结合空间光谱预处理和约束非负矩阵分解的高光谱图像混合像元分解

目的 混合像元问题在高光谱遥感图像处理分析中普遍存在,非负矩阵分解的方法被引入到高光谱图像解混中。本文提出结合空间光谱预处理和约束非负矩阵分解的混合像元分解流程。方法 结合空间光谱预处理的约束非负矩阵分解,如最小体积约束、流行约束等,通过加入邻域的空间和光谱信息进行预处理获得更优的预选端元,从而对非负矩阵分解的解混结果进行优化。结果 在5组不同信噪比的模拟数据实验中,空间预处理（SPP）和空间光谱预处理（SSPP）均能够有效提高约束非负矩阵分解（最小体积约束的非负矩阵分解和图正则非负矩阵分解）的解混结果,其中SPP在不同信噪比的情况下都能优化约束非负矩阵分解的结果,而SSPP在低信噪比的情况下,预处理效果更佳。利用美国内华达州Cuprite矿区数据进行真实数据实验,SPP提高了约束非负矩阵分解的解混精度,而SSPP在复杂场景下,解混精度更佳。模拟数据和真实数据的实验均表明,空间光谱预处理能够有效地提高约束非负矩阵分解的解混精度,特别是对于信噪比较低的情况下,融合空间和光谱信息对噪声有很好的鲁棒性。结论 本文对约束非负矩阵分解的解混算法添加空间光谱预处理,利用高光谱遥感数据的空间和光谱信息,优化预选端元,加入空间光谱预处理的非负矩阵解混实验流程,在复杂场景情况下,对噪声具有较好的鲁棒性。     

图嵌入投影非负矩阵分解图像特征提取方法

针对投影非负矩阵分解(PNMF)不能揭示数据流形几何结构和判别信息的问题,提出了一种图嵌入投影非负矩阵分解(GEPNMF)特征提取方法。首先分别构建了描述数据流形几何结构和类间分离度的近邻图,然后采用它们的拉普拉斯矩阵设计了一个图嵌入正则项,并将其与PNMF的目标函数融合,以构造GEPNMF的目标函数。在GEPNMF目标函数中引入了图嵌入正则项,使求得的子空间能够在保持数据流形几何结构的同时,类间间距也最大。另外,还在目标函数中引入了一个正交正则项,以确保GEPNMF子空间基向量具有数据局部表示能力。对求解GEPNMF目标函数的累乘更新规则(MUR)进行了详细的推导。在Yale和CMU PIE人脸数据库上的实验结果表明,提出的图嵌入投影非负矩阵分解特征提取方法比PNMF更适用于解决分类问题。     

图嵌入正则化投影非负矩阵分解人脸图像特征提取

目的 针对投影非负矩阵分解（PNMF）不能揭示数据空间的流形几何结构和判别信息的缺点,提出一种图嵌入正则化投影非负矩阵分解（GEPNMF）人脸图像特征提取方法。 方法 首先构建了描述数据空间的流形几何结构和类间分离度的两个近邻图,然后采用它们的拉普拉斯矩阵设计了一个图嵌入正则项,并将该图嵌入正则项与PNMF的目标函数融合以建立GEPNMF的目标函数。由于引入了图嵌入正则项,GEPNMF求得的子空间能在保持数据空间的流形几何结构的同时,类间间距最大。此外,在GEPNMF目标函数中引入了一个正交正则项,以确保GEPNMF子空间基向量具有数据局部表示能力。最后,对求解GEPNMF目标函数的累乘更新规则（MUR）进行了详细推导,并从理论上证明了其收敛性。结果 在ORL、Yale和CMU PIE人脸图像数据库上分别进行了人脸识别实验,识别率分别达到了94.00%、64.33%和98.58%。结论 实验结果表明,GEPNMF提取的人脸图像特征用于人脸识别时,具有较高的识别率。     

非负矩阵分解在遥感图像融合中的应用

非负矩阵分解（Non-negative Matrix Factorization,NMF）算法是在矩阵中所有元素均为非负数的条件下的一种矩阵分解方法,这为矩阵分解提供了一种新的思路。非负矩阵分解方法在图像处理领域具有十分重要的应用意义。介绍了非负矩阵分解的基本思想,讨论了非负矩阵分解用于图像融合的可能性,并实现了基于非负矩阵分解的遥感SAR图像与SPOT图像的融合,NMF能通过观测图像数据找到图像的基矩阵,发现图像的特征,从而最终获得融合图像。不仅对基于NMF的融合方法进行了实验,而且对基于NMF的融合方法和基于小波的融合方法作了对比,并从主观和客观上来评价了这两种融合图像的质量。实验结果表明基于NMF的融合图像与原始的SAR图和基于小波的融合图像相比,能提供更多的信息,更适合作为实时定位的基准图。     

核非负矩阵因子及其在表情识别中的应用

提出了一种基于核非负矩阵因子分解的人脸表情识别方法。该算法引入核函数并结合NMF进行表情特征提取,称之为PNMF、GNMF。与NMF等不同,PNMF、GNMF通过基于核的非线性映射可从原始表情数据中提取更多的有用信息,包括线性的和非线性的,尽可能地保留原始的表情信息。基于CED-WYU（1.0）和JAFFE两个表情数据库的识别结果表明,基于核的NMF特征提取方法能有效地提高识别率及效率。     

具有普适性的改进非负矩阵分解图像特征提取方法

为提高图像特征提取的普适性,提出了一种基于改进非负矩阵分解（NMF）的图像特征提取方法。首先,考虑到提取的图像特征的实际意义,选用非负矩阵分解模型进行图像特征的降维处理;其次,为实现用较小数量系数来描述图像特征,将稀疏约束作为非负矩阵分解模型的正则项之一;然后,为使降维后优化得到的特征具有较好的类间区分性,将聚类属性作为非负矩阵分解的另一个正则项;最后,通过对模型的梯度下降优化求解,获得最优的特征基向量与图像特征向量。实验结果表明,针对3种图像数据库,所提的图像特征更有利于图像正确分类或识别,错误接受率（FAR）与错误拒绝率（FRR）分别可以降低到0.021与0.025。     

非负矩阵分解特征提取技术的研究进展

非负矩阵分解（non-negative matrix factorization,NMF）算法是在矩阵中所有元素均为非负的条件下对其实现的非负分解,基于非负矩阵分解的图像特征提取技术通过将图像表示为一系列非负基图像非减的叠加组合来提取图像的特征,这种特征提取方法不但具有良好的局部表征特性、有一定的稀疏性,而且对遮挡、光照不均及图像质量较差等情形具有卓越的效果。自正式提出以来,该方法得到了许多改进,但目前关于这些改进的综述都只是罗列了这些方法,并没有系统深入地分析,因而在大量阅读文献的基础上分析其内部联系,分类总结了非负矩阵分解的研究进展和各种改进方法的实质。首先介绍非负矩阵分解的基本思想,以手指静脉图像为例说明其应用于图像特征提取的方式,然后重点深入讨论了非负矩阵分解方法的改进算法,提出了非负矩阵分解应用中有待进一步研究的新问题。     

NSCT和非负矩阵分解的图像融合方法

非采样Contourlet变换（Nonsubsampled Contourlet transform,NSCT）是一种新的多尺度变换,它同时具有方向性、各向异性和平移不变性,能有效地表示图像的边沿与轮廓。非负矩阵分解（Non-negative Matrix Factorization,NMF）是在矩阵中所有元素均为非负数的条件下的一种矩阵分解方法。在非负矩阵分解过程中,适当地选取特征空间的维数能够获得原始数据的局部特征。提出了一种基于NSCT和NMF的图像融合方法。首先用NSCT对已配准的源图像进行分解,得到低通子带系数和各带通子带系数;其次将低通子带系数作为原始数据,选取特征空间的维数为1,利用非负矩阵分解得到包含特征基的低通子带系数;对各带通子带系数采取绝对值最大的原则进行系数选择,得到融合图像的各带通子带系数;最后经过NSCT逆变换得到融合图像。实验结果表明,融合结果优于Laplacian方法、小波方法和NMF方法。     

基于快速非负矩阵分解和RBF网络的高光谱图像分类算法

提出一种处理AVIRIs高光谱图像数据的计算机分类算法。首先采用投影梯度（Projected Gradient）改进的非负矩阵分解（NMF）方法对高光谱数据进行特征提取,大大降低了分解过程中两个子迭代问题的时间复杂度,而后利用径向基函数神经网络（RBFNN）分类器对提取结果进行分类。结果表明,与传统NMF和主成分分析相比,PGNMF—RBF算法消耗时间最少,分类精度最高,6类地物的分类精度达到83．34％。该算法在保留非负矩阵分解明确物理意义的基础上,获得了更快的分解速度和更高的分类精度,在高光谱图像分类领域具有较大的应用潜力。     

基于快速非负矩阵分解和RBF网络的高光谱图像分类算法

提出一种处理AVIRIS高光谱图像数据的计算机分类算法。首先采用投影梯度（Projected Gradient）改进的非负矩阵分解（NMF）方法对高光谱数据进行特征提取,大大降低了分解过程中两个子迭代问题的时间复杂度,而后利用径向基函数神经网络（RBFNN）分类器对提取结果进行分类。结果表明,与传统NMF和主成分分析相比,PGNMF\|RBF算法消耗时间最少,分类精度最高,6类地物的分类精度达到83.34%。该算法在保留非负矩阵分解明确物理意义的基础上,获得了更快的分解速度和更高的分类精度,在高光谱图像分类领域具有较大的应用潜力。     

基于MUSIC谱估计的探地雷达回波处理方法

为了克服现有信号处理算法对探地雷达噪声及杂波滤除的不足,提出了一种基于MUSIC谱估计时域与频域联合滤波方法。利用常用的去直流波和均值滤波抑制方法进行雷达信号预处理,在此基础上,引入谱分析中信号子空间与噪声子空间的概念,将MUSIC算法与最小二乘法相结合来进行探地雷达杂波及噪声处理。仿真及实验结果表明,提出的回波处理方法可以有效地抑制雷达信号中的噪声和杂波,能提高测量数据的精度,具有较高的实用性和可用性。     

基于多标签层次聚类的GPR 图像双曲波提取方法

探地雷达(GPR)图像双曲波提取是分析地下目标位置和结构的重要方法,但在真 实环境中,由于噪声和杂波的干扰,使得提取出的双曲波存在结构不完整、碎片化和形状异 常等问题,不利于数据分析和三维建模等后续操作。为此,提出了一种基于多标签层次聚类 的双曲波提取方法(MHCE)。首先通过信息熵评价像素邻域的稳定性,构造了基于信息熵的 距离度量来进行层次聚类;然后利用聚类后的邻接空间进行多标签聚类以降低杂波和噪声对 双曲波提取的影响;最后结合多标签聚类结果的拟合形状和纹理方向提取双曲波。实验表明, 该方法对于真实GPR 图像双曲波具有较好的鲁棒性,能够获得规范化的双曲波形状和位置 参数。     

铁路路基病害智能检测方法

铁路路基病害不断增加,其中翻浆冒泥病害和路基下沉病害最为常见,严重影响铁路安全运营。车载地质雷达检测方法是铁路路基病害检测的一种常用方法。然而,通过雷达图像对路基病害进行识别仍以人工判别为主,且需要专家丰富的经验。由于路基病害形态复杂、尺度较大,如何对铁路路基病害进行自动识别是一项具有挑战性的任务。针对这些问题,通过探地雷达实地采集数据构建了铁路路基病害数据集,提出了一种铁路路基病害实时智能检测方法（LS-YOLOv3）。该方法针对铁路路基病害的特点设计了深度残差网络提取病害特征,并采用多尺度预测网络在4个尺度上进行特征融合,形成铁路路基病害实时检测模型。实验结果表明,与传统的HOG+SVM算法、双阶段的Faster-RCNN算法、Cascade R-CNN算法、单阶段的YOLOv3算法和轻量化的TinyYOLOv2、TinyYOLOv3算法相比,提出的算法获得了最高的均值平均精度（82.67%）并在配有英伟达GeForce RTX 2080Ti GPU的计算平台上实现了实时检测（32.26 frame/s）。旨在尝试提供一种铁路路基病害检测领域的实时性新方法。     

基于FPGA平台的光电编码器在探地雷达中的应用

针对传统的光电编码器测距精度受不同应用场景的限制,提出了一种应用于探地雷达,可灵活控制测距精度的现场可编程门阵列（ FPGA）平台的设计方案,通过FPGA平台完成对信号采集、辨向、分频、计数、锁存、传输等功能,并给出了在探地雷达应用中的实验结果,实测数据表明：该编码器能够实现准确的脉冲计数和显示距离。     

An evaluation of several fusion algorithms for anti-tank landmine detection and discrimination

Many algorithms have been proposed for detecting anti-tank landmines and discriminating between mines and clutter objects using data generated by a ground penetrating radar (GPR) sensor. Our extensive testing of some of these algorithms has indicated that their performances are strongly dependent upon a variety of factors that are correlated with geographical and environmental conditions. It is typically the case that one algorithm may perform well in one setting and not so well in another. Thus, fusion methods that take advantage of the stronger algorithms for a given setting without suffering from the effects of weaker algorithms in the same setting are needed to improve the robustness of the detection system. In this paper, we discuss, test, and compare seven different fusion methods: Bayesian, distance-based, Dempster-Shafer, Borda count, decision template, Choquet integral, and context-dependent fusion. We present the results of a cross validation experiment that uses a diverse data set together with results of eight detection and discrimination algorithms. These algorithms are the top ranked algorithms after extensive testing. The data set was acquired from multiple collections from four outdoor sites at different locations using the NIITEK GPR system. This collection covers over 41,807 m² of ground and includes 1593 anti-tank mine encounters.     

Feature and decision level sensor fusion of electromagnetic induction and ground penetrating radar sensors for landmine detection with hand-held units

Strategies for fusion of electromagnetic induction (metal detector (MD)) and ground penetrating radar (GPR) sensors for landmine detection are investigated. Feature and decision level algorithms are devised and compared. Features are extracted from the MD signals by correlating with weighted density distribution functions. A multi-frequency band linear prediction method generates features for the GPR. Feature level fusion combines MD and GPR features in a single neural network. Decision level fusion is performed by using the MD features as inputs to one neural network and the GPR features as inputs to the geometric mean and combining the output values. Experimental results are reported on a very large real data set containing 2315 mine encounters of different size, shape, content and metal composition that are measured under different soil conditions at three distinct geographical locations.     

探地雷达管道目标图像的识别

针对管道物体在探地雷达回波信号剖面图像(GPR图像)中表现为双曲线的特点，提出了一套由粗而精的图像处理方法。该方法首先运用分形理论从雷达图像的复杂背景中提取出模糊的目标区域，然后选用适当的方向算子对模糊区域进行边缘的精确定位，最后用改进的Hough变换进行曲线拟合，提取出目标双曲线。实验结果表明该方法能检测出图像中的目标双曲线并将其成功地恢复出来。     

小样本机载分布式雷达空时自适应处理方法

针对机载分布式雷达地杂波和干扰抑制的问题,提出一种基于小样本协方差重构的机载分布式雷达空时自适应处理（space-time adaptive processing,STAP）方法。该方法根据分布式雷达接收的杂波与干扰具有相关性不同的特点,首先利用小样本估计出各子雷达的杂波空时协方差矩阵和干扰全空域协方差矩阵,然后通过块对角延拓和时域拓展方法得到完整的空时协方差矩阵。所提方法利用全部空域自由度,在有效抑制杂波的同时抑制较多数量的干扰,克服了理想协方差矩阵估计时所面临的独立同分布（independent and identically distributed,i.i.d.）样本严重不足的问题。理论分析和仿真实验验证了所提方法的有效性。     

D-S证据理论在探地雷达目标识别中的应用

为解决探地雷达的目标识别问题,提出了一种基于雷达扫描数据、实地探测情况、历史信息和已有水文地质信息,并利用D-S证据理论这一具有解决多数据源不确定信息推理和融合特点的理论对目标进行综合识别的方法.实现了探地雷达目标在不确定条件下获得较高可信度的识别.试验结果验证了该理论在探地雷达目标识别上的有效性和可行性.     

非正侧视机载雷达一种改进的多普勒频移算法

非正侧机载雷达的杂波分布随距离变化而变化,各距离单元的杂波分布不再满足独立同分布条件,导致统计型STAP处理器性能下降。多普勒频移（Doppler Warping,DW）算法沿主波束方向对杂波非均匀进行了补偿,但在其余方向上杂波非均匀依然存在,因而性能较差。提出了一种改进的非正侧视机载雷达杂波抑制算法——修正的多普勒频移法（Modified Doppler Warping,MDW）,先通过多普勒频移法使各距离单元的杂波谱在主波束方向重合,再沿多个多普勒通道使参考单元和检测单元的杂波谱保持一致,进一步消除非正侧视机载雷达的杂波非均匀程度。仿真结果表明,与原有方法相比,该方法的杂波抑制性能有明显提高,且运算量增加不多,是一种具有工程应用价值的方法。