基于熵加权K-means全局信息聚类的高光谱图像分类

目的 高光谱图像波段数目巨大，导致在解译及分类过程中出现“维数灾难”的现象。针对该问题，在K-means聚类算法基础上，考虑各个波段对不同聚类的重要程度，同时顾及类间信息，提出一种基于熵加权K-means全局信息聚类的高光谱图像分类算法。方法 首先，引入波段权重，用来刻画各个波段对不同聚类的重要程度，并定义熵信息测度表达该权重。其次，为避免局部最优聚类，引入类间距离测度实现全局最优聚类。最后，将上述两类测度引入K-means聚类目标函数，通过最小化目标函数得到最优分类结果。结果 为了验证提出的高光谱图像分类方法的有效性，对Salinas高光谱图像和Pavia University高光谱图像标准图中的地物类别根据其光谱反射率差异程度进行合并，将合并后的标准图作为新的标准分类图。分别采用本文算法和传统K-means算法对Salinas高光谱图像和Pavia University高光谱图像进行实验，并定性、定量地评价和分析了实验结果。对于图像中合并后的地物类别，光谱反射率差异程度大，从视觉上看，本文算法较传统K-means算法有更好的分类结果；从分类精度看，本文算法的总精度分别为92.20%和82.96%， K-means算法的总精度分别为83.39%和67.06%，较K-means算法增长8.81%和15.9%。结论 提出一种基于熵加权K-means全局信息聚类的高光谱图像分类算法，实验结果表明，本文算法对高光谱图像中具有不同光谱反射率差异程度的各类地物目标均能取得很好的分类结果。     

结合位图切割和区域合并的彩色图像分割

就经典分水岭图像分割算法中存在的过分割问题，提出一种结合位图切割和区域合并的彩色图像分割算法。对原始彩色图像通过空域梯度算子求其梯度图像，并利用位图切割重建梯度图像；对新梯度图像进行分水岭预分割；对预分割图像基于异质性最小原则进行区域合并，并获得最终分割结果。相比于现有的同类方法，该算法引入位图切割，抑制噪声对分割结果的影响，在边缘模糊处分割准确，得到符合人类视觉的较小分割区域数目，同时在运行效率上提高。     

一种位置关系约束的异源图像匹配算法设计

为解决无人机植保过程中由于无光照或无信号造成的定位不准问题,文中介绍了一种基于红外与可见光图像匹配算法。该算法首先对可见光图像选取两处显著性区域,其次利用两区域的位置关系约束,生成将两区域包络的矩形作为模板,最后使用简化的协方差相关算法快速计算出定位坐标。实验表明,利用显著性区域位置关系的模板匹配比单个显著性区域匹配的鲁棒性更好,简化的协方差算法能够有效减少运算量。     

基于图元识别的OCR文本图像矫正算法分析

受数字化变革的影响,无纸化逐渐成为办公自动化的显著标志,但在纸质文件通过扫描或者拍照转换为OCR文本图像的过程中,文本图片经常不可避免地会产生一定的倾斜,基于此,该文简要分析了OCR文本图像的倾斜矫正方法,并详细论述了基于投影图改进的OCR文本图像倾斜矫正快速算法,希望论述内容能够为相关业内人士带来一定启发。     

GFTT+FREAK的小型测绘无人机遥感图像自动拼接技术

针对目前广泛应用的小型测绘无人机遥感影像易受尺度、倾斜和光照等变化影响,导致影像拼接难度大的问题,提出了一种基于GFTT+FREAK的局部特征匹配能够适用于小型测绘无人机的遥感影像拼接方法,该算法可以直接提取未经预处理的测绘无人机拍摄图像的局部特征,通过局部特征匹配进行图像拼接,保证拼接准确性的同时,大大提高了测绘影像拼接的效率。