GENERALIZED INVERSE GROUP OF SIGNAL AND ITS IMPLEMENTATION WITH NEURAL NETWORKS

A new concept, the generalized inverse group (GIG) of signal, is firstly proposed and its properties, leaking coefficients and implementation with neural networks are presented. Theoretical analysis and computational simulation have shown that (1) there is a group of finite length of generalized inverse signals for any given finite signal, which forms the GIG; (2) each inverse group has different leaking coefficients, thus different abnormal states; (3) each GIG can be implemented by a grouped and improved single-layer perceptron which appears with fast convergence. When used in deconvolution, the proposed GIG can form a new parallel finite length of filtering deconvolution method. On off-line processing, the computational time is reduced to O(N) from O(N2). And the less the leaking coefficient is, the more reliable the deconvolution will be.     

改进的两步迭代阈值的遥感图像恢复算法

结合小波变换和Contourlet变换的多尺度、多分辨的共性及这两种变换分别适合处理点奇异和线奇异的特点,提出了一种新的联合使用小波正则项和Contourlet正则项的遥感图像恢复算法。算法中逆问题的求解等价于一个无约束凸规划的求解问题,目标函数由观测图像的拟合优度和正则项组成,传统的正则项是一个函数,本文使用两个正则项函数,能更好地利用图像的先验知识。然后根据Besov空间的半范数等价于小波系数的范数这一原理,提出了基于小波变换的联合使用小波正则项和Contourlet正则项的两步迭代阈值算法。对遥感图像的恢复结果表明,该算法在改善的信噪比（ISNR）和相关系数（CORR）等评价指标上都有显著的改善。     

一种基于特征点的稳健无缝图像拼接算法

针对传统的基于区域图像拼接方法中,计算量大、鲁棒性差以及不能很好地解决拼接后的接缝等问题,提出了一种稳健的基于特征点的无缝图像拼接算法.在SIFt(scale invariant feature transform)提取图像特征点并匹配的基础上,通过优化的随机采样一致性(random sample consensus)算法过滤匹配点,去除误匹配点,并用过滤后的匹配点求解两对应图像间单应性矩阵初值;然后利用L-M算法优化单应性矩阵对图像序列进行拼接;最后通过改进线性加权函数法进行图像融合,很好地解决了接缝问题,实现了图像拼接处的平滑过渡.实验表明,该方法对存在旋转、尺度缩放、视角以及光照变化的图像都具有良好的拼接效果,拼接精度可以达到亚像素级.     

基于聚类和联合偏度与峰度指数的高光谱数据波段选择算法

高光谱数据的光谱分辨率高,数据量大,在提供丰富、详细的地物或目标信息的同时,不同光谱波段特别是相邻波段间有较强的相关性,导致光谱波段之间有大量冗余信息。针对这一问题,面向高光谱异常检测,提出了基于聚类和联合偏度与峰度指数的波段选择方法。首先利用虚拟维度进行估计,确定高光谱数据的本征维度,再结合最大-最小距离的思想进行聚类中心的更新,避免了随机选取的初始值可能导致距离太近的问题。然后,考虑到异常目标常常表现为不满足背景高斯分布的特点,使用联合偏度与峰度指数作为准则函数进行波段选择,有效选择出了重要波段。在三组代表性高光谱数据集上进行了实验,结果表明本文所提出的算法有效提升了高光谱异常检测的效果并降低了虚警率。     

基于自适应脊波网络的高光谱遥感图像分类

神经网络是遥感地物自动分类的重要工具之一。利用多尺度几何分析中的眷波基函数建立了一种自适应眷波网络模型。在传统自适应粒子群算法的基础上,提出一种引入粒子密度因子的自适应粒子群优化算法作为网络训练算法。为验证其性能,利用互信息约简技术对22。波段AVIRIS 92AV3C高光谱数据进行约简,并将它们作为网络输入实现对高光谱遥感地物的自动分类。仿真试验表明:引入粒子密度因子的粒子群算法与传统粒子群算法相比,不易出现早熟问题,在处理高维非线性组合优化问题时具有一定优势;由于眷波函数对高维奇异性的表征能力,相比于传统的RBF和SVM分类器,脊波神经网络分类器对具有明显边界特征的地物分类问题具有较高的精度,同时网络规模小,结构简单。     

一种基于对应分析的WorldView-2遥感图像融合算法

文章针对新型WorldView-2遥感图像提出了一种基于对应分析的全色光与多光谱图像融合新算法。该算法利用对应分析将八波段多光谱图像变换至成分空间,然后通过成分图像将全色光图像的空间细节信息注入成分空间,经反变换后得到融合结果。实验结果表明,该算法在融合World-View-2遥感图像时能够在提高空间分辨率和保持光谱信息方面达到较好的平衡,优于现有的几种融合算法。     

基于加权小波分析和神经网络的人脸识别

基于加权小波分析和神经网络提出一种新的准正面人脸识别算法.二维的小波分解具有对表情变化不敏感的特点,可很好地压缩和表征人脸图像的特征,再加上变换后高频的人脸特征,能很好地表达人脸特征;径向基网络作为分类器有很好的推广性能,有利于大容量样本的分类.在对人脸库ORL和YEL的识别实验中,与传统算法相比有很高的识别速度和识别率.     

基于SVM的高维多光谱图像分类算法及其特性的研究

针对传统模式分类算法在处理高维多光谱图像时面临的困难，文章把支持向量机(Support Vector Machine，SVM)用于高维多光谱图像分类，有效地减弱了Hughes现象，获得了比传统方法更好的分类精度。研究了高维多光谱图像分类中SVM的分类性能与训练样本数目和数据维数之间的关系。实验结果表明，与传统模式分类方法相比，SVM具有分类精度高、推广性强的优点，尤其是当学习样本数目较少、数据维数高时，SVM的优势更加明显。     

基于Bhattacharyya距离准则的核空间特征提取算法

提出了一种新的以Bhattacharyya距离为准则的核空间特征提取算法．该算法的核心思想是把样本非线性映射到高维核空间．在核空间中寻找一组最优特征向量，然后把样本线性映射到低维特征空间，使类别间的Bhattacharyya距离最大。从而保证Bayes分类误差上界最小．采用核函数技术，把特征提取问题转化为一个QP(Quadratic Programming)优化问题．保证了算法的全局收敛性和快速性．此算法具有两个优点：(1)该算法提取的特征对数据分类来说更有效；(2)对于给定的模式分类问题，算法可以预测出在不损失分类精度情况下所必须的特征向量数目的上界，并能够提取出分类有效特征．实验结果表明，该算法的性能与理论分析的结论相吻合，优于目前常用的特征提取算法．     

一种基于近似有限Rodgelet变换的SAR图像分割方法

由Donoho等提出的有限正交Ridgelet变换成功应用于高噪声图像的边缘检测和分割，但由于有限Radon的“缠绕”现象使得在该方法图像的重构时产生边缘的“混叠”和“洞”，影响了边缘检测和图像分割的质量。论文结合Wedgelet变换提出了基于“自然直线”的近似有限Ridgelet变换从根本上克服了这些缺陷和解决了离散Radon变换的图像重构问题。最后将这一方法用于SAR图像分割，并取得了满意的结果。