基于主成份变换的多源遥感数据融合

通过利用主成份变换融合,对Landsat7的全色图像与多光谱图像进行融合处理,结果表明:主成份变换融合能够提高多光谱影像的信息量和空间分解力,较好的保留了原多光谱影像的光谱特征,减少图像理解的模糊性,便于目视解译,提高遥感数据的利用率.     

基于小波域隐马尔可夫树模型的多光谱遥感影像纹理分割技术研究

遥感图像纹理信息丰富，需要进行有效的纹理特征描述．小波域隐马尔可夫树（HMT）模型提供了一种有效的纹理特征提取方法．简述了HMT模型及分割思想，并在此基础上针对多光谱遥感图像，探索更好的纹理描述方法．通过适当的数学变换，得到多光谱遥感影像在不同角度下的描述：H—S—I分量和最大主成分分量．研究比较各分量特性并应用HMT模型，得到不同分量下纹理分割结果．实验表明，利用多光谱信息可有效地提高分割质量。     

基于多尺度模糊边缘特征的遥感影像融合方法

针对全色与多光谱遥感影像融合,提出了一种基于多尺度模糊边缘特征的融合方法.该方法根据à trous小波变换特点以及全色与多光谱遥感影像的频率关系,对全色影像进行多层小波分解,并将不同尺度下的小波面叠加得到多尺度小波面,然后对其进行模糊增强处理提取边缘细节信息,最后将边缘细节信息叠加到多光谱影像中得到融合结果.实验中与传统融合方法进行了主观分析与客观定量比较,结果表明本文方法具有良好的融合效果.     

基于IHS变换与直方图匹配法的遥感影像融合

针对IHS变换法(彩色空间变换法)对多光谱图像和高分辨图像进行融合会丢失较多的光谱信息,称之为光谱扭曲,文中研究并实践了一种新方法,该方法利用直方图匹配的方法来解决光谱特征扭曲的问题,经过直方图匹配处理后的高分辨图像和多光谱图像的光谱强度分量具有较强的相关性,经IHS反变换后可以得到具有较好空间分辨率和光谱信息的融合图像．文中以TM图像和SAR图像融合为例进行分析,其结果表明,该方法得到的融合图像优于传统的IHS变换法．     

基于结构性字典学习的高光谱遥感图像分类

为提高高光谱遥感图像的分类精度,提出了一种新的结构性稀疏表示及字典学习的高光谱遥感图像分类方法.该方法能同时利用高光谱遥感图像像素间的空间及光谱关系得到表示每个像素的字典,被划分为同一像素组的像素具有通用的稀疏模式;由字典计算图像的稀疏表示系数获得遥感图像的稀疏表示特征;利用线性支持向量机算法实现对高光谱遥感图像的分类.对AVIRIS和ROSIS高光谱遥感图像进行的实验结果表明:提出的方法比普通字典学习分类精度分别提高0.041 1和0.046 6,Kappa系数分别提高0.179 3和0.056 3.      

基于多光谱混合梯度的遥感影像分水岭分割方法

针对分水岭分割算法中的过分割问题,提出基于加权混合梯度的多光谱遥感影像分水岭分割方法.综合利用多光谱遥感影像各个波段的光谱信息,根据图像信息熵构建加权混合梯度.加权混合梯度图像形态学重建滤波之后,引入基于梯度图像区域极值中值的自适应极小值抑制技术对混合梯度图像进行修正,修正后的梯度图像运用分水岭变换,实现了多光谱遥感影像的分割.以QuickBird和Planet多光谱影像为实验数据验证了该方法,分割结果符合人类视觉感受,减小了过分割现象,为多光谱遥感影像分割提供了一种新的思路.     

基于IHS和小波变换的遥感图像融合方法研究

基于IHS变换法和小波变换法,提出一种新的图像融合方法．该方法利用IHS变换法增强空间细节表现能力,利用小波变换法保留TM图像的光谱特性,可以最大限度地保留待融合图像的光谱信息,同时可提高待融合图像的清晰度和空间分辨率．     

基于最佳指数因子的自适应权值图像融合

依据现有的多波段遥感影像的融合方法和多波段图像融合效果的客观评价准则,提出了基于最佳指数因子的自适应权值图像融合算法.最后,结合互联网卫星数据,给出了实验结果.结果表明,该方法为研究人员提供一个较佳的融合后影像.     

基于面向对象分类的密云县城区地面不透水程度分析

利用LandsatTM影像数据,试验了一种基于面向对象分类分析的城区地面不透水程度分析制图方法,包括：对城区多光谱遥感影像进行分割,对分割生成的影像对象层进行面向对象的分类,再在分类的层上执行基于分类的融合,从而获得城区与非城区分布范围的影像对象层;第2次分割影像,获得表示城区独立结构单元的完全不透水地面影像对象层,对该层进行面向对象的分类;第3次分割影像,获得表示城区不同地块的影像对象层,结合第1次和第2次影像分割对象层分类的特征信息对该层进行面向对象的分类,把城区地块按不透水程度大小进行分类;最后输出第3次分割的影像对象层分类结果图,即获得城区地面不透水程度分析图．试验结果表明,面向对象分娄暑一种i舌干分析珐区王lb．面不番水程唐的有张方法     

基于eCognition的面向对象农村公路提取

采用面向对象思想,使用高分辨率CBERS 02B HR全色影像对农村公路进行提取。在对影像进行分割后,综合利用影像对象的光谱信息和几何信息,构建道路提取知识库,并使用道路生长法对提取结果进行完善,增加了道路的完整性。与面向像元的方法对比,该方法能取得较好的精度。     

特征融合与约简的纹理分类方法研究

提出了一种新的基于多特征融合的纹理分类算法.首先,通过灰度共生矩阵(GLCM)、高斯马尔科夫随机场(GMRF)和二进制小波(Wavelet)抽取纹理特征,采用基于K近邻域(K-NN)分类器的留一法交叉验证错误率作为顺序前向搜索算法(SFS)的评估函数进行特征约简,从而有效地将多特征进行融合,最后利用K-NN分类器对融合后的特征进行分类.对Brodaz纹理库的测试结果证实:(1) GCLM,GMRF和Wavelet方法提取的纹理特征具有互补性与协同性;(2)与单独的纹理特征提取方法相比,多特征融合与约简的方法取得了更高的识别精度;(3) 与简单的特征联合方法相比,文中提出的方法识别率可提高约4%;(4) 与经典特征降维方法(主成分变换(PCA)、Fisher判别(LDA)法)相比,文中提出的方法在识别精度和识别效率方面更具有优势,是一种实用的纹理分类方法.     

基于点特征和边缘特征的无人机影像配准方法

为解决变形较大的无人机影像配准问题,提出了点特征和边缘特征相结合的配准方法.用尺度不变特征变换(SIFT)算法提取点特征,完成影像的初步配准,并通过多项式函数对影像进行粗校正.在此基础上提取影像的边缘特征信息,根据距离相似性对边缘特征信息进行配准;依据色彩能量差筛选点特征信息配准结果和边缘特征信息配准结果,采用小面元微分校正的方法对变形影像进行校正.实验结果表明:提出的配准方法能够弥补点特征配准方法和边缘特征配准方法的不足,其配准的鲁棒性提高10%左右,可以较好地完成变形较大的无人机影像配准.      

基于Hopfield神经网络的遥感图像超分辨率识别算法

提出基于Hopfield神经网络的遥感图像超分辨率目标识别算法，它是利用模糊分类技术进行模糊分类，然后用分类结果约束Hopfield神经网络的方法．通过实验，可知Hopfield神经网络在学习样本少时．也能够输出分辨率相对较高的地物目标信息．因此．基于Hopfield神经网络的遥感图像处理方法，能够提高遥感图像的目标分辨率．使其目标特征信息更清晰．     

基于遥感图像信息特征的单调递增SSDA算法

图像配准就是将不同时间、不同传感器或不同条件下对同一景物获取的两幅或多幅图像,进行比较找到该组图像中的共有景物,或是根据已知模式到另一幅图中寻找相应的模式。利用遥感图像进行目标监测需要进行图像配准处理。匹配算法如何达到高精度、高匹配正确率和实时性成为人们追求的目标。文章在传统匹配算法的基础上,提出两点改进:一是通过PCA-圆形SIFT算法提取图像特征角点,降低维数,优化计算;二是利用图像角点作为单调递增阈值序列SSDA算法匹配的基本像素点,利用遥感图像信息特征降低匹配计算量。最后进行实验仿真,结果表明,改进后的算法使得配准速度进一步提高,能够满足遥感图像配准实时性的要求。     

基于双流降维EEMD-CNN滚动轴承故障诊断

为了提高滚动轴承故障分类的准确率,提出了一种将EEMD与一维卷积神经网络(1D-CNN)相结合的滚动轴承故障识别方法。首先利用EEMD算法将轴承故障振动信号分解为若干条IMF分量,筛选确定可以充分体现故障类型的IMF分量,将原始数据和筛选出的IMF分量分别采用主成分分析算法(PCA)进行降维处理,并将处理后的PCA-IMF分量和原始数据分量分别作为1D-CNN的输入数据进行网络训练和测试,得到故障识别结果。通过对比分析,与EEMD-CNN、EEMD-随机森林等方法的平均准确率进行横向比较,结果表明,EEMD-CNN方法用来识别故障类型更为准确。     

基于LS-SVM高光谱成像鱼新鲜度鉴别

基于高光谱成像光谱信息的鱼新鲜度(鱼不同冷冻时间以及冻融次数)鉴别。首先,提取鱼样本感兴趣区域(region of interest,ROI)光谱,分别采用蒙特卡罗无信息变量消除(Monte Carlo free information variable elimination,MCVE),连续投影算法(successive projections algorithm,SPA)和随机青蛙算法(random frog,RF)提取特征波长,三种算法分别得到90,31和49个特征变量,采用最小二乘支持向量机作为分类模型,将90,31和49个特征变量作为LS-SVM模型的输入变量建立分类模型,基于SPA-LS-SVM和MCVE-LS-SVM模型预测集识别率都达到了98%,而采用RF-LS-SVM建立的模型取得了较差的预测结果 ,模型预测集识别率都只是达到了88%。结果表明,SPA-LS-SVM作为分类模型优于其他模型,SPA选择的特征波长,不但可以简化模型,还可以提高模型的预测精度,基于高光谱成像技术可以用于鱼新鲜度(鱼不同冷冻时间以及冻融次数)鉴别。     

高分辨率遥感影像分割提取构筑物评估

面向对象的影像分析已成为针对高分辨率遥感影像信息提取和行业应用的一种先进方法．该方法的实用效果,基础和关键在于对影像中所关注地物目标的影像分割提取效果．针对高分辨率遥感影像地面杓筑物的提取,采用经验性符合统计比较法,把自动分割结果与人工分割提取的地面构筑物区域轮廓相对符合程度分为3个等级：良好、可以接受和不可接受,对当前应用广泛的两种多尺度影像分割方法进行了地面构筑物分割提取效果评估．     

基于遥感和GIS的公路水毁监测和评估技术框架

在分析公路水毁灾害监测对遥感数据要求的基础上, 利用ALOS卫星遥感影像建立滑坡与泥石流等水毁灾害信息自动提取模型, 结合遥感和GIS软件平台建立了公路水毁遥感自动评估系统与水毁监测和评估技术流程。以四川省北川县境内区域作为典型研究区, 进行“5.12”地震后公路水毁自动监测和评估分析, 将结果与利用更高分辨率遥感影像人工解译的分析结果进行对比。发现二者在水毁公路长度上相比, 误差不超过10%;空间分辨率在2~10 m、具有多光谱的遥感数据是进行山区超过400 m²以上规模公路水毁灾害研究比较适用的数据源。     

3S集成技术在土地利用动态监测中的应用

针对基于RS和G IS的土地利用动态监测方法可靠性差,精度低,提出了RS,G IS和GPS集成技术.在2000年TM遥感影像解译数据的基础上,以2004年中巴资源卫星(CBERS-02)遥感影像数据为信息源,对2004年遥感影像进行了解译,修改了2000年数据库.在野外用手持GPS接收机对解译成果进行了验证,更新了解译的数据库;利用G IS技术的空间分析功能,提取出了2000~2004年间土地利用/覆被变化信息,得到了高精度的土地利用动态变化数据库,并在此基础上对土地利用动态变化信息进行了分析.实验结果表明,利用3S集成技术可以提高土地利用信息的可靠性和精度.     

应用小波模历史图像的运动车辆视频检测

为提高车辆目标检测的稳定性和准确性,提出了基于背景减除和小波分解模历史图像的运动车辆检测算法.首先对原始图像进行小波分解,对低频分量用混合高斯模型和纹理特征相结合的方法,自适应更新背景并标记运动目标初始区域;然后,基于高频分量计算模值,并通过逐帧历史累积得到模历史图像;最后,利用车辆目标与阴影相比富含边缘细节的特点,对目标进行倾斜校正后,将目标边缘分别沿图像x和y方向投影,利用投影曲线将边缘信息与目标初始区域信息迭代融合,得到最终检测结果.实验结果表明,用本文方法检测车辆的捕获率达到99.0%,有效率为92.5%;与使用单一自适应背景提取方法相比,在实际交通场景中可有效处理阴影导致的多目标粘连问题,检测结果更准确.