基于光谱解译的高光谱图像奇异检测算法

奇异检测是高光谱图像的重要应用之一.针对目前研究中存在的问题,提出了一种新的基于光谱解译的奇异目标检测算法,用于高光谱图像处理.该算法利用光谱解译技术有效地实现了目标信息和复杂背景的分离,很好地抑制了背景对检测的干扰.解译后的误差数据仅包含丰富的目标信息且更好地服从高斯分布.利用主成分分析对解译误差数据进行变换,根据高阶统计量,定义局部平均奇异度来选择对于奇异检测最有效的主分量,并利用RX算子完成最终检测.为验证算法的有效性,利用真实的AVIR IS数据进行了仿真实验.结果表明该算法能够较大地改进经典RX算法的检测性能.     

利用背景残差数据检测高光谱图像异常

针对高光谱图像微小目标检测中存在的严重背景干扰问题,提出了一种基于背景残差数据的非线性异常检测算法.首先利用提取的背景光谱端元对图像各像元进行光谱解混,实现了目标信息和复杂背景信息的分离;接着将含有丰富目标信息的解混残差数据非线性映射到高维特征空间,可以充分挖掘高光谱图像波段间隐含的非线性信息,并在特征空间利用RX算子完成目标的检测,从而在抑制大概率背景信息的基础上有效地利用了高光谱图像波段间的非线性统计特性.为了验证算法的有效性,利用真实的AVIRIS数据进行了实验研究,并与经典RX算法、未抑制背景的特征空间核RX算法的检测结果相比较,结果表明基于背景残差数据的检测算法具有良好的检测性能和较低的虚警,且运算复杂度较低.     

基于背景残差数据的高光谱图像异常检测算法

针对高光谱图像微小目标检测中存在的严重背景干扰问题,提出了一种基于背景残差数据的非线性异常检测算法.首先利用提取的背景光谱端元对图像各像元进行光谱解混,实现了目标信息和复杂背景信息的分离;接着将含有丰富目标信息的解混残差数据非线性映射到高维特征空间,可以充分挖掘高光谱图像波段间隐含的非线性信息,并在特征空间利用RX算子完成目标的检测,从而在抑制大概率背景信息的基础上有效地利用了高光谱图像波段间的非线性统计特性.为了验证算法的有效性,利用真实的AVIRIS数据进行了实验研究,并与经典RX算法、未抑制背景的特征空间核RX算法的检测结果相比较,结果表明基于背景残差数据的检测算法具有良好的检测性能和较低的虚警,且运算复杂度较低.     

量测重构线性混合模型高光谱图像目标检测

针对高光谱图像中无背景和目标先验信息情况下的目标检测问题,给出了一种基于量测重构光谱混合模型的目标检测算法.通过构造投影算子削弱背景干扰,提高自动搜索目标光谱特征的准确性;对光谱空间进行估计后,构造量测重构光谱混合模型;以此量测重构混合光谱模型为基础,使用投影抑制背景并提高信噪比以改善检测效果.同时给出了目标信号与局部杂乱背景之间的均方根误差SLCR及目标信号峰值与局部杂乱背景均值的比例PSLCMR两个检测评价指标的定义.利用可见光/近红外波段高光谱图像进行了实验,实验结果和理论分析表明了算法的有效性.     

自适应结构化背景和形状特征子空间高光谱图像多类目标检测

针对高光谱图像中目标形状特征已知,背景和目标光谱特征未知时的多类小目标检测问题,给出一种检测算法.通过高光谱图像数据样本二次型的高阶矩控制点扩散函数,获取自适应结构化背景;然后,利用目标形状先验信息构造形状特征子空间,在高维光谱特征空间实现形状特征子空间匹配检测.理论分析和实验结果表明该检测器可同时有效检测具有不同形状特征的多类目标.     

核加权RX高光谱图像异常检测算法

提出了一种新的基于混合核函数的加权RX算法,用于高光谱图像异常检测.在将原始高光谱数据非线性映射到高维特征空间以挖掘高光谱图像波段间蕴含的非线性信息后,自适应地赋予特征空间RX算子中采样协方差矩阵各光谱向量相应的权值.权值的大小与光谱向量到质心的距离成反比,从而削减了协方差矩阵中异常数据比重,使加权协方差矩阵更好地表征背景数据分布.最后利用核函数性质将高维特征空间的内积运算转化为低维输入空间的核函数计算,并根据高光谱数据特点线性组合新型光谱核函数和径向基核函数以改善算法性能.为验证算法的有效性,利用真实的高光谱数据进行了仿真实验,结果表明该算法优于特征空间的RX算法,能检测到更多的异常目标.     

基于扩展数学形态学的高光谱亚像元目标检测

提出了一种基于扩展数学形态学和光谱角度匹配相结合的高光谱亚像元目标检测算法。在目标与背景未知的情况下,同时利用光谱和空间信息实现目标的定位与检测,实现高光谱亚像元目标的检测识别。通过扩展的形态学膨胀和腐蚀运算实现端元提取,采用光谱角度匹配算法进行感兴趣目标的检测识别。算法性能通过AVIRIS数据进行评价,与仅利用光谱角度匹配的算法和RX异常检测算法进行比较。实验证明,所提出的算法性能优于其他两种算法,具有低虚警率的亚像元目标检测结果。     

基于导弹尾焰特征谱的SVDD检测方法

现有天基红外导弹预警系统对目标的探测侧重于对红外图像的处理。从光谱维数据分析角度出发结合支持向量数据描述基本理论,提出了一种基于导弹尾焰特征谱的SVDD检测方法。应用小样本训练数据建立了单分类器,以11型导弹目标的红外辐射尾焰特征谱数据作为训练样本,比较了RBF与SSM作为核函数的检测效果,应用交叉检验的方法确定宽度因子和相似临界因子的值,结果表明,在低信噪比红外图像中,基于SSM-Kernel的SVDD检测性能优于基于RBF-Kernel的检测性能。应用训练样本数据的辐射双峰所对应中心波长作为匹配模板进行识别,实验表明方法具有可行性。     

一种基于内容分块的层次化去冗优化策略

在过去的数十年中,信息数据量呈现指数级增长,如何存储和保护这些大量信息数据成为一个难题.云存储和冗余去重技术成为解决上述难题的主要技术.去冗技术在云存储系统中得到广泛应用,但主流的云存储系统存在索引信息的膨胀以及数据分块的不确定性等不足,而这些弊端会导致内存空间的浪费和数据分块的不可预知性.针对这些问题,提出了一种基于内容分块的层次化去冗优化策略,并构建了对应的算法,解决了云存储系统中索引信息表过大和数据分块过大或过小的问题.并且选取CNN新闻的页面内容作为测试集进行实际测试,通过比较去冗比和去冗时间可以看出,相比于目前主流的去冗策略,本文提出的基于内容分块的层次化去冗优化策略能够提升3%左右的去冗比,同时降低2%左右的去冗时间.     

基于区域协方差矩阵特征与流形SVDD的SAR目标鉴别

为提高合成孔径雷达自动目标鉴别方法中鉴别特 征的可分性及鉴别器的 拒判性能,提出了一种基于区域协方差矩阵特征与一种迭代的SVDD相结合的目 标鉴别方法。融合多种纹理特征及其相关性,构造了一种基于区域协方差矩阵的 鉴别特征,该特征在实验中取得了良好的可分性且无需进一步的特征选择。将 SVDD的分类准则与协方差矩阵特征空间的流形结构相结合,设计了一种迭代流 形SVDD鉴别器,通过一种新的迭代方法选择SVDD的超球面中心代替Karcher均值点作为映射 基点。在RADARSAT-2实测数据上的实验结果验证了新方法的有效性。     

游程DSGM-SC同步波形压缩

该文研究了一维局域急变,广域缓变信号的游程DSGM-SC同步高效压缩。该压缩技术采用游程差分样条梯度均值检测,标记信号的高频分量,再通过优化插值进行谱压缩,提高数据序列的整体相关性,同步压缩相关变换后的高低频数据文件,获得高压缩效率。记录高低频数据分段定位信息,实现无损时间解压缩。对NEC的BSM8300多功能床旁监护仪ECG记录的压缩实验表明,在医疗特征保真度很高的情况下,压缩比可达32.4。此项研究适用于一维数据分析,记录,传输和综合应用。     

求解多示例问题的支持向量数据描述方法

将支持向量数据描述方法引入到多示例学习中,提出了三种基于SVDD的多示例学习方法:基于包分类和示例分类的SVDD多示例学习方法MI-SVDD和mi-SVDD,以及基于正示例预测的SVDD多示例学习方法SVDD-MILD_I.在MUSK数据集上的实验结果表明,MI-SVDD方法和mi-SVDD方法的精度与MI-SVM方法和mi-SVM的总体相当,SVDD-MILD_I方法的精度比较高,超过了我们已知的目前已发表的最好结果;对COREL图像库进行基于内容的图像检索的实验表明,SVDD-MILD_I方法的精度较高,并且比较好地区分了容易混淆的Beach类图像与Mountains类图像.     

基于二维查找表结构的SAR原始数据自适应频域压缩算法

该文针对实际SAR多普勒中心偏移及多普勒谱分裂问题,提出基于一维查找表的自适应多普勒非均匀压缩比分配方法,该方法结合一维量化编码查找表构成二维查找表结构的SAR原始数据自适应频域压缩算法。该文推导了SAR距离向回波频谱解析式,给出距离向非均匀压缩比分配通用方案。实际数据处理结果表明,该方法比传统频域类压缩算法具有更好的信噪比及鲁棒性。理论分析结果表明,其运算量提高很小,易于工程实现。     

基于5G信号的脉压加权相参积累方法

5G信号携带的通信信息导致脉压信号出现大量随机性起伏旁瓣,类似于噪声对脉压信号的干扰,影响了相参积累性能。针对该问题,本文将脉压信号幅度加权的方法应用到基于5G信号的外辐射源雷达系统中,在单发单收的雷达模型基础上,理论分析了5G信号特性及脉压旁瓣起伏性较大原因,推导了脉压幅度加权方法抑制随机性旁瓣的可行性。最后,通过建立距离 多普勒谱,实现对5G信号的相参积累。仿真结果表明该方法能够大幅度降低峰值旁瓣比,可有效实现对脉压旁瓣的抑制。     

带拒识能力的双层支持向量模型分类器

本文构造了一种带拒识能力的双层支持向量模型分类器.在训练学习过程中,首先对各类样本特征空间求取最小的包含球形边界,得到各类样本的球形支持向量域表示.这样对于输入的非目标样本即可利用各类的支持向量域进行拒识或接受处理;然后针对接受的样本再利用基于超平面分割的SVM训练器进行分类判决.无论是在第一层求取边界的优化问题中,还是在第二层的分类超平面优化过程中,都采用相乘性更新迭代规则直接求解,优化速度与最小二乘支持向量机(LS-SVM)相当.仿真实验表明本文提出的通过引入拒绝层和判决层的新支持向量模型策略是合理可行的,在实际模式识别领域具有广阔的应用前景.     

基于地形高度域的数据压缩算法研究

随着遥感技术的发展,地形数据规模越来越大,远远超过了内存处理的范围,成为急需解决的问题.通过数据压缩提高系统吞吐量是常用技术之一,随着GPU技术的快速发展,传统的压缩算法无法充分利用GPU的能力.鉴于此,本文提出了一种基于GPU的地形数据压缩方法,实现了高度域和位置信息的压缩.不同于其他的算法仅对高度或位置进行压缩,本文的主要贡献在于将地形的位置和高度同时进行处理,当前顶点的所有信息都可以根据当前分段计算得到.算法对地形的高度域进行贝塞尔曲线的近似,保存每个顶点的差值,实现有损和无损的相结合的高比率的压缩.通过与传统方法的比较,实验结果表明,能够取得很好的压缩效果.     

面向窄带通信信号的相位谱时差估计方法研究

对窄带通信信号采用相位谱法进行时差估计,由于信号能量谱非平坦,会出现相位解绕效果较差的现象,对此本文提出一种改进的加权最小二乘拟合方法,以更加合理地利用解绕后的相位数据,从而提高相位谱法时差估计精度。同时结合改进的最大似然相位谱法,本文还设计一种简单实用的面向窄带通信信号时差估计的频域数据压缩方法,以求在时差估计精度和数据传输量之间获取较好平衡。经仿真验证,改进的相位谱时差估计方法较大程度地提高了窄带通信信号的时差估计精度,同时,基于改进相位谱法的数据压缩可以实现用时差估计精度的适度降低换取数据传输量的大幅度减少,具有在资源有限的传感网等场合的良好应用前景。