基于异常探测的高光谱端元提取方法研究

端元提取是高光谱影像分析重要且具有挑战性的任务,是解决高光谱图像混合像元分解关键的步骤。现行的高光谱端元提取算法在端元提取过程中,异常像元同时加入到端元数组中,如何有效区分异常与端元,成为高光谱遥感端元提取的瓶颈,也是提高高光谱图像混合像元分解精度的关键因素。提出一种基于异常探测的高光谱端元提取方法,首先利用RX算法对原始影像进行异常探测,根据异常探测的结果剔除一定数量的像元,将剔除的像元用原始图像均值向量替代,再对影像进行正交子空间投影(OSP)提取端元。实验表明,该方法能够有效区分异常与端元,抑制异常像元参与端元提取,同时处理后的图像端元提取的结果受异常处理的影响很小,证明了去除异常信息后提取端元的可行性。     

结合纯像元提取和ICA的高光谱降维方法*

摘要：为了实现高光谱降维并保留重要的光谱特征,通过独立分量分析（Independent Component Analysis, ICA）混合模型和高光谱线性模型的对比分析,提出了结合纯像元提取和ICA的高光谱数据降维方法。该方法通过估计虚拟维数(Virtual Dimensionality, VD)确定特征个数,采用自动目标生成过程（Automatic Target Generation Process, ATGP）从原始数据中提取纯像元向量,作为ICA算法的初始化向量,以负熵为目标函数产生独立分量,并通过高阶统计量筛选实现高光谱数据的降维。分类实验结果表明,该方法不仅解决了传统ICA的随机排序问题,而且与经典降维算法主分量分析（Principal Components Analysis, PCA）相比,分类精度提高了6.83%,在大大降低高光谱数据量的情况下很好的保留了高光谱数据的特征,有利于数据的后续分析和应用。     

基于线性变换的高光谱图像端元提取算法

研究了高光谱遥感图像的端元优化提取问题,针对现有特征空间中最大体积转换思想的端元提取算法中所存在的运算量巨大、对原始数据需要预处理、提取精度较差等问题,分析了图像数据在高维特征空间的相关性,提出了采用线性变换的端元提取算法.使特征空间的基变换寻找正交于某个低一维超平面的投影向量,通过数据在向量上的投影运算将低维相关数据压缩成一个点,与点距离最大的孤立像元作为一个端元输出,每步获得的端元反馈作为下一次提取的输入以保证提取的正确性.由于采用在高维特征空间中距离的计算代替体积计算.仿真结果表明,提出的算法在较短的时间内可有效地提取端元,大大减少了计算量;而且每次提取所依据的信息是反映整幅图像数据在特征空间线性相关性的子空间,所以不需要对原始数据进行预处理,避免了丢失小目标的隐患,进而可以提高提取精度.为高光谱遥感图像优化提取提供了参考.     

基于SSLPP算法对高光谱遥感影像分类

局部保持投影算法为非监督维数约简算法,没有有效利用样本数据的类别信息,不能有效提取鉴别特征。针对此问题,提出一种半监督局部保持投影(SSLPP)算法。该算法以少量有标记数据和无标记数据作为训练样本集构造出本征图G_i,并有区别地对待标记样本与无标记样本,增大同类样本点之间的权重,更有利于鉴别特征提取。在AVIRIS KSC和Botswana高光谱遥感影像数据集上的实验结果表明,SSLPP算法能够较为有效地发现高维空间中数据的内蕴结构,使得总体分类精度得到较为明显的改善。     

基于direct LDA的高光谱遥感影像地物分类

针对高光谱遥感影像的降维问题,提出一种高光谱影像地物分类方法:direct LDA子空间法。先采用直接线性判别分析(direct linear discriminant analysis, direct LDA)进行特征提取,然后在特征子空间中采用最短距离分类器进行地物分类。机载可见光/红外成像光谱仪(airborne visible/infrared imaging spectrometer,AVIRIS)的高光谱影像识别结果表明,该方法相比LDA子空间法和原空间法,可显著降低数据维数,提高识别率。     

基于特征优化的高光谱遥感影像降维算法

高光谱影像数据量大、波段间相关性强、信息冗余度高等特点为地物高效识别与分类带来挑战。鉴于降低维度在有效利用高光谱数据方面的重要性,文章提出高光谱影像特征优化降维算法。相关系数矩阵用以确定初始子空间,以此作为先验确定聚类个数及初始聚类中心。依据相似性度量准则,应用K-means算法进行波段聚类,取不同准则下聚类结果交集,实现子空间的自动划分,并利用PCA变换提取第一主成分作为子空间降维结果。对于未被子空间覆盖的剩余波段,采用BSMM算法进行降维处理。叠加2次降维结果,实现最终降维。通过对华盛顿哥伦比亚特区和帕维亚大学2幅影像降维结果的定性定量评价,验证本文算法的可行性与有效性。实验表明,该算法能够在更好实现影像降维的同时极大限度地保留原始影像信息,为后续高光谱影像快速解译提供可能。     

基于加权特征投影的信源数估计方法

考虑到色噪声或低快条件下噪声特征值发散,导致基于特征分解的信源数估计方法得到的信号判据值和噪声判据值区分不明显,提出了一种基于加权特征投影的信源数估计方法;首先,为了使该方法可适用于低信噪比条件,对阵列接收数据的协方差矩阵进行降噪处理,并利用降噪后协方差矩阵所有特征值和特征向量构造了一个用来区分信号和噪声的加权空间矩阵;然后,将降噪后的协方差矩阵在该加权空间矩阵上投影,从而增大了信号判据值与噪声判据值的差异;最后,结合幂函数的缩放性构建了判决函数,进而实现信源数估计;通过理论分析和实验验证,该方法不仅适用于白噪声和色噪声条件,而且在低快拍和低信噪比条件下优势明显,在快拍数为10,信噪比分别为0 dB的白噪声和6 dB的色噪声条件下,该方法的成功检测概率均达到90％以上,同时该算法在信源数较多时效果鲁棒.     

基于ANN端元估计的高光谱图像解混算法

针对高光谱图像解混问题进行研究,发现传统解混算法在保持端元数目不变的情况下,得到的解混精度不高。为此,基于人工神经网络（ANN）提出一种估计单像素点中端元数目和类别的解混算法。首先利用人工神经网络对遥感图像中各个像素的端元数目和类别进行估计;之后依据估计结果确定解混算法的目标函数,并引入改进的差分搜索算法对目标函数进行优化求解;最终获取地物丰度和待求参数,实现高光谱图像的解混。仿真数据和真实遥感数据实验表明,与现有的解混算法相比,所提解混算法具有更高的解混性能,更加符合实际场景的情况。     

基于最小噪声分离的约束能量最小化亚像元目标探测方法

提出了一种基于最小噪声分离的约束能量最小化亚像元目标探测方法。利用最小噪声分离变换,降低高光谱遥感影像的维数,同时分离高光谱遥感影像中的噪声。利用约束能量最小化方法对低维数据进行亚像元目标探测,避免了求解影像虚拟维数和病态矩阵求逆的问题。实验结果表明,该方法可以很好地抑制噪声的影响,亚像元目标探测率较高,是一种快速有效的高光谱遥感影像亚像元目标探测方法。     

基于粒子群优化的高光谱影像端元提取算法

回顾了粒子群算法的基本原理,分析了端元提取算法的两种技术途径。利用粒子群优化的原理,结合凸面几何学理论和线性光谱混合模型,设计了一种粒子群优化端元提取算法,并设计了算法的快速实现方法。该算法不需要假设影像中存在纯像元,同时保持了端元光谱的形状。利用模拟数据和AVIRIS影像对该算法、SGA算法和NMF算法进行实验对比分析,实验结果证明该算法的端元提取精度优于其他二者。     

一种基于KS距离的OFDM子载波数估计法

针对正交频分复用(OFDM)信号子载波数估计的问题,利用OFDM信号的高斯性,提出一种基于KS距离的子载波数估计法。侦收端DFT模块输出的KS距离在DFT点数与发射端匹配时最小。理论分析及仿真结果证明,该方法能区分高斯分布与非高斯分布,正确估计OFDM信号的子载波数。     

基于TTCN-3表格形式的OSP测试例

为了满足日益增长的测试需求,欧洲电信标准协会推出了新一代测试描述语言TTCN-3。TTCN-3的表格形式不仅是其核心语言的一种表现形式,而且强调了如何满足协议一致性测试的需求。文中研究了TTCN-3的表格形式,并提出了一个用表格形式描述的OSP协议的测试例。该测试例可以被应用于OSP协议的一致性测试。     

基于图像识别的分光器端口分析方法

为了解决中国移动资源数据库中哑设备资源难以精确把控的问题,以分光器为切入点、图像识别角度作为突破口,提出了模拟时间延迟积分（Time delay integration,TDI）成像解析分光器端口的算法。首先对运维人员上传的图像进行筛选,保证图像数据的质量;然后利用HSV颜色空间进行端口位置和轮廓的提取;再使用图像轮廓进行杂点过滤和分光器端口分布方向拟合;最后,使用拟TDI成像算法解析端口占用情况,输出分光器端口占用情况,给出分光器的分光比、占用端口号,以提升资源数据平台对分光器资源的数据质量。结果表明该算法运行速度快,端口分析准确,具有较高的应用前景。     

基于两步方法的闭环子空间辨识算法

闭环辨识算法具有广泛的工程应用前景,而子空间方法近年来应用于多个领域中,但子空间方法无法直接应用于闭环辨识,因此研究闭环子空间辨识算法具有重要意义.两步方法可用于辨识闭环系统,但计算量巨大,推导复杂,需要进一步改进.针对这种情况,提出了一种改进算法,使用将两步方法与正交投影相结合的方法,并利用QR分解实现,直接构建虚拟信号序列,大大减少了计算量,最后使用PI-MOESP辨识算法辨识模型.仿真实验将该算法与其他子空间辨识算法相比较,显示出该算法的有效性及计算量的显著减少.     

一种基于多重特征融合的信源个数估计方法

针对加权盖尔圆估计准则不能充分利用增广加权盖尔圆矩阵信息的不足,在该准则基础上提出一种融合多重特征的信源个数估计方法。利用阵列天线的接收信号构建增广加权盖尔圆矩阵,从中获取用于描述信源个数的盖尔圆心值、盖尔圆半径和加权盖尔圆半径等多重特征构建高维特征向量,并将其标记后代入支持向量机中,训练可进行信源个数估计的分类器数学模型。实验结果表明,该方法不仅能够在信源数只比阵元数少一个的情况下准确估计信源个数,其在低信噪比和小快拍数的环境下也同样具有良好性能。     

利用派生谓词和偏好处理OSP 问题的目标效益依赖

在过渡规划问题(over-subscribed planning,简称 OSP)研究中,如果目标之间不是相互独立的,那么目标坚定效益依赖比单个目标效益更能提高规划解的质量.但是,已有的描述模型不符合标准规划描述语言(planning domain descrion language,简称PDDL)的语法规范,不能在一般的OSP规划系统上进行推广,提出了用派生谓词规则和目标偏好描述效益依赖的方法,这二者均为ＰDDL语言的基本要素.实质上,将已有的GAI模型转化为派生谓词规则和目标偏好,其中派生谓词规则显式描述目标子集的存在条件,偏好机制用来表示目标子集的效益,二者缺一不可.该转换算法既可以保持在描述依赖关系时GAI模型的易用性和直观性上,又可以扩展一般的OSP规划系统处理目标效益依赖的能力.从理论上可以证明该算法在转化过程中的语义不变性,子啊基准领域的实验结果表明其可行性和规划解质量的改善能力.提出符合PDDL语言规范的目标效益依赖关系的描述形式,克服了已有模型不通用的缺点.     

基于有监督流形学习的正交投影降维

将监督局部线性嵌入的思想引入传统的正交投影降维方法（OPRA）方法,提出一种新的基于有监督流形学习的正交投影降维方法（α-OPRA）,使高维到低维的映射在保留某些流形结构的同时,进一步获得较好的正交投影效果。该方法通过加入额外的参数口来控制监督的程度,在纯粹的有监督的OPRA和无监督的OPRA之间取得了某些折中。实验结果证明,该方法能获得较好的降维结果。     

基于局部保持投影的鉴别最大间距准则

提出一种基于流形学习的特征提取方法——鉴别最大间距准则。该方法采用线性投影,保留最优的局部和全局信息数据集。试图找到具有最好鉴别能力的原始信息,使类间离散度最大的同时类内离散尽可能的小。该方法在识别率上比其它方法都有较大提高,通过在YALE和JAFFE人脸库上的实验验证该方法的有效性。     

基于小波变换和NMF的人脸识别方法的研究

为了克服PCA、ICA等传统方法在人脸图像特征抽取时存在速度慢、识别率低的缺点,该文提出了一种将非负矩分解思想应用于人脸特征提取的算法。利用小波变换对人脸图像进行分解,对其中包含主要信息的低频子带运用NMF构造特征子空间,在子空间内实现识别。实验结果表明,该方法实用、有效,减少了计算量,提高了系统的识别率,使识别率达到90％以上,有着广泛的研究价值和应用 前景。     

基于独立成分分析的高光谱图像有损压缩方法

提出一种结合小波变换和独立成分分析(ICA)的高光谱图像有损压缩方法。采用最大似然估计与最大噪声分离相结合的方法对原始高光谱数据进行维数估计。依据维数估计的结果在光谱方向上采用 ICA,在空间上运用离散小波变换。对于变换后的系数,使用多级树集合分裂算法和算术编码分别进行量化编码和熵编码。在机载可见光/红外成像光谱仪220波段高光谱数据上的实验结果表明,该算法可以在获得较高压缩率的同时,保留高光谱图像的光谱特性。