排序方式: 共有8条查询结果,搜索用时 46 毫秒
1
1.
应用H1[0,1]空间多尺度分析方法解决数值逼近问题,仿真及误差分析结果表明了这一方法对函数逼近的可行性,从而为再生核空间数值逼近提供了一种新的思路。 相似文献
2.
H1[0,1]空间小波包分析 总被引:1,自引:0,他引:1
在H1[0,1]空间提出小波包理论,给出了这一空间小波包定义及小波包分解算法,弥补了H1[0,1]空间多分辨分析方法的缺陷,进一步提高了时频分辨率,增强了信号处理的灵活性,从而丰富了这一空间小波分析的理论。 相似文献
3.
提出了一种基于多分辨率模型简化算法实现等高线综合的方法。将离散点数据源建立原始TIN模型,利用最大独立点集法对TIN进行多分辨率变换,重新追踪等高线,从而实现等高线的自动综合。实验表明,该方法具有算法简单,实用性强,能良好的保持地形特征等优点。本研究是对综合领域的一种新方法的探索和实践,达到了对地貌进行综合的要求和目的,是实现地貌综合中的新的途径。 相似文献
4.
基于小波多分辨率分解的农田障碍物检测 总被引:2,自引:0,他引:2
针对基于颜色或高度信息的农田障碍物检测方法仅能实现部分障碍物检测的缺点,提出了基于频率信息的检测方法.采用小波多分辨率分解,利用田间作物产生主频信息的总量优势及作物行分布规律确定作物所在频率层.在作物层上利用图像旋转投影法校正图像的同时,获得航位偏差和航向偏差;依据频率分布特性的改变,检测出发生行遮挡的疑似障碍物位置;依据非杂草类障碍物频率变化比较缓慢,在小波多分辨率分解的最高频率层上实现不发生作物行遮挡的疑似障碍物的检测;最后采用立体视觉匹配及频率信息的先验知识判定检测到的是否为障碍物.实验表明算法能检测出包括长满草的土堆、田头等各类障碍物,并能有效去除断垄干扰,单帧图像处理时间平均为79 ms. 相似文献
5.
苹果糖度近红外光谱小波去噪和iPLS建模 总被引:18,自引:5,他引:13
为了提高苹果近红外光谱糖度预测模型的精度,利用多尺度小波去噪法对苹果近红外光谱进行了预处理,并用改进后的间隔偏最小二乘法(iPLS)建立预测模型。应用结果表明,多尺度小波去噪法滤除了原始光谱中的部分噪声,但又保留了原光谱中的主要信息。运用间隔偏最小二乘法对预处理后的光谱建模,其校正时的相关系数rc和校正均方根误差RMSEC分别为0.9635和0.3026,预测时的相关系数rp和预测均方根误差RMSEP分别为0.9214和0.4113,主因子数为5个。结果表明,用多尺度小波去噪和间隔偏最小二乘法所建立的苹果糖度模型不但精度有所提高,而且更加简洁、数据运算量也更少。 相似文献
6.
基于多分辨率遥感数据与随机森林算法的土壤有机质预测研究 总被引:10,自引:1,他引:10
遥感数据已经在数字土壤制图中得到广泛应用,并且可以一定程度上提高土壤属性预测的精度。本文以榆阳区的黄土丘陵和风沙滩地两种地貌区为例,利用不同分辨率的专题制图仪(thematic mapper,TM)、先进宽视场传感器(advanced wide field sensor,AWIFS)和中等分辨率成像仪(Moderate resolution imaging spectroradiometer,MODIS)的遥感影像数据(分辨率分别为30 m、56 m和250 m)和基于高级热量散射和反射辐射仪全球数字高程模型(advanced spaceborne thermal emission and reflection radiometer global digital elevation model,ASTER GDEM)的地形衍生数据,结合其他影响土壤有机质分布的辅助因子,用随机森林算法(random forest,RF)对表层土壤有机质进行模拟预测,并通过实测数据的百分比抽样对预测结果进行了验证。结果表明,在榆阳区的黄土丘陵区,基于TM数据的土壤有机质预测结果较好;在风沙滩地区,基于AWIFS数据的土壤有机质预测结果较好。基于RF的土壤有机质预测在榆阳区的黄土丘陵区结果较好,三个分辨率下的平均绝对误差在1.27~1.57 g kg-1之间,在风沙滩地区预测精度较低,平均绝对误差在1.46~2.08 g kg-1之间。高程、地理位置和植被是影响黄土丘陵区土壤有机质预测的主要因素,在风沙滩地区,植被、高程和离水源地的距离是影响有机质预测的主要因素。可见,在地貌相对简单的地区进行土壤有机质含量的预测时可以使用较低分辨率的数据代替较高分辨率的数据,同时,RF算法在复杂地貌区的土壤有机质预测更有效。 相似文献
7.
8.
1