谱数据进行预处理,发现MSC预处理效果最佳,再通过无信息变量消除法对MSC预处理后的光谱数据进行压缩,最后分别建立BP神经网络和PLS沙梨糖度预测模型.结果表明:无信息变量消除法将光谱变量压缩到234个,有效减少了建模的输入变量,建立的PLS预测模型和BP神经网络的预测相关系数均在0.85以上,而PLS预测模型的相关系数为0.9508,均方根误差为0.268,优于BP神经网络模型.     

山区低太阳高度角遥感图像地形校正归一化模型的应用研究——以高黎贡山为例

由于山区地形起伏较大,引起的地形效应会使地物的光谱特征产生扭曲,对地表地物的识别与分类产生不利影响。地形校正是定量化遥感的前提,能够有效地提高目标地物识别与分类的精度,因此地形校正作为山区遥感图像预处理的重要步骤,对提高遥感应用的精度具有重要的作用。本研究利用二阶校正模型、地形均衡模型、坡度匹配模型3种归一化模型对高黎贡山南段低太阳高度角下的TM图像进行地形校正试验,对归一化模型在山区低太阳高度角遥感图像地形校正中的应用进行探讨。结果表明:在3种模型中,坡度匹配模型更适用于研究区低太阳高度角遥感图像的地形校正。     

一种基于标准白板的颜色校正方法

本研究提出了一种基于标准白板的颜色校正方法。首先制作一块标准白板。在标准色温下拍摄附带标准白板的景物,得到标准图像,通过程序统计出图像中白板区域的RGB三色的各自均值,作为颜色校正的基准值。同样,得到在非标准色温下白板区域的RGB三色的各自均值。两组值相比较,得到非标准图像RGB三色各自的校正系数,然后按此系数对整个图像的每个象素进行校正。试验结果表明,校正图像与标准图像不仅在视觉上可达到一致,并且在数值上也能达到基本一致,该方法通过计算机编程来实现简单实用,快速准确。     

MODIS L1B数据的辐射定标及太阳天顶角订正研究

针对MODIS L1B级数据存在的3个主要问题：图像几何校正、卫星参数定标、太阳天顶角校正,在总结前人研究的基础上提出解决方案,完成对MODIS L1B级数据辐射定标以及太阳天顶角订正,期望提供MODIS数据深层次应用的基础。     

遥感监测中5种相对辐射校正方法研究

相对辐射校正能够减小多时相遥感图像之间由大气、照度、物候和传感器标度等差异造成的影响,有利于提高动态监测精度.利用浙江省嘉善县两期TM/ETM+遥感数据,试验了5种相对辐射校正方法,包括图像回归法、伪不变特征法、暗集-亮集法、未变化集辐射归一法与直方图匹配法.这些相对辐射校正方法仅利用图像像元灰度值的统计特征,不需要其它参数,操作简便,尤其适合用于历史遥感数据本文运用均方根误差与变动范围这两个统计特征参数比较与评价了5种方法辐射校正后的图像,并用差值法进一步比较了5种方法对动态监测的影响,结果表明5种相对大气辐射校正方法都不同程度地改善了动态监测效果,对于本实验区,暗集-亮集法效果最好,其次为伪不变特征法.最后,本文还讨论了应用这5种方法的影响因素与适用条件.     

基于图像处理的植物叶面面积计算算法研究

[目的]探讨采用数字图像处理法快速计算植物叶片面积的方法。[方法]以杨树叶片为试材,先将叶片样本进行灰度化、二值化和开运算等预处理,得到叶片外部的参考框图像,之后将样本图像进行几何校正,去除叶柄求出叶片面积,最终编写MATLAB程序。[结果]通过研究叶柄处存在凸出的叶片的去叶柄算法,得到比较精确的纯叶片图像。在对畸变灰度图像二值化过程中采用局部阈值分割和直方图分割相结合的方法,人机交互处理后得到了清晰的边框;在对校正后的灰度图像进行处理的过程中运用了最佳阈值分割方法也能得到满意的叶片图像。由此可见,目的和需要不同所采取的方法有很大差别。[结论]采用对精确的数字图像处理方法能快速计算植物叶片面积。     

基于人工神经网络的CHRIS数据内陆水体叶绿素浓度反演研究

利用BP神经网络和CHRIS高光谱数据反演了富营养化非常严重的太湖梅梁湾地区叶绿素A浓度。首先计算了CHRIS模式2的18个波段与叶绿素A浓度的皮尔森相关系数,选择CHRIS的前5个波段和第13波段的反射率值作为神经网络的输入,以野外测量的叶绿素A浓度为神经网络的输出。实验表明,BP神经网络具有很好的非线性拟合能力,叶绿素A浓度的反演精度相对误差仅为22%,明显优于传统的多项式模型,显示BP神经网络与CHRIS高光谱数据结合的方法在内陆水体水质参数反演领域的应用具有相当的优势。     

Inversion of a canopy reflectance model using hyperspectral imagery for monitoring wheat growth and estimating yield

Applications of hyperspectral remote sensing data to derive relevant properties for precision agriculture are described. Green leaf area index, fraction of senescent material and grain yield are retrieved from the hyperspectral data. Two sensors were used to obtain these data; the airborne visible/infrared imaging spectrometer AVIS and the space-borne compact high-resolution imaging spectrometer CHRIS; they show the applicability of the methods to different spatial scales. In addition, the bi-directional observation capability of the CHRIS sensor is used to derive information about the average leaf angle of the canopies which are used to link canopy structure with phenological development. Derivation of the canopy properties, green leaf area index and fraction of senescent material was done with the radiative transfer model, SLC (soil–leaf–canopy). The results were used as input into the crop growth model PROMET-V to calculate grain yield. Two years of data from the German research project preagro are presented.     

数据挖掘中的数据预处理与维度优化

介绍了数据挖掘的研究发展现状，以及数据预处理与维度问题在数据挖掘过程中的重要性，并对数据的预处理和维度优化方面提出了一些问题及其解决方法。最后提出了在数据挖掘过程中所面临的挑战。     

光谱预处理对近红外光谱无损检测番茄可溶性固形物含量的影响

为了探索适合近红外光谱无损检测番茄可溶性固形物含量的光谱预处理方法,比较了平均光谱和10种光谱预处理方法对偏最小二乘法建模效果的影响,常数偏移消除预处理后的光谱,所建偏最小二乘法校正模型的预测值和实测值的相关系数为0.954,校正标准差为0.321%,最能代表番茄可溶性固形物含量信息的光谱区为11998.9～5449.8cm-1和4601.3～4246.5cm-1.结果表明常数偏移消除是近红外光谱无损检测番茄可溶性同形物含量的有效预处理方法.     

Clementine在用户频繁访问路径挖掘中的应用

利用Clementine工具实现用户频繁访问路径的挖掘,包括数据预处理、数据格式转化、挖掘分析等3个过程。基于工具的挖掘,可大大缩减数据预处理和序列挖掘的时间。研究证明,实现用户频繁访问路径的Clementine挖掘是一种行之有效的方法, 研究中构建的Clementine数据流可继续完善成为网络日志挖掘的应用模版,适合于更加复杂的行为挖掘。     

红外光谱结合聚类分析鉴别青海枸杞产地

采用傅立叶变换红外光谱（FTIR）对枸杞样品产地模式进行鉴别.用常规预处理方法和小波变换法对红外光谱原始数据进行了预处理,利用聚类分析对已预处理后的红外光谱数据进行分析.聚类分析将12份样品聚为枸杞主产地和非主产地两大类,取得了较满意的分类效果.红外光谱法结合聚类分析法可作为枸杞产域分类鉴别的一种新的适用方法.     

养鸡生产数据的数据预处理

研究养鸡业生产数据的特点,提出针对其数据特征的数据预处理手段,进行适当的数据清理、集成和归约,改进了数据质量,大大提高了进一步数据分析的效率。     

枣果实品质鉴定因子数据的预处理研究

因子数据预处理是为枣果实品质鉴定提供高质量数据的关键。对枣果实因子数据预处理研究,是将枣果实的颜色、形状、口感、树形、是否丰产等文本信息通过去噪音、处理空白数据、然后运用专家赋值规则库进行Java编程进行自动数字化,再利用归一化公式进行数据转化,从而判定影响枣果实品质优劣的关键因子,为枣农和消费者及时了解枣果实品质提供了简单的理论参考。     

发展农业大数据的主要问题及主要任务

大数据的应用已经成为各领域的研究热点.大数据理念和技术在我国农业领域应用方面具有一定的特殊性.重点研究分析大数据应用在我国农业领域时可能遇到的主要问题,从应用过程分析,包括数据获取过程中的数据量化和数据共享问题,数据处理过程中的预处理和元数据产生问题,数据分析解释过程中的客观性问题.针对上述问题,提出了发展农业大数据的3大任务,包括农业数据整合、农业大数据平台构建和多元研究团队培养.