排序方式： 共有44条查询结果，搜索用时 125 毫秒
41.
由于合成孔径雷达(SAR)影像与光学影像之间存在明显的辐射和几何差异,将两者配准仍是影像精确配准领域亟待解决的难题.针对配准时出现的精度差效率低、计算量较大且配准易陷入局部极值等问题,该文提出一种耦合梯度互信息和部分体积(PV)插值的SAR与光学影像配准算法.首先,将该文改进的梯度互信息方法(NGMI)作为配准的相似性测度;其次,利用改进PV插值法计算NGMI,采用余弦函数作为插值核函数,以扩大插值的邻域范围;最后,将NGMI与PV插值法耦合进行SAR与光学影像的配准.实验表明,该文方法行之有效,在减少计算量的同时提高了配准精度,一定程度上抑制了局部极值,降低了影像误配的概率. 相似文献
42.
针对地面激光雷达点云和数码光学影像非同源异质数据自动配准困难的问题,本文提出了基于互信息的两种数据同名特征高精度自动提取的方法。首先,把点云数据生成中心平面投影的反射强度图像和基于RGB信息的彩色图像,应用点云彩色图像和数码光学影像的匹配,确定点云与影像的粗配准参数;然后,对反射强度图像进行特征提取,应用粗配准参数确定其在数码光学影像上的初始位置,应用互信息实现非同源数据的高精度匹配;最后,应用罗德里格矩阵和选权迭代方法计算高精度配准参数,生成三维彩色模型。试验证明,本文方法可以解决地面激光点云和数码光学影像非同源异质数据的配准问题,具有一定的研究和应用价值。 相似文献
43.
基于1970—2021年中国大陆及边邻地区地震目录、地震序列目录和历史地震震源机制资料,参考以往研究和震后趋势预测实践,构建基于地震观测数据的机器学习序列类型判定特征样本数据集。基于地震序列分类,设置多震型、主余型、孤立型3类样本标签,初步提出44个可用于机器学习地震序列类型判定的备选特征,包括主震及震源机制相关参数、历史地震序列类型、序列衰减和G-R关系相关参数、震级及频次相关参数。以44个备选特征为基础,变换震级下限、统计时段等参数,可以扩充出更多的机器学习备选特征。基于特征与标签之间的关联特性,评估特征对序列分类的重要性。宏观来看,震级相关参数、G-R关系和序列衰减相关参数、历史地震序列类型、震源机制相关参数等特征对序列分类有贡献,其中震级相关参数特征与标签之间的互信息值明显较大且排序稳定。补齐缺失特征不但能够增加可用的训练和检验样本,还可明显提升特征与序列类型之间的关联性,这意味着恰当的数据预处理在一定程度上有可能提高特征的序列分类能力。添加原始数据的交互特征是拓展可用特征数量的重要方式之一,非独立特征经信息交互处理之后显示出与序列标签更强的关联性,这意味着特征选择应以模型预测... 相似文献
44.
在各级水利与自然资源部门地下水监测数据共享机制逐步完善背景下，针对日益凸显的原有监测系统中存在的监测井布局不合理问题以及岩溶含水系统具有的非均质性和各向异性特征，选取徐州市丁楼-茅村和七里沟2个典型水源地，分别采用互信息-距离（T-D）和最大信息最小冗余（MIMR）模型对研究区监测网信息冗余性和最优监测井组合进行了研究。结果显示:丁楼-茅村水源地水位监测数据离散程度、信息熵、信息传递量和信息衰减速率均大于七里沟水源地，2个水源地在ε取10-1时的水位信息有效传递距离分别为4.7，4.8 km，指示出两地相似的岩溶发育程度和水力传导性能。通过对比监测井控制范围的实际值和理论值发现2个水源地监测井之间均存在信息冗余。现有监测条件下，丁楼-茅村水源地最优监测井数为6眼，最优监测井组合为D1-D2-D4-D5-D7-D9；七里沟水源地最优监测井数量为5眼，最优组合为Q1-Q3-Q4-Q5-Q7。将优化结果与原监测网相比，2个水源地监测井数量均减少3眼，分别能提供原监测网信息总量的98.5%，94.9%，监测网控制范围分别下降0.4%，1.2%，信息冗余量分别减少49.0%，56.4%。表明优化后的监测网能够提供与原站网相当的信息量和控制范围，同时可以显著降低信息冗余度与监测成本。 相似文献