基于粒子滤波的LAI时间序列重构算法设计与实现

遥感观测的叶面积指数（LAI）时间序列数据广泛应用于作物长势监测,但数据受大气条件等影响,存在数值偏低和时间序列数据缺失等问题。为此,本文设计了一种基于重采样粒子滤波的LAI时间序列重构算法,以LAI为同化变量,在WOFOST模型本地化的基础上,实现了遥感LAI数据和WOFOST模型模拟的LAI数据的同化,以重构LAI时间序列。算法将WOFOST作物模型简化为LAI状态随时间演变的非线性计算方程,作为重采样粒子滤波的状态转移方程;将地面实测LAI数据和遥感LAI数据建立的线性方程,作为重采样粒子滤波的观测方程,建立LAI时间序列数据同化模型。以带权重粒子表示LAI时间序列状态后验分布,并在循环迭代中对粒子重采样,以此实现单点和区域LAI时间序列重构。应用该算法,对河北省冬麦区2010年LAI时间序列进行重构,结果表明,基于重采样粒子滤波的LAI时间序列重构算法在单点和区域上得到的LAI值明显更接近冬小麦实际生长状况,且算法能够弥补遥感LAI时序数据的缺失,为进一步的作物长势监测提供基础支撑。     

基于支持向量机的苹果叶部病害识别方法研究

为提高苹果叶部病害自动识别水平并实现快速有效地识别苹果叶部病害,本研究首先采用小波滤波算法对采集的苹果叶部锈病、斑点落叶病的图像进行去噪平滑,然后利用病斑颜色差异和边界跟踪算法对病斑进行分离,最后提取病斑颜色、形状和纹理等方面的特征,采用支持向量机(SVM)技术对病害进行自动识别。试验表明,该方法对苹果叶锈病和斑点落叶病样本进行处理识别的正确率较高,能够满足实际需求。该结果对苹果叶部病害的自动快速诊断和防治具有一定的指导意义。     

基于声发射技术的木材害虫信号特征检测

针对木材害虫声发射（AE）信号检测问题,研究杨树木段中麻点豹天牛幼虫AE信号波形特征及其信号的能量,为钻蛀害虫声音的监测提出一种新的方法。取一段具有麻点豹天牛幼虫的杨树木段,通过采样频率为500 kHz的2通道木材蠕变声发射信号采集系统采集原始AE信号。对采集到的原始信号滤波后进行小波分解,通过对各层高频信号的分析获取AE信号的频域特征,并对其进行重构与信号解析。结果表明,麻点豹天牛幼虫AE信号的主频主要集中在30 kHz附近,其信号的能量在16:00最高,反映了该幼虫在15:00-16:00较活跃。     

一种基于混合纹理特征的木板材表面缺陷检测方法

利用计算机视觉技术检测木板材表面缺陷。提出了一种基于混合纹理特征的表面缺陷检测算法,能准确、鲁棒地检测出木板材表面图像中是否有缺陷。首先,分别使用灰度共生矩阵方法、Gabor滤波方法和几何不变矩方法提取了10个优化后的图像纹理及尺度、平移、旋转不变特征;然后,对特征向量进行有效组合;最后,基于融合后的混合纹理特征向量,应用BP人工神经网络对样本集进行训练和检测。实验表明,该方法能准确地对木板材表面缺陷进行检测,平均检测成功率达96.2%。     

基于OpenGL的LiDAR数据处理模块设计与实现

针对目前海量LiDAR数据处理涉及问题复杂、多数算法保密的问题,研究了基于OpenGL技术构建LiDAR数据处理模块的方法,并对模块构建过程中涉及的关键技术,包括LAS格式数据读取、基于OpenGL的LiDAR点云显示、改进的多级移动曲面拟合LIDAR数据滤波算法的实现进行了深入研究。为验证该模块处理LiDAR三维点云数据的正确性,利用该模块进行了LiDAR点云的二维显示、三维显示、滤波处理等。试验结果表明:本研究所开发的LiDAR数据处理模块能够快速、正确的显示和编辑LiDAR点云数据,且有高精度的LiDAR点云滤波结果。     

新型补偿电流控制方法在有源电力滤波器中的应用

提出了一种新型的有源电力滤波器电流检测和控制方法,在补偿谐波电流的同时还可以进行无功补偿。介绍了基于DSP处理器的硬件电路设计。仿真软件PSCAD的实验结果表明,本研究采用的电流检测和控制方法是准确有效的。     

基于H-P滤波法的中国小麦产量波动性分析

根据1983-2008年中国小麦生产的时间序列数据,采用H-P滤波法对中国小麦产量波动性进行了分析.结果表明,在1983-2008年间小麦生产包括了6个完整的周期,平均年距为4.5年,其中扩张期的长度平均为2.5年,而收缩期的平均值为1.7年,扩张与收缩长度之比在逐期下降,说明中国小麦产量扩张能力正在下降.通过建立多元线性回归方程,验证了中国小麦产量的波动与单产波动及种植面积波动的关系,估计得出种植面积对小麦产量的波动影响程度大于单产,应继续确保种植面积来平抑小麦产量的波动.     

几种SAR影像斑点噪声滤波器的快速实现算法

本文提出了用C 语言在计算机软件工程中几种经典滤波快速实现的算法,在程序设计中充分考虑了滤波程序运行涉及的窗口数据迭代重复性问题,折中了海量遥感图像数据读写交互与计算机缓存有限性的问题。与遥感处理商用软件——-ERDAS同名滤波器处理同幅图像的速率对比得出,经过改进后的滤波程序明显快于ERDAS同名滤波器的处理。     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明：该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

不同类型土壤的光谱特征及其有机质含量预测

 【目的】构建适合土壤有机质含量估测的高光谱参数及定量反演模型。【方法】系统分析中国中、东部地区5种不同类型土壤风干样本有机质含量与350～2 500 nm波段范围高光谱反射率之间的关系,利用特征光谱参数和BP神经网络建立土壤有机质的定量估测模型。【结果】光谱一阶导数构成的两波段光谱参数与土壤有机质含量的相关性明显优于原始光谱,尤其采用Norris平滑滤波后导数光谱效果更好。光谱参数构成形式以差值指数最好,其次为比值和归一化指数。与土壤有机质含量相关程度最高的光谱参数是由可见光区554 nm和近红外区1 398 nm两个波段的一阶导数组合而成的差值指数DI(D554,D1398),两者呈显著指数曲线关系,拟合方程为y= 184.2 ×exp[-1297×DI(D554,D1398)],决定系数为0.90。经不同类型土壤的观测资料检验,模型预测决定系数为0.84,均方根误差RMSE为3.64,相对分析误差RPD为2.98,显示估测模型具有较好的预测精度。另外,利用BP神经网络结合偏最小二乘法(PLS)对导数光谱进行分析,提取贡献率达到99.56 %的前6个主成分建立了三层BP 神经网络模型,模型决定系数为0.98,经不同类型土壤的观测资料检验,模型预测决定系数为0.96,RMSE为2.24,相对偏差RPD为4.83。比较利用DI(D554,D1398)和BP网络进行土壤有机质含量的预测结果,前者精度低于后者,但可以满足土壤有机质监测的需要。【结论】利用差值光谱指数DI(D554,D1398)和BP神经网络模型均可实现对土壤有机质的精确估测。