局部正交子空间投影高光谱图像异常检测算法

正交子空间投影是一种监督分类算法,需要已知待分类目标的特征信息。为了扩展该算法的应用场合,提出局部正交子空间投影算法,并成功应用于高光谱图像异常检测。异常检测常用于自然背景下的人工目标提取,在小范围邻域内地物类型相对单一。基于此,以被检测点作为感兴趣目标、被检测点邻域内样本均值作为不感兴趣目标,构造局部投影算子。实验结果表明：能够检测出含量高于30％的亚像元目标;可通过适当增大滑动窗尺寸,检测像元面积较大的目标;不受Hughes效应影响;当波段数为80时,运算时间低于RX算法的十分之一。局部正交子空间投影算法检测精度高、运算速度快,适用于实时高光谱图像异常检测。     

利用光谱解混合的目标检测

高光谱目标检测中背景信息的统计往往受到目标信息的干扰,而高光谱图像中存在的大量混合像元会进一步加深这一干扰。为了准确统计背景信息、显著降低目标像元对背景统计信息的干扰,提出了一种利用光谱解混合的目标检测算法,通过光谱解混合和目标相似性判断,获取目标端元对应丰度系数,并与光谱夹角系数相结合生成合理的背景加权系数,进行加权约束最小能量算子（CEM）目标检测,从而有效提高混合像元的背景信息统计准确度;利用目标端元对应丰度系数和光谱夹角系数生成初步的目标检测结果,与加权CEM目标检测结果相融合进行进一步优化,有效提高算法稳定性,同时再次提高目标检测精度。实验结果表明：对于模拟高光谱图像和真实高光谱图像,本文算法均得到了较好的目标检测效果,算法稳定性较强,且有效提高了目标检测精度,相比传统CEM算法、基于光谱角的加权CEM算法、归一化丰度系数作为目标结果,AUC值分别平均提高了0.071 2,0.031 2和0.015 0,在高光谱应用中具有较强的实用性。     

高光谱遥感系统调制传递函数的在轨测试

为了实现高光谱遥感系统调制传递函数(MTF)的在轨测试,以色散推扫型高光谱遥感系统为例分析了系统的像质退化因素并研究了MTF检测方法和流程.首先,分析了色散型高光谱遥感系统MTF三维可分性原理.然后,针对高光谱遥感图像信噪比一般较低的特点,提出了一种抗噪声的MTF检测方法;又根据该图像波段众多的特点,提出了高光谱图像刀...     

用BMP图像文件合成多光谱遥感图像的简单方法

叙述了多光谱遥感数据转化为位图(BMP)格式彩色遥感图像的简单方法。由于遥感数据的记录格式与BMP图像的数据记录格式具有极其相似之处,二者均以像元为记录单位,遥感像元记录的是地物的多光谱数据,BMP图像的像元记录的是该像元的RGB三基色值,将多光谱遥感数据转化为BMP像元的RGB数据格式,并写入图像文件中即可获得BMP格式的彩色遥感图像。文中给出了BMP图像文件的详细结构,并利用三通道海洋水色CCD成像仪预研样机航空飞行实验中获得的遥感数据,叙述了将遥感数据转化为BMP图像的详细过程,并获取了清晰的BMP格式遥感图像。     

加权空-谱与最近邻分类器相结合的高光谱图像分类

提出了一种基于加权空-谱距离(WSSD)的相似性度量方法 ,并将其应用到最近邻分类器(KNN)中,导出了一种新的高光谱图像分类算法。该算法利用高光谱图像的物理特性,通过引入空间窗口和光谱因子这两个参数来挖掘出图像中的空间信息与光谱信息,利用空间近邻点对中心像元进行重构。在最大限度减少图像冗余信息的基础上,增大了同类像元间的相似性以及异类像元间的差异性,获得了更为有效的鉴别特征,从而更好地实现了数据间的相似性度量。基于Indian Pines和PaviaU高光谱数据集进行了实验,结果表明:将提出的WSSD-KNN算法应用于高光谱图像分类时,其分类精度高于其他算法,总体分类精度分别达到了91.72%和96.56%。由于算法较好地融合了图像中的空间-光谱信息,提取出了更为有效的鉴别特征,故不仅有效地改善了高光谱数据的地物分类精度,而且可在训练样本较少时,保持较高的识别率。     

一种结合ORB算法的SIFT图像配准算法

在基于SIFT算法的图像配准过程中有两个重要的环节:特征提取和特征匹配。针对算法在特征提取时存在的计算量大、复杂度高、速度慢等问题,该文提出了结合ORB算法的思想,对SIFT算法进行特征提取的优化,从而实现快速地提取图像的局部特征。在特征匹配阶段采用K最近邻的BBF搜索策略并结合RANSAC算法进行提纯,消除误配点。实验结果表明,改进后的算法降低了配准时间,提高了配准精度,适用于一些对实时性要求较高的场合。     

基于空间约束的高光谱图像解混算法

基于表征相邻像元之间的同质性和差异性的空间约束,对稀疏解混模型进行改进,提高高光谱图像混合像元解混的精度。压缩原始光谱库生成解混光谱库,提高了空间约束对解混模型的影响,降低了高光谱图像对解混光谱库的稀疏性。基于解混光谱库,根据高光谱图像局部空域内的同质性和差异性构建流形约束项,将其以正则项形式与稀疏解混模型相结合构建改进解混模型,利用交替方向乘子法对改进后的解混模型进行凸优化求解。实验结果表明,算法对高光谱图像具有高的解混精度和优异的抗噪声性能。     

基于高光谱图像的改进SIFT特征提取与匹配

针对尺度不变特征变换(SIFT)算法所提取图像特征点数量少、误匹率高的问题,提出了一种基于高光谱图像的改进SIFT算法。首先,依据传统SIFT算法中高斯金字塔的构造思想,结合在不同波段下的高光谱图像具有相同宏观特征的特点,首次用高光谱图像作为原始算法中经高斯变换产生的图像,使得检测到的具有实际意义的特征点数量大幅增加;其次,传统SIFT算法以及大量的改进方法都只通过目标象元邻域范围内的像素信息来构造特征描述符,而忽略了像素点的位置信息,文中将目标象元的位置信息纳入了特征描述符,在特征描述符的匹配阶段,在利用邻域范围内的像素信息进行粗匹配之后,利用特征描述符中的位置信息进行精细匹配。仿真实验结果表明在限定最优值与次优值之比的情况下,采用高光谱图像构造高斯金字塔的方式能显著增加特征点的提取数量,更多地挖掘出图像中的极值点;在特征描述符中加入目标象元的位置信息作为特征点匹配第二阶段的判断依据,正确匹配数量达到原方法的59倍以上,极大提升了算法的匹配性能。     

混合像元分解在氧气吸收被动测距中的应用

针对雨雪、雾霾等天气条件下氧气吸收被动测距受大气和气溶胶等复杂背景光谱影响严重的问题,采用混合像元分解技术对提高复杂背景条件下的测距精度进行了研究。分析了高光谱图像像元混合机理,以雨滴端元为例建立了复杂天气条件下目标与背景的混合像元模型;讨论了复杂天气条件下目标光谱的提取方法,提出了复杂天气氧气吸收被动测距的基本流程;最后,对不同距离处小雨、重度霾、中雪3种典型复杂天气条件下的卤钨灯目标进行了被动测距实验。实验结果表明,混合像元分解方法可快速提取目标光谱,与多次循环采集平均法、背景消除法相比测距精度有较大提升,不同的距离及天气条件下的测距精度分别提高到3.39%、5.81%和4.36%,可满足实际飞行目标辐射光谱的快速采集与测距精度要求。     

多源遥感数据的道路提取技术研究现状及展望

遥感图像道路信息提取既是土地利用检测、地理信息系统更新等传统行业应用的必要步骤,又是数字城市、智能交通等新基建领域中关键技术之一。回顾道路提取方法的发展历程,按照使用数据源的不同,现有的遥感图像道路提取技术主要分为高分辨率成像、多光谱/高光谱成像、激光/点云成像和SAR成像四大类。本文首先介绍了四种遥感技术在道路信息提取上的应用现状、适用范围及方法特点;然后重点阐述并列举分析了当前基于不同平台高光谱数据的道路提取应用效果;最后对本文的内容进行了总结,并对未来的发展趋势进行了展望。     

应用相关近邻局部线性嵌入算法的高光谱遥感影像分类

传统的局部线性嵌入（LLE）算法需用欧氏距离度量近邻,但欧氏距离只表示两点间的直线距离,在高维空间中不一定能反映数据间的真实空间分布,导致近邻选取不稳定。针对此问题,本文提出了相关近邻（CN）LLE（CN-LLE）和相关最近邻分类（CNN）算法。提出的算法首先利用相关系数度量数据间的近邻,实现更准确的局部重构,提取鉴别特征;然后用CNN对低维嵌入特征进行分类。在KSC和Indian Pine高光谱遥感数据集上的地物分类实验结果表明：本文提出的CN-LLE+CNN算法比LLE、LLE+CNN和CN-LLE等算法的总分类精度提升了2.11%~11.55%,Kappa系数提升了0.026~0.143。由于该算法增加了近邻为同类的概率,便于更有效地提取同类数据的鉴别特征,且有更好的稳定性,故能更有效地实现高光谱遥感数据的地物分类。     

Field identification and spatial determination of hazardous chemicals by Fourier transform infrared imaging

A hyperspectral imaging device is reported for the remote sensing of hazardous chemical clouds. The device, which is based on Fourier transform spectrometry, displays two-dimensional images of spatially resolved spectral information delivered from a focal-plane-array detector. An algorithm for chemical-cloud detection using the spectrum obtained by the hyperspectral imaging device was also developed. In order to promptly extract results from the large quantity of spectral information, the detection algorithm included approximate and precise detection steps. The performance of the hyperspectral imaging device was characterized in the lab and in the field using the detection algorithm. The real-time distribution of a chemical cloud was successfully observed.     

高光谱图像分类的研究进展

高光谱图像分类是利用高光谱数据图谱合一且光谱信息丰富的特点,对图像中的每个像素进行分门别类,以达到对地物目标进行高精度分类和自动化识别的目的,是对地观测的重要组成部分。在分析高光谱图像特点的基础上,本文从普通机器学习和深度学习这两方面对高光谱图像像素级分类的研究进展及效果进行总结、评述和比较,通过具体实验的结果对比,直观地展现各种算法的优劣。针对高光谱分类问题,本文从两个方面对今后的研究方向及发展前景进行了分析和展望。一方面,在算法研究上,高光谱图像分类算法可在保证分类精度的前提下降低算法的复杂度,利用多源遥感数据、多特征综合、多尺度复合,提升小样本、少参数分类模型的分类精度,适应智能化、快速化高光谱遥感对地观测的发展要求;另一方面要紧密结合市场应用需求,重视高光谱图像在实际中的应用,研究具有市场竞争力的高效分类算法,提升高光谱图像分类在遥感技术应用领域的竞争力。     

一种稳健的高光谱图像压缩方法

提出了一种稳健的高光谱图像压缩技术。估计原始数据的虚拟维数,继而采用一种非监督的正交子空间投影技术提取端元矢量,构成矩阵作为快速独立分量分析的初始化混合矩阵,进行ICA变换。对变换后的独立分量图,采用二维分层树集合分裂进一步压缩编码。计算机仿真结果表明,该压缩算法在取得40∶1压缩比的同时,能有效地保持数据,尤其是小目标和异常的谱向特征,是一种高效的三维数据压缩方法,可有效地应用在小目标检测及异常检测中。     

高光谱图像的分布式压缩感知成像与重构

根据高光谱数据的特点,提出了一种基于像元的分布式压缩采样模型来实现高光谱图像的有效压缩采样与重构。搭建了能实现该模型的压缩采样光谱成像系统,并研究了用于该系统成像的重构算法。在图像采集阶段,将高光谱数据分为参考像元和压缩感知像元;地面像元的辐射能通过棱镜进行谱带分离,再利用数字微镜器件实现谱带的线性编码。对压缩感知像元进行低采样率的线性编码,对参考像元进行采样率为1的线性编码。压缩采样数据重构时,不再采用传统方法直接重构高光谱数据,而是利用线性混合模型将重构高光谱数据转换成端元提取和丰度估计,然后根据重构的端元和丰度恢复原数据。对比实验表明,在压缩采样数据为总数据的20%时,重构的平均信噪比提高了10dB。所设计的成像系统应用压缩感知理论减少了采集的数据量,采样方式简单,可应用于星载或机载的高光谱压缩感知成像。     

单模单冲数控冲床加工路径优化方法研究

金属板上各孔冲裁顺序直接影响数控冲床冲裁加工时的生产效率。针对目前传统数控冲床加工路径算法单一、加工时间长及路径长度偏大等问题,提出一种基于有选择的最近邻算法和改进蚁群算法的加工路径优化方法。该方法对常见的矩形高密度冲孔板采用最近邻算法,对非矩形阵列分布的孔形采用改进的蚁群算法。实验结果表明,优化后的加工路径在长度及计算时间上取得了较好的效果,提高了冲床加工的效率。     

近邻样本密度和隶属度加权FCM算法的遥感图像分类方法

针对FCM算法具有对数据集进行等划分趋势的缺陷,利用样本本身的近邻分布特性,提出近邻样本密度加权FCM(NSD-WFCM)、近邻样本隶属度加权FCM( NSM-WFCM)以及近邻样本密度和隶属度加权FCM( NSDM-WFCM)算法,并应用于遥感图像分类.对比FCM算法,NSD-WFCM、NSM-WFCM和NSDM-WFCM算法的总体分类精度和Kappa系数分别提高了5.67％、7.50％和11.17％:8.50％、11.25％和16.75％.实验结果表明:这些加权方法都在一定程度上克服了FCM算法的缺陷,提高了遥感图像的无监督分类能力,其中,NSM-WFCM算法的分类性能优于NSD-WFCM算法的分类性能,NSDM-WFCM算法分类性能最好.     

基于相对相位直方图的数字表面模型数据与遥感图像配准

针对数字表面模型（DSM）数据与可见光遥感图像信息融合的实际需求,提出了一种基于一致点漂移算法（CPD）与相对相位直方图（RPH）的两级配准策略来实现上述数据与图像的自动配准。首先,利用Canny算子提取图像边缘,将边缘点作为CPD算法的输入,实现两幅图像的粗匹配,从而得到初始对应点集并估算尺度因子;然后,定义了一种鲁棒且具有旋转、平移不变性的区域变化信息描述子-RPH,其在粗匹配结果的保障下还可以实现尺度不变性;最后,根据尺度因子在两幅图像中分别定义圆环模板,并利用RPH测度完成DSM图像与可见光遥感图像精配准。实验结果显示,使用RPH测度进行精配准后,基于CPD算法的粗匹配结果得到了有效校正,在数据自身存在透视失真情况下,算法配准误差约为2 pixel,能够满足DSM数据与遥感图像信息融合的需求。