地面高光谱成像仪数据质量研究——以THEMIS-T-FPS2500为例

通过对现有高光谱数据图像质量评价方法的研究,选取辐射精度、信息熵、信噪比、清晰度等图像质量评价指标对THEMIS-T-FPS2500地面高光谱成像仪采集的数据进行了数据质量评价。结果表明,THEMIS-T-FPS2500地面高光谱成像仪数据256个波段中从第200波段开始,图像的信噪比较低,图像清晰度较差;第1个~10个波段的信噪比虽然较高,但图像清晰度较差,剩余的190个波段的数据成像质量较好,目标物清晰,信息量丰富。     

基于分类结果的多光谱遥感影像端元提取方法

本文针对凸面体分析理论应用于多光谱影像端元提取时的端元数目的限制,提出了一种集成监督分类、纯净像元指数计算、凸面体分析理论的端元提取方法。通过TM影像端元提取实验表明,该方法能够克服端元提取数目的限制,有效的提取多光谱影像的端元。     

基于基模分析的高光谱混合像元分解

基模分析被广泛地运用于机器学习与数据挖掘之中,其核心思想是通过寻找数据凸体的角点,这些角点通常是数据的主要成分。同时通过分配比例系数给这些角点,这样就能重构原始数据。本文据此出发,利用基模分析进行高光谱盲信号分离,分别分离出端元矩阵与各种物质的比例系数。在梯度下降算法的框架下,我们采用了一种快速初始化策略,利用基模分析的扩展模式-核方法进行端元与比例系数的迭代。通过对真实高光谱遥感影像大量实验发现,此方法简单易行,且精度较高。     

运动模糊车牌图像的复原算法研究与实现

采用模型估计法,由车辆匀速直线运动的先验知识推导出模糊退化传递函数。在运动模糊参数估计中,通过二次傅里叶变换得到模糊图像频谱,采用Radon变换检查直线方法检测出模糊角度,并用旋转投影法估算出运动尺度,最后用约束的最小二乘方滤波复原法复原出清晰的车牌图像。通过Matlab软件仿真,对该算法与其他复原算法从执行效果和复原质量进行对比实验。结果表明:该算法不仅能准确的估计出模糊角度和尺度,也能快速的复原出清晰的车牌图像。     

基于GPU的高光谱遥感岩矿信息快速提取方法

提出了基于图形处理单元(graphics processing unit,GPU)的高光谱岩矿信息快速提取方法,利用GPU的并行计算优势对高光谱岩矿信息提取的核心步骤进行了并行优化设计。针对高光谱岩矿信息提取的算法特点,提出了相应的性能优化策略,包括优化算法流程、提高访存效率和减少数据访问冲突。实验结果表明,并行设计模型与优化方法能够快速有效地进行岩矿信息提取,并且最大加速比达到了81倍。     

基于信息量确定遥感图像主要波段的方法

多光谱数据以及波段宽度为纳米级的高光谱数据，具有几十乃至几百个光谱通道，它们各有不同的特点，如何根据具体的应用目的，在这众多的波段中选取最佳波段，对于有效的进行多光谱，高光谱数据的处理，分析及信息提取至关重要。本文以武汉市武昌地区和鄱阳湖地区为例，分析了各通道的标准差，亮度差及各通道间的相关性，通过试验，说明了各种处理方法的有效性和局限性，然后详细解释了信息熵，联合熵的概念，并将其应用于最佳波段的选择。     

不同植被覆盖区无人机遥感影像矿化蚀变特征识别

为了提升不同植被覆盖区矿化蚀变特征的识别效果,本文旨在研究不同植被覆盖区无人机遥感影像矿化蚀变特征识别技术。通过几何纠正与辐射纠正预处理无人机遥感影像;利用混合像元分解法提取预处理后遥感影像内的干扰端元,去掉干扰端元后,重建遥感图像光谱,降低植被覆盖度对矿化蚀变特征识别的影响;通过主成分分析法提取光谱重建后遥感图像内的矿化蚀变特征分量,完成矿化蚀变特征识别。实验证明该方法可有效提取干扰端元,重建的遥感图像光谱相关系数在0.91~1.00之间,ERGAD值在0~2.7之间,重建质量较佳。同时该方法可精准识别不同植被覆盖度时的矿化蚀变特征,提升矿化蚀变特征的识别效果。     

加权方向自适应全变分去噪算法

本文提供了一种对含纹理方向特征的图像去噪算法,利用了图片的频率和方向角度的先验知识,将含噪图像用光谱框架方法分解为含大量噪声的高频图片和含少量噪声的低频图片,并对图像的高频图和低频图分别施加L1范数正则化和L2范数正则化;同时,由于结合了方向全变分,使得算法在去噪的同时有效的保护了图片的纹理信息,提高了算法的去噪能力。最后利用交替方向乘子法对算法求解并给出了算法的求解表达式。     

基于高光谱成像反射和透射技术的雨生红球藻叶绿素含量研究

通过高光谱成像仪采集雨生红球藻(Haematococcus pluvialis)反射和透射的光谱信息,结合化学计量学方法,对雨生红球藻叶绿素a、叶绿素b含量进行预测。比较了5种预处理方法[原始光谱(raw)、基线校正(baseline correction,BO)、卷积平滑(Savitzky-Golay smoothing,SG)、多元散射校正(multiplicative scatter correction,MSC)、变量标准化(standard normal variate,SNV)],并结合偏最小二乘回归(partial least square,PLS)建模的结果,选择较好的预处理方法后采用连续投影算法(successive projections algorithm,SPA)提取特征波长,并比较3种建模算法[PLS、多元线性回归(multiple linear regression,MLR)、最小二乘支持向量机(least square support vector machine,LS-SVM)]的预测结果,选择效果较好的建模算法用于预测叶绿素含量。其中,高光谱成像反射法对叶绿素a含量的预测,显示SNV预处理算法和SPA-MLR建模算法的效果较好,预测的剩余预测偏差(residual predictive deviation,RPD)达到3.429 6;高光谱成像透射法对雨生红球藻叶绿素a含量的预测显示,BO预处理算法和SPA-LS-SVM建模算法的效果较好,预测的RPD值达到3.156 3;同样地,对于高光谱成像反射法和透射法雨生红球藻叶绿素b含量的预测,显示均是采用BO预处理算法和SPA-MLR建模算法的效果较好,预测的RPD值分别为1.822 1和2.013 2。研究表明,采用高光谱成像反射和透射系统,通过一定的预处理结合建模算法可以对雨生红球藻叶绿素a、叶绿素b含量进行预测,为叶绿素a、叶绿素b含量的检测提供了1种新的方法。     

基于稀疏MK-LSSVM的高光谱图像不平衡分类

针对高光谱图像分类中没有考虑高光谱数据地物种类复杂、数据规模较大以及样本分布不规则而导致的少数类分类精度较低,分类器鲁棒性差的问题,提出一种基于稀疏多核最小二乘支持向量机(Multiple Kernel Least Squares Support Vector Machine,MK-LSSVM)的高光谱图像不平衡分类方法。该方法先用k均值聚类将多数类的训练样本分为k类,然后利用采样技术对每一群组中的样本进行处理与少数类样本均衡,最后建立最MK-LSSVM分类器。该方法对于MK-LSSVM不稀疏的问题,引入了压缩感知理论对其进行稀疏求解。实验表明本文提出的分类方法提高了少数地物的分类精度,同时减少了标准支持向量机训练样本时间消耗大的问题。