1 华中师范大学 地理过程分析与模拟湖北省重点实验室，湖北 武汉 430079
2 浙江大学 杭州国际科创中心，浙江 杭州 311200
3 浙江大学 农业遥感与信息技术应用研究所，浙江 杭州 310058
4 农业农村部光谱检测重点实验室，浙江 杭州 310058
土壤中红外（MIR）光谱能快速、无污染、低成本地估算土壤有机碳等理化属性。随着各种尺度土壤光谱库的建立，使用其进行快速土壤分析引起广泛关注，但光谱库的通用模型在局部尺度上的预测效果不理想。开发“局部化”光谱建模方法是提高土壤光谱库性能的有效途径。本文提出了一种新的方法，通过光谱相似度计算和建模子集构建，旨在从库中快速建立最优局部建模集以提高预测精度。比较了欧氏、马氏、余弦三种距离算法衡量待测样本与库样本之间的相似度并生成距离矩阵；使用连续统去除法从距离矩阵中提取库容曲线中的特征点。利用偏最小二乘回归建立土壤MIR光谱与有机碳含量间的定量关系。结果表明，三种距离算法结合连续统去除得到的第一特征点均可得到较佳的预测精度。马氏距离不仅模型精度最高（R2 = 0.764，RMSE = 1.021%）而且用到的库样本数最少（14%库容）。本方法可改善MIR光谱分析的成本效率并能提高局部尺度的预测能力。
土壤碳 相似度 距离矩阵 连续统去除 偏最小二乘回归 soil carbon similarity distance matrix continuum-removal PLSR 
1 华中师范大学地理过程分析与模拟湖北省重点实验室, 湖北 武汉 430079
2 浙江大学杭州国际科创中心, 浙江 杭州 311200
3 中国科学院、 水利部成都山地灾害与环境研究所山地表生过程与生态调控重点实验室, 四川 成都 610041
掌握土壤在空间和时间上的表征至关重要。 土壤可见-近红外(Vis-NIR)光谱可以估算土壤有机碳(SOC)等属性, 与传统的实验室理化分析相比, 光谱技术能有效实现土壤信息的快速获取。 土壤光谱库为建立经验模型提供了大量具有丰富变异性和多样性的样本作数据基础。 但受限于库中土壤样本的异质性和模型的适应性, 通常区域或局部尺度模型的稳健性欠佳。 已有的研究主要通过目标样本部分入库的方式改善库的性能, 但影响了光谱技术的低成本优势。 该研究在不入库的前提下基于土壤光谱的相异度, 探究经典距离算法结合土壤光谱库构建局部预测模型的可行性, 并比较分析局部模型样本容量对预测精度的响应。 基于全球土壤光谱库(GSSL)的677个土柱, 从每个国家随机取十分之一的土柱(97个)组成局部目标测试集(Test), 其余580个作土壤光谱库(SSL)。 分别采用欧氏距离(ED)、 马氏距离(MD)、 和光谱角(SAM)来分别度量Test与SSL间的光谱相异度并生成距离矩阵。 按距离矩阵的前0.04%, 0.05%, 0.1%, 0.2%, 0.3%, 0.4%, 0.5%, 1%和5%从SSL中提取与Test最相似的光谱样本构建共计9个容量的局部建模集(Local), 使用偏最小二乘回归(PLSR)建立Vis-NIR和SOC含量的预测模型并通过Test验证模型精度, 通过光谱的主成分空间考察并解释各种距离算法下Local的“容量-精度”变化。 结果表明, 在待测样本不入库的情况下, 三种距离算法构建的Local模型相较于全局模型的预测精度均有一定提升, 但三者的“容量-精度”的拐点存在显著差异。 SAM兼顾了光谱的波形和幅度因此较MD、 ED更具优势; 其前0.2%比例的Local不仅预测精度最优, 且用于建模所需的样本容量最少。 因此认为, SAM法更适用于从土壤光谱库中构建局部模型, 距离矩阵的前0.2%可作为局部模型的容量参考。
光谱库 相异度 距离矩阵 容量 偏最小二乘 Spectral library Dissimilarity Distance matrix Sample size PLSR 光谱学与光谱分析
2022, 42(5): 1614
辽宁工程技术大学电子与信息工程学院, 辽宁 葫芦岛 125105
遥感图像存在大量语义对象,相同的语义对象视觉差异较大,针对卷积神经网络(CNN)提取的全局特征不能准确描述图像内容的问题,提出了一种使用区域注意力机制的遥感图像检索方法。首先去除CNN的全连接层,将高层特征作为区域注意力网络的输入;然后在遥感图像数据集上分别训练CNN和区域注意力网络,提取具有区域关注度的图像特征;最后构建了一种多距离相似性度量矩阵并采用扩展查询以提高检索性能。实验结果表明,相比基于全局特征的遥感图像检索方法,本方法能有效抑制遥感图像背景和不相关的图像区域,在两大遥感实验数据集上的检索性能更好。
遥感图像检索 卷积神经网络 区域注意力机制 多距离矩阵 扩展查询 激光与光电子学进展
2020, 57(10): 101017
湖北大学计算机与信息工程学院, 湖北 武汉 430062
传统模糊聚类算法(FCM)存在初始聚类中心不确定的问题,在图像分割中没有完全考虑到像素之间的灰度、空间信息。为解决此问题,提出了基于新距离矩阵方差的模糊聚类图像分割算法。用像素点生成一个改进的 新距离矩阵,并根据此矩阵特点选取初始聚类中心；结合方差确定聚类类别数,并消除部分噪声；对聚类结果进行有效性判定,确定最佳的分割结果。与SPFCM算法相比,提出算法的平均准确率提高了4.55%。实验结果表明提 出方法能有效提高图像分割的平均准确率,对处理噪声有更好的效果。
图像处理 图像分割 模糊聚类算法 新距离矩阵 方差 image processing image segmentation fuzzy clustering algorithm new distance matrix variance
1 中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
为了克服传统星图空间运动目标检测方法对星图帧间图像亮度、帧间配准以及成像模式等具有敏感度较高的缺点, 利用星点间拓扑结构稳定的特性, 提出了基于距离矩阵的星图运动目标检测方法。该方法首先对各帧星图独立检测目标, 然后构建星点的距离矩阵, 并与相邻帧星图的距离矩阵作减法, 则得到运动目标对应的距离变化较大的一些列(行), 利用这个性质完成运动目标的检测。由于距离矩阵与星图成像条件无关, 只受运动目标的影响, 因此该方法对星图帧间图像亮度、观测平台抖动、帧间失配以及成像模式等具有鲁棒性。仿真试验和真实数据试验表明, 该方法在帧间失配等情况下, 仍然能够从背景恒星中有效地识别空间运动目标。与传统方法比较, 本文方法具有更低的虚警率。
星图 运动目标检测 距离矩阵 拓扑结构 鲁棒性 star map moving target detection distance matrix topological structure robustness
提出了一种基于模糊技术的非线性系统中多传感器目标跟踪融合算法.在基于卡尔曼滤波器的分布式融合算法中,利用模糊技术中的决策距离思想,对实时跟踪目标的多传感器进行动态分组,以获得在非线性系统中目标跟踪的最佳融合数据精度.仿真结果证明,该算法是一种有效的分布式融合算法.
光电跟踪 雷达跟踪 数据融合 决策距离矩阵 分布式融合算法
