湿地序列监测图像的地物目标分类方法

针对固定观测站采集的序列图像中光照变化和背景复杂的问题,将图像序列作为图像在时间维的拓展,提出一种结合颜色空间变换和神经网络的目标分类方法,以辽河口湿地为例开展实地观测试验。基于前期现场调查得到的地物分布信息,将序列图像转换至HSV空间,选择像素小区域作为样本训练多层神经网络,获得更高维度分类依据映射,并完成潮滩生态监测区域目标分类及重要湿地植物翅碱蓬的分布信息提取。对提取结果进行定量验证,该方法整体精确率稳定在90%左右。     

傅立叶变换红外光谱法（FTIR）在环境化学研究中的进展

FTIR法是研究大气、水、固体环境化学和毒理化学等方面反应过程重要的分析手段，文中主要介绍了该法的近期研究进展情况．     

一种针对低质量指纹的指纹图像匹配算法

目前,指纹识别方法的主流是通过提取指纹细节特征并对这些特征进行成对匹配。问题是指尖表面状况严重影响识别结果,而指尖表面采集结果又受到环境和个人因素影响。为解决这个问题,本文提出了一种限频相位相关图像匹配方法,利用二维离散傅里叶变换中的限频相位部分使得低质量指纹图像的识别具有的很高的鲁棒性。选用一系列从采集条件恶劣的指尖(如:干指尖、粗糙的指尖、过敏症患者的指尖)处取得的指纹进行匹配实验,实验表明,与一种典型的基于细节特征的匹配算法相比较,本算法具有较强的有效性。     

傅里叶变换红外光谱仪测试水中油含量

本文参考ASTM D-7066-04(使用红外光度法和二聚/三聚三氟氯乙烯试剂测定水中动物油脂及非极性材料含量),使用红外分光光度法对水中油进行了含量测定,实验结果表明,方法简单,操作方便,在0—0.5 mg·m L-1范围内曲线线性良好,r=0.9983,回收率在范围为69%—111%.     

植被覆盖度与沙尘暴形成条件分析

以归一化差值植被指数（Normalized Difference Vegetation Index,NDVI）为指标分析了我国1981年到1998年期间植被覆盖变化情况,给出了植被急剧减少产生新沙源的实例。通过对1998年4月强沙尘暴的分析,指出影响沙尘暴产生和运移的因素除了地形、风速、风向、大气稳定度外,当地植被覆盖和土壤因素也是关键因素之一。并通过对植被覆盖度（NDVI）与浮尘指数（Aerosol Index）进行定量分析,发现二者之间存在明显的负相关关系,表明植被的存在可以从一定程度上抑制浮尘现象的产生。因此,在沙尘运移路径上,采取封山封荒,植树种草,增加植被覆盖度以固结当地土壤和泥沙的措施,可以在一定程度上抑制沙尘暴灾害的发生。     

基于IHS和PCA的CBERS与TM数据融合研究

以安徽省淮北市主城区为主要研究区域,采用2000年9月14日TM图像和2007年4月8日中巴资源卫星(CBERS-02)CCD数据作为数据源,主城区TM图像大小为239×338,CBERS图像大小为367×519.对两期遥感图像进行图像配准和去噪处理,运用IHS变换法和PCA变换法对TM图像和CBERS全色波段图像进行融合,并对融合结果进行了评价.     

基于小波变换的山西省PM2.5污染特征及影响因素

基于山西省11城市2015～2019年PM_2.5日均浓度、社会影响因素数据和气象数据,利用小波变换确定PM_2.5浓度周期,通过Spearman相关性和小波相干谱分别探究PM_2.5与社会影响因素和气象因素的关联,确定PM_2.5长短周期管控的主要影响因子.结果表明,2015～2017年山西省PM_2.5浓度年均值呈上升趋势,年均上升率为4.3%, 2018～2019年呈下降趋势,年均下降率为4.2%;ρ(PM_2.5)月均值呈“U”型分布,1月最高(95μg·m^-3), 8月最低(34μg·m^-3),冬季均值约为夏季的2倍;临汾等南部城市ρ(PM_2.5)均值为62μg·m^-3,大同等北部城市均值为45μg·m^-3,空间上呈南高北低.11城市PM_2.5浓度存在显著周期性变化,主要周期包括293 d左右的长周期和27 d左右的短周期.其中...     

基于Bandelet变换的图像去噪算法研究

Bandelet变换是一种信号稀疏表示方法。与二维小波变换无法有效利用图像几何特征不同的是,Bandelet变换通过计算图像的几何流并在每个局部区域内选择最佳方向实施小波变换。本文分析了Bandelet变换的基本原理并将Bandelet变换应用于图像去噪,提出一种基于Bandelet变换的图像去噪算法并在MATLAB中实现,结果验证了本文算法比小波变换具有更好的性能。本文算法的去噪图像更加平滑,视觉效果更佳,峰值信噪比(PSNR)、等效视数(ENL)等评价指标也更好。     

城市大气环境质量比较评价分级方法

以城市大气环境实测数据为背景,经过Box－Cox变换,选取标准正态分布的代表点,得到大气环境质量分级标准值及对应概率。数据正规化后,从多种因素和总量统计进行大气环境质量综合比较分级,按综合分级值M_ij从（0.0～1.0）均分原则,分为清洁级、尚清洁级、轻度污染级、中度污染级、重度污染级和极度污染级。