地物波谱组合识别模型参数的遗传优化

为了从TM影像中提取不同地物波谱信息特征，构造了地物波谱组合识别函数关系式，提出了从地物TM影像中分辨出地物的一般原则，并采用遗传算法优化确定地物波谱组合识别函数关系式中的系数。根据不同地物与函数值分布范围的对应关系，可以较容易地由TM影像作出多种不同地物的识别。实例分析表明这种地物波谱组合识别模型具有简单性、实用性和可分辨性等特点。     

融合机载LiDAR和高光谱影像的土地利用分类

高光谱影像具有丰富的波谱和纹理信息，机载LiDAR点云数据包含了地物高密度、高精度的三维信息。分别从两种数据中提取地物的光谱特征、纹理特征和高度特征，并进行不同的特征组合，然后采用随机森林分类器进行地物分类实验。结果表明，机载LiDAR点云和高光谱数据在地物分类方面具有很强的信息互补性；融合了LiDAR高度特征的总体分类精度和Kappa系数均优于仅使用高光谱影像，其中“PCA+NDVI+GLCM+CHM”的特征组合总体分类精度和Kappa系数最高，分别为85.96%和0.81;与未加入LiDAR特征的组合相比，总体分类精度提高了5.33%。     

利用地物波谱学习的遥感影像波段模拟方法

针对已有遥感影像模拟方法难以在影像光谱维上扩展的不足,提出了一种基于地物波谱学习的遥感影像波段模拟方法.以地物波谱库作为先验知识,通过支持向量机拟合地物在不同观测波段范围内反射率之间的复杂非线性关系,进而在多光谱遥感影像已有波段的基础上模拟一个新的波段影像.通过模拟TM红波段影像的实验,证明本方法能较为准确地模拟出真实的光谱影像,其模拟结果可靠.进一步将该方法应用于模拟IRS真彩色影像,验证了本方法的实用性.本方法能够有效地解决多光谱影像波段缺损的问题,并在一定程度上可解决较高空间分辨率遥感影像光谱维的不足,为建立地物波谱与遥感像元波谱的定量联系提出了新的思路.     

基于光谱特征增强的高光谱图像地物目标识别

在地物识别过程中,目标光谱特征不明显是制约识别算法性能的一个重要原因,当图像中存在与目标光谱特征相似的背景杂波时,算法性能会受到很大影响.针对这一问题,提出了一种基于光谱特征增强的高光谱图像目标识别方法.利用多分辨率分解和非线性变换突出了未知光谱与标准参考光谱间微小的光谱特征差异,实现了对未知目标的识别.实验结果表明,相比于未进行光谱特征增强的方法,方法能够很好地分辨出不同地物间微小的光谱特征差异,同时有效地抑制了图像中背景杂波的干扰,具有更好的识别能力.     

基于BP网络的地物影像光谱识别及效果检验

提出了一种基于改进后的BP人工神经网络的地物影像的多波段光谱识别新方法。该方法遵循网络的隐节点数与训练样本数相匹配的网络结构设计的最简原则构建BP网络;采用了随机增加每类样本数,添加样本集中的噪声干扰。从而使噪声起到平滑作用。既防止过度训练,提高了网络的泛化能力。又加快了收敛速度。对11类地物多波段光谱影像实例。通过相继二次构建BP网络模型进行训练,用两次训练好的网络对全部11类地物区分效果明显,达到能完全区分不同地物分类识别的目的。     

基于多特征的遥感影像决策树分类

构建了一种基于多特征的遥感影像决策树分类方法。通过对遥感影像进行波段代数运算、主成分分析和图像分割等处理,提取出影像上地物的光谱维特征、纹理特征和形状特征。在此基础上,结合试验区主要地物类型提纯后的训练样本集,采用C5.0决策树分类法进行影像分类,实现主要地物的空间分布专题信息提取,并利用该方法对Landsat-5TM影像进行了分类实验。结果表明,所提出的方法能够有效地提高分类精度。     

基于光学和雷达遥感影像融合的地类识别研究

针对光学和雷达协同处理信息挖掘的需求,为提高主被动遥感数据协同处理应用于土地利用/覆盖地类识别的能力,提出了一种改进的光学和雷达遥感数据融合识别方法。以意大利PAVIA地区的ERS SAR和Landsat TM影像、江苏徐州矿区的ALOS PALSAR和AVNIR-2影像对,ALOS PALSAR和SPOT影像对为信息源,利用改进的小波变换与色彩域变换算法进行处理,融合结果与传统的Brovey、GS、PCT、HSV、Wavelet融合算法作定量比较,并采用支持向量机(SVM)算法以相同的训练区分别对融合前后的影像,及不同融合结果进行典型地物类型识别。通过融合影像定量指标评价和识别应用验证,结果表明改进的融合算法很好地保留了融合前影像的光谱和纹理信息,且使用融合后影像识别的精度不仅明显优于单独利用光学或雷达影像,而且比采用的传统融合算法的识别结果也有较大提高。     

遥感影像地物分类识别的研究与实现

遥感影像地物分类识别在环境监测、地质调查等领域都有着广阔的应用前景。对遥感影像进行光谱特征和纹理特征提取,并利用支撑向量机(SVM)进行地物分类是遥感影像地物识别的一种常用的方法。文章详细介绍了该方法的理论、思路及实现过程,并基于ENVI和MATLAB环境进行实验仿真证明其有效性,具有良好的研究和学习意义。     

机载热红外多光谱数据定标与温度反演

设计了热红外航空遥感实验,对获取的热红外图像进行了定标,用发射率归一化方法反演了地物的温度和发射率光谱,探讨了利用地物热红外光谱识别地物的可行性.结果表明,基于热红外多光谱数据的发射率归一化方法可以有效地反演地物温度和发射率光谱,所反演的发射率光谱可以比较有效地应用于地物的识别,尤其是对于土壤不同性状的探测识别可以取得良好的结果.     

组合沃拉斯顿棱镜组的目标偏振检测方法

为了提高静态偏振光谱成像系统光谱分辨率并获得更好的目标识别能力,设计了正交组合沃拉斯顿棱镜组结构,配合静态相位调制技术完成了目标的偏振光谱成像。该技术采用了多级棱镜组合的方法在不扩大原有静态干涉棱镜尺寸的条件下扩大了空间光程差变化范围,从而提升了静态光谱分辨率。通过相位调制与图像周期性匹配的方法完成了二维图像与光谱分离。仿真分析了结构尺寸与调制度对光谱分辨能力的函数关系。实验采用计算模拟验证了二维图像与光谱分离的可行性。在晴天与阴天两种不同状态下,测试了30.0 cm铝板目标的信号对比度,采用偏振光谱成像并完成数据提取的测试结果均值为53.4%和49.3%,而基于强度图像的测试结果均值为24.4%和14.1%。文中设计可以改善目标识别效果,提高光谱分辨精度。     

Context-aware vocabulary tree for mobile landmark recognition

This paper presents an effective approach that incorporates contextual information into vocabulary tree learning for mobile landmark recognition. For most existing mobile landmark recognition works, the context information (GPS or direction) is mainly used to reduce the search space in a heuristic and insufficient manner. Some recent work uses the context information for codebook learning but only the GPS information is explored. We propose an effective mobile landmark recognition approach which exploits both context (direction and location) and content information for vocabulary tree learning and image recognition. The proposed approach has two major contributions: (i) it proposes an information gain-based codeword discrimination learning method to evaluate the discriminative capability of each direction-aware codeword, as generated by a context-aware vocabulary tree, and (ii) it develops a context-aware image scoring technique based on an inverted file structure that speeds up the image matching process greatly. Experimental results on the NTU and San Francisco database show that the proposed method can achieve good recognition performance with fast speed.     

基于最大Gabor相似度的多光谱人脸识别系统

以精准识别不同特征维数以及噪声情况下的多光谱人脸为目标,设计基于最大Gabor相似度的多光谱人脸识别系统。原始可见光光谱图像以及热红外光谱图像分别输入系统的可见光光谱图像处理模块以及热红外光谱图像处理模块,图像处理模块分别提取原始可见光光谱图像以及热红外光谱图像特征并建立特征集,多光谱图像融合模块基于特征集内特征利用双匹配度图像策略融合多光谱图像,利用融合后图像建立人脸数据库,将待识别人脸图像输入人脸识别模块,人脸识别模块利用人脸数据库通过最大Gabor相似度的人脸识别方法识别人脸,并输出识别结果。系统测试结果表明,不同特征维数图像以及加入椒盐噪声情况下,系统均具有较高的识别准确率。     

数字图像拼接篡改盲取证技术研究

研究图像的篡改识别问题,由于数字图像能够被轻易的篡改并且很难发现改动痕迹,对篡改像素不融合现象识别不清,导致图像篡改很难被肉眼识别。为解决上述问题,从篡改者的角度对目前流行的篡改手段做了新的分类,详细分析了各种篡改取证技术的优缺点。提出了一种基于统计特征分类的盲检测算法,实验表明,从图像的双谱幅值和相角检测可以准确识别出篡改后的图像,为篡改图像的识别提供了依据。     

应用SVM算法进行TM多光谱图像地物分类

SVM算法是近年来统计模式识别领域流行的算法。因为有统计学习理论（SLT）作为基础,SVM算法具有良好的计算有效性、健壮性和统计稳定性,被广泛地应用在图像识别、语音识别、文字识别等多种模式识别领域。TM多光谱遥感图像的地物分类一直是遥感图像处理领域比较困难的问题。现尝试应用SVM算法对北京市怀柔水库附近地区的地物进行分类,收到了较好的效果。     

数字图像处理在光学相关识别中的应用

光学模式识别信息处理容量大,运算速度快,但精度不高,存储不灵活,不易判断控制和分析.联合变换相关器在光学图像相关识别中得到了广泛的应用.为提高联合变换相关器的性能,将数字图像处理技术引入光学相关识别中,主要体现在对联合图像进行预处理以及对联合功率谱的滤波处理.详细阐述了国内外常用的联合图像预处理算法和功率谱滤波算法,并对这些算法在光学相关识别中的应用效果进行了比较研究.     

基于高光谱图像的协同分层波谱识别--以兰州、榆林地区为例

提出协同分层波谱识别法,分别从兰州、榆林市Hyperion高光谱图像上识别9种目标地类,并与SVM监督分类对比。针对Hyperion图像波谱识别的4个难点:光谱信息高保真融合、敏感谱段提取、"椒盐效应"去除、消除"同物异谱"现象导致的误判,协同应用WP-GS融合、导数变换、4尺度面向对象分割和多谱段SAM解决上述难点,并基于Hyperion导数变换图像分析波谱变化特征、提取敏感谱段、从4个尺度层依次识别9种目标地类,然后根据目视评判和定量评价,与综合使用Gram-Schmidt光谱锐化融合/Savitzky-Golay卷积滤波/PCA变换的SVM监督分类结果比较识别精度。实验结果表明WP-GS融合的光谱保真效果优于Gram-Schmidt光谱锐化;4尺度面向对象分割抑制"椒盐效应"的效果优于Savitzky-Golay卷积滤波、移动均值滤波;多谱段SAM利用导数波谱特征能够消除因照度不同对同一类别地物的误判。采用协同分层波谱识别法,兰州市Hyperion图像波谱识别的总体精度、Kappa系数分别为89.52%、0.852,较SVM分类分别提高18.68%和17.52%;榆林市Hyperion图像识别地物的总体精度、Kappa系数分别为91.12%、0.873,较SVM分类分别提高17.80%和16.89%。协同分层波谱识别法应用多种技术一体化解决Hyperion图像应用难点,有效利用导数波谱变化特征提取目标敏感谱段,在复杂环境下识别目标地类的能力优于SVM监督分类。     

高斯拉普拉斯算子在联合相关变换器中的应用

提出将高斯拉普拉斯算子应用在光电联合相关变换器中进行谱面图像的增强处理.光电混合联合变换器可实现对目标的实时探测、识别及自动定位,但由于实际中采集到的图像的对比度较低,且存在大量背景噪音,影响了目标的识别率.根据高斯拉普拉斯变换对高斯噪声不敏感的特性,结合了自适应阈值、边界跟踪和细化技术,对图像噪声进行滤波的同时,对图像进行了增强处理,这样最大限度地保留了光谱图像的细节信息,提高了光电联合相关系统的目标识别率.     

用Delphi开发质谱图扫描图像识别系统

从图像文件中获取图像灰信息是传统的图像处理与识别技术所采取的方法。本文提出了利用Ｄｅｌｐｈｉ提供的Ｃａｎｖａｓ对象获取图像灰度信息的方法,为了充分体现这种方法的优点,本文对如何用它识别质图扫描图像进行了详细的论述。