QuickBird遥感影像数据融合方法研究

基于影像融合方法和波段组成对遥感影像质量的影响，从清晰度、信息熵等方面，对遥感领域应用较多的几种融合方法及提出的增强真彩色融合法，进行了分析研究。结果表明：增强真彩色融合法更适于QuickBird数据的融合。该方法不仅很好地保留了多光谱影像的光谱信息，而且增强了影像的空间细节表现能力，图像色调接近自然色彩。     

基于人工蜂群算法高光谱图像波段选择

为减少高光谱遥感图像光谱空间冗余、降低计算复杂度,提出一种基于人工蜂群算法的高光谱图像波段选择方法.首先,根据波段相关性矩阵对全波段进行预处理,获得相关性较小的波段子空间;然后,利用人工蜂群算法以最佳指数与JM距离的加权和为适应度函数在各子空间进行邻域搜索,不断更新至收敛为止,从而获得最优波段组合.最后,利用AVIRIS数据和ROSIS数据对提出的算法与基于蚁群,粒子群,拟态物理学算法的波段选择方法进行实验.仿真结果表明:基于人工蜂群算法的波段选择能够在保证良好收敛性的同时,大大降低计算花费,所获得的波段组合用于高光谱图像分类时,可以得到较好的分类精度.     

一种基于Fréchet距离的谱聚类算法

为提升谱聚类的聚类精度和适用性，提出了一种基于Fréchet距离的谱聚类算法(A Spectral Clustering Algorithm Based on Fréchet Distance, FSC)，通过Fréchet距离构建相似度矩阵，并将重构的相似矩阵应用于谱聚类中。利用Fréchet距离度量数据特征维度的相似性对样本的多个特征进行分析，进而扩展典型谱聚类算法的适用性。FSC不仅适用于低维流形结构清晰的数据，也适用于高维或稀疏数据，如高光谱图像数据。在3个经典的高光谱图像上的实验结果表明，FSC算法有效提高了高光谱图像聚类的精度。     

基于空间加权协同稀疏的高光谱解混算法研究

针对传统稀疏解混算法因空间信息利用不足带来的丰度图像空间分布连续性差的问题,本文提出了一种基于空间加权协同稀疏的解混方法.该方法利用协同稀疏正则项刻画丰度系数的行稀疏性;同时,在协同稀疏框架下,引入空间加权因子挖掘高光谱图像邻域像元间的空间相关性.本模型采用交替方向乘子法求解,通过交替迭代,对空间权重和丰度系数进行优化.模拟和真实高光谱数据实验结果表明本文方法能够比现有同类方法获得更精确的解混结果.     

二进脊波变换的高光谱遥感图像融合分类

将二进脊波变换应用到高光谱遥感图像的数据融合中,并针对该算法的特点,提出了将变换数据分成两部分分别进行融合的融合算法,即将经过二进小波行变换的图像数据进行划分,对于包含图像概貌特征的低频数据进行归一化方差加权融合,对于包含图像边缘、直线等细节特征的高频数据选择各波段数据对应像素点小波系数绝对值最大者作为融合后该像素点的像素值.对标准的AVIRIS高光谱遥感图像实现了数据融合,并在此基础上完成了对高光谱遥感图像的分类.实验结果表明,无论是从直观上还是从数值结果上来看,该方法能有效地实现高光谱遥感图像的数据融合与分类.     

基于主色连通区域纹理谱特征的图像检索

借鉴纹理谱特征的概念,本文提出并实现一种结合图像主色连通区域信息及其纹理谱特征的图像检索方法.该方法基于图像的主色连通区域,结合图像的颜色构成和分布信息,提取图像的每个主色连通区域的纹理谱特征,并采用线性加权直方图相交法作为相似性度量函数,同时分析并给出了适用于本文方法的加权函数取值方式.本文方法将颜色信息与纹理特征有效地结合在一起,在不增加太多计算时间的条件下,提高了检索质量.     

基于特征选择的高光谱图像快速矢量量化算法

高光谱图像在取得较高光谱分辨率的同时带来了海量数据,使其压缩成为必需.矢量量化技术在高光谱图像压缩中取得了良好效果,但有计算复杂度高的缺点.针对高光谱图像谱带间高度冗余的情况,本文提出基于特征选择的快速矢量量化算法.该算法在减少运算量同时,能取得和LBG算法相近的压缩效果.实验表明在信噪比略微下降的情况下,计算时间下降了94.32%.     

基于光谱相似度量的高光谱图像异常检测算法

针对传统异常检测算法需要建立在一定的假设模型下,提出了一种新的高光谱图像异常检测算法。该算法无需假设背景模型,首先运用迭代误差分析方法对高光谱图像数据进行处理,得到高光谱图像数据的异常端元。然后以选取出的端元为参考,对高光谱数据进行相似度量,通过计算与参考端元的核光谱角余弦,找到与异常端元相似的光谱向量,得到异常检测结果。仿真实验结果表明,该算法能够准确的检测出异常目标,并且具有运算时间短、效率高的特点。     

基于DS证据理论的高光谱图像融合分类

高光谱图像包含丰富的地物信息，被广泛应用于许多场合。由于各分类模型具有不同的分类性能，如何有效利用各分类模型性能的差异性是实现融合分类的重要环节，为此提出了一种基于DS证据理论的多模型融合分类的高光谱图像分类方法。由于现有的分类模型从HSI数据的空间域和光谱域提取不同的特征，因此产生的预测结果不同。本融合方法采用多层感知机网络和随机森林网络进行融合分类实验，该网络借助各分类网络的提取特征的差异性，提高了分类结果的准确性。实验结果表明，当不同网络的分类精度存在一定差异时，DS融合模型能提高分类精度，同时优于线性平均加权融合模型。     

基于高光谱成像技术的纺织数码印花颜色测量方法

为满足纺织数码印花色彩管理对颜色测量越来越高的要求,针对现存问题,提出了一种适用于纺织数码印花色彩管理的颜色测量的方法。该方法主要采用高光谱成像技术对纺织品进行非接触式一次性扫描成像,通过计算机处理从光谱数据中提取精确完整的颜色信息。与传统测色方法相比,该方法测量速度快、稳定性好,对面料的变形、沾污、沾色、褶皱等因素的抗干扰性好,避免了手工测量方法的各种缺陷,保证了颜色测量数据的准确性。     

基于改进加权算法的实时图像数据融合研究

在三维重建、多维数据融合和信息可视化分析等领域中,针对实时视频图像数据拼接融合的过程中常出现的拼接缝隙问题,提出了一种改进的加权融合实时图像拼接方法.该方法将视频拼接问题转化为视频对应帧图像的融合问题,通过利用SURF算法对特征数据点进行提取与匹配,对图像使用RANSAC算法和LM算法求其几何变换矩阵,再根据变换矩阵进行图像插值拼接,对拼接线区域图像内容进行加权处理完成视频图像融合.在进行图像融合处理时,提出了基于拼接线一侧加权融合和基于原图内容的加权融合算法.实验结果表明:该方法实现的拼接融合速度快、效果较好,适用于对速度和拼接效果均有要求的场景视频拼接和实时数据呈现.     

基于二代曲波变换和PCNN的高光谱图像融合

为了解决高光谱图像的高数据维给后续图像分析和处理带来的困难,提出了一种基于二代曲波变换和脉冲耦合神经网络(PCNN)的融合新算法.利用各波段数据间的局部相关性将整个数据空间划分为若干个相关性较强的独立子空间,在对子空间内的各波段光谱图像进行曲波多分辨率分解的基础上,分别依据各波段图像所含有的信息量对曲波粗尺度系数进行加权融合和利用PCNN的全局耦合特性与脉冲同步特性对细尺度系数进行智能选取,最后由曲波逆变换得到各子空间的融合图像.AVIRIS数据融合实验表明,该算法能有效地实现高光谱数据维数减少和特征提取,相比于提升小波融合算法、主成分变换算法和基于典型融合准则的曲波融合算法,其所提取的图像特征在高光谱异常检测时能得到更多的真实目标.     

一种基于光照模型的多源遥感图像融合算法

多光谱图像和全色图像是目前卫星遥感领域最常见的传感器图像。为了充分地发挥这两类遥感图像数据的互补性信息，增强二者的清晰度和解译能力，在SFIM算法的基础上，将IHS变换与SFIM相结合，并对原有的均值滤波器进行改进，提出了一种自适应加权均值滤波器。通过一组多光谱图像和全色图像的融合实验，并对比常用的IHS融合方法和SFIM方法，证明了新算法在保持多光谱图像光谱特性的同时，能有效提高融合图像的空间分辨能力。     

基于遗传算法优化的稀疏表示图像融合算法

关于稀疏表示理论的图像融合主要是利用加权系数方法来确定稀疏系数的融合规则,通过遗传算法求解最优加权系数,实现全色图像和多光谱图像的融合.所提算法与Contourlet变换、主成分分析算法和高通滤波等遥感图像融合算法相比,在提高图像清晰度的同时,光谱保真度相对较高.     

基于空间像素纯度指数的端元提取算法

为了减小光谱变化以及异常像素点对端元提取结果的影响,根据局部区域内纯像元和混合像元光谱特征的不同,提出一种基于空间像素纯度指数的端元提取算法.将光谱角距离和欧氏距离加权相加作为新的混合距离测度;采用固定大小的邻域窗口计算图像中所有像素的空间像素纯度指数,在此基础上,根据光谱角距离测度和设定的端元光谱区分性阈值依次搜索端元.仿真数据和真实高光谱图像实验结果表明:该算法能够准确地提取图像中的端元,并且精度高于其他一些端元提取算法.     

一种改进的HSI图像融合算法

针对传统HSI(Hue-Saturation-Intensity,HSI)图像融合算法中出现颜色失真现象,提出了一种改进的基于HSI变换的多光谱图像和高空间分辨率图像融合的新算法.该算法首先对多光谱图像进行HSI变换,其次对HSI变换后的强度分量进行高通滤波处理,接着与全色图像进行过加权融合处理,得到新的强度分量,其中加权系数从客观评价标准逆推得到,最后进行HSI逆变换,得到新的融合图像.通过与传统的HSI算法对比评价,多组实验结果表明本文提出的融合算法得到的融合图像的信息熵和平均梯度(清晰度)都增加了,而且多光谱图像的光谱偏差指数变小了.因此该算法在提高多光谱图像的空间细节表现能力和保持光谱信息上都有较好的效果,同时还具有较好的通用性.     

基于上下边界估计的图像增强方法

提出了一种基于上下边界估计的快速图像增强方法,该方法使用上边界提升图像的细节信息,使用下边界消除图像的雾霾成分,调整上下边界的距离可灵活控制图像增强的程度,在上下边界计算过程中采用了加权中值滤波,能够在有效去噪的同时保持图像边界清晰。实验结果表明,该算法能有效改善图像质量,保持图像细节信息,压缩图像动态范围,色彩逼近于真实环境且避免了光晕的产生。     

基于局部保持线性判别嵌入特征提取的光谱图像分类

针对难于获得足够多的高光谱图像训练样本的问题,基于流形学习标准、Fisher标准和最大边缘标准,提出了一种适用于高光谱图像小样本问题的局部保持线性判别嵌入(LPLDE)监督线性流形学习特征提取方法。LPLDE方法利用类内近邻图和类间近邻图描述类内的紧性和类间的可分性,有效地避免了因类内离散度矩阵奇异导致的小样本问题,具有更好的判别性能,更适合于分类问题。高光谱数据的实验结果表明了该方法的有效性。     

基于SOP-SRL波段选择和3D-Gabor滤波的高光谱图像分类

为了解决高光谱图像分类精度低,计算复杂度高的问题,本文提出一种基于可扩展的自表示学习波段选择方法(SOP-SRL)和3D-Gabor滤波的高光谱图像分类方法,以表示高光谱图像的空间光谱特征。使用SOP-SRL,通过缓存向量选择出信息量大的波段;应用3D-Gabor滤波器组对选定的波段进行响应,获取所有像素点的特征向量,将这些特征向量用于分类。在3个公共数据集上进行实验,所提方法的平均分类精度分别为91.42%、98.95%、98.72%,优于其他几种分类算法,能够在提高分类精度的同时,缩短实验时间。     

利用上下边界估计的图像增强方法

提出了一种基于上下边界估计的快速图像增强方法.该方法使用上边界提升图像的细节信息,使用下边界消除图像的雾霾成分,调整上下边界的距离可灵活控制图像增强的程度,在上下边界计算过程中采用了加权中值滤波,能够在有效去噪的同时保持图像边界清晰.实验结果表明,该算法能有效改善图像质量,保持图像细节信息,压缩图像动态范围,色彩逼近于真实环境,且避免了光晕的产生.