基于提升算法的超谱遥感图像融合分类研究

超谱遥感技术的发展对遥感图像处理算法提出了新的挑战,超谱遥感图像所特有的高光谱维数,使适用于多光谱图像的算法不适合直接用于超谱图像.利用数据融合技术可以将超谱图像从高维降到低维,因而有利于图像的分析和处理.提升算法是构造第2代小波的关键技术,该文研究了其用于超谱遥感图像融合分类的可行性,利用提升算法将第1代小波改造成第2代小波,并对标准的AVIRIS超谱遥感图像实现图像融合,在融合的同时,提取图像的光谱特征用于分类,在相同的实验标准下在像素层和特征层上分别对图像进行了第2代小波融合分类,并用分类精度对实验结果进行了客观的评价.实验结果表明,以提升算法构造的特征层小波融合分类比像素层分类精度提高了7.78%.     

基于支持向量机的遥感图像分类方法

为了提高遥感图像分类的精度,弥补传统最大似然分类方法所固有的分类时样本不足的缺陷,提出了 一种基于支持向量机、光谱特征和纹理特征相结合的遥感图像分类方法。采用ETM数据,按照其所提方法进 行了具体分类实验,并将实验结果与最大似然法分类的结果进行了比较分析。结果表明,利用基于支持向量机 的方法进行遥感图像分类,精度明显优于最大似然法分类的精度。利用光谱特征与纹理特征相结合进行分类比 单纯运用光谱特征进行分类效果要好。     

小波域的最大似然调制分类

针对电子战领域中的调制类型识别问题,提出了一种把通信信号变换到小波域下的最大似然调制分类算法．通过分析MPSK信号在Haar小波基下的小波变换系数同其相位参数之间的关系,把MPSK信号的小波变换系数用广义高斯概率分布进行建模来得到MPSK信号的最大似然分类函数．同常规的最大似然分类算法相比新方法所需的先验信息少．计算机仿真结果表明,这种算法在低信噪比下仍然能获得好的正确分类性能．     

极化SAR图像的多纹理最大似然估计

提出了一种新的极化SAR图像相干斑抑制的方法。该方法在多纹理乘性相干斑噪声模型的假设下,采用最大似然估计法来同时估计多个极化通道的纹理参数。该方法保存了极化信息,消除了极化通道间的耦合,取得较好的相干斑抑制效果;并与极化白化滤波法(PWF)作了比较。     

对数正态分布参数的最大似然估计

对数正态分布是工程、医学、生物学中常见的分布之一。讨论分组数据情况下,对数正态分布参数的最大似然估计,给出了分布函数似然方程组解的唯一性的一种证明方法。     

基于最大均值似然判决规则的说话人辨认研究

在基于统计模型的说话人识别中，需要对说话人的数据进行训练，依据某种准则确定模型的参数，用某种判决规则将未知语音参数序列分配给具有最大概率似然度的说话人模型，常用的判决规则是最大似然判决规则。但这种规则不是很灵活，有一定的局限性，该文提出一种最大均值似然判决规则，通过理论分析以及实验结果表明，在说话人辨认中MAL规则比ML规则更加有效。     

松驰,最大似然算法的相关算法研究

文中对最大似然算法及其交替投影解法，ＩＭＰ算法，ＡＮＰＡ算法以及松驰算法进行了比较研究，对它们的出发点及其本质特征作了比较详细的讨论，为进一步认识这些算法提供了理论依据。     

白高斯噪声下取样PPM信号的最大似然检测

在强背景光干扰的情况下 ,光 PPM信道可以看成 AWGN信道 ,从理论上推导了在这种信道中任意脉冲形状的每时隙多次抽样数字 PPM信号最大似然接收机的似然函数 ,画出了接收机的结构框图 ,并分析了这种接收机的误码率 ,最后为了验证这种接收机的可靠性并讨论各种参数对接收机性能的影响 ,对接收机的解调正确率进行了计算机仿真。     

提高非线性最大似然方向估计的一种预处理

分析了均匀直线阵时的非线性最大似然方向估计方法,利用理想情况下协方差阵的Ｔｏｅｐｌｉｔｚ性,提出了一种Ｔｏｅｐｌｉｔｚ化最大似然估计算法．结果表明,新算法明显优于传统的最大似然方法．     

关于求似然推理模型的矩阵计算公式（Ⅲ）

给出产证明了求似然推理８个模型的矩计算公式。     

基于提升格式的高光谱遥感图像压缩算法

高光谱遥感的特点是谱分辨力的提高,但其高数据维给图像进一步处理带来了困难,因此有必要对其进行有效压缩处理.该文以提升格式为基础对高光谱图像压缩算法进行了研究,充分考虑了高光谱图像的空间相关性和谱间相关性,采用自适应波段选择的谱间压缩方法,通过自适应选择信息量大并且与其他波段相关性小的波段来降低高光谱数据量,然后采用梅花形网格分解方法构造出第二代小波变换,从而对二维图像进行空间压缩,可实现提升格式的分解和完全重构.实验结果表明,谱间压缩能够保留信息丰富的波段,同时计算复杂度大大降低,以提升格式为基础的第二代小波变换比第一代小波变换取得更好的空间压缩效果.     

一种基于矢量量化的高光谱遥感图像压缩算法

压缩是高光谱遥感(hyperspectral remote sensing)图像的一个重要研究领域.文中充分考虑了高光谱遥感图像的谱间相关性较强而空间相关性相对较弱的特点,采用了自适应波段选择降维方法与基于神经网络的矢量量化方法相结合的方法对高光谱遥感图像进行压缩.首先采用自适应波段选择(Adaptive band selection)的谱间压缩方法,通过自适应地选择信息量大并且与其他波段相关性小的波段来降低高光谱数据量.然后对降维后图像在空间进行小波变换并进行矢量量化,最后对量化后数据进行自适应算术编码.实验结果表明,谱间压缩能够保留信息丰富的波段,同时计算复杂度大大降低;基于神经网络的SOFM算法及其改进算法取得较好的空间压缩效果,实现了对高光谱遥感图像的有效压缩.     

基于高光谱数据的城市不透水层提取与分析

针对多光谱卫星遥感数据监测城市生态环境的限制和高光谱遥感数据的优越性,以徐州市城区为例,选择2004和2006年地球观测卫星一1（EO一1）Hyperion高光谱遥感数据,在波段选择、大气校正等预处理的基础上,利用线性光谱混合模型,通过混合像元分解在亚像元尺度上提取两个时相徐州市中心城区的不透水层比例．以高分辨率遥感影像分类结果作为参考,通过与LandsatTM多光谱数据提取结果的比较,表明了高光谱遥感影像提取不透水层的优势．利用两个时相高光谱遥感影像提取的不透水层信息进行变化分析,结果表明：徐州市不透水层比例在持续增加,尤其在城市边缘区更是显著增加,其主要驱动因素是城市扩展和土地利用变化．     

基于异构模式的高光谱数据加速处理方法研究

随着遥感卫星更高时空分辨率的大气探测需求,大气遥感高光谱数据量骤增,传统高光谱数据的处理效率较低,无法满足高性能处理高光谱数据的需求.首先介绍了国内外研究者利用图形处理器(GPU)加速处理遥感高光谱数据的应用实例,然后对基于CPU-GPU异构模式的大气遥感高光谱数据傅里叶分析的并行化计算进行了研究,并进行算法实现,最后同传统基于CPU计算做了实验比较.实验结果表明,使用基于CPU-GPU异构模式的方法处理高光谱数据时,在保证数据准确性的同时速度提升80多倍,验证了将GPU加速用于处理大气遥感高光谱数据的有效性,可以更好地满足气象卫星更高时空分辨率的大气探测需求.     

基于改进2DCNN的高光谱遥感图像处理研究

针对传统遥感图像处理中的时间成本和人工成本高、效率低等问题,以提高遥感高光谱图像分类中的处理速度、精度,降低参数量为目标,提出改进的2DCNN模型En-De-2CP-2DCNN.首先,使用1DCNN、2DCNN与3DCNN在Pavia University HSI数据集上分别进行分类实验,对比分析各自优缺点.其次,在保持较快的处理速度和不增加模型参数量的前提下,选择2DCNN为基础模型,参考SegNet的Encoder-Decoder结构,融入双卷积池化思想进行基础模型改进,同时优化学习策略.结果表明:En-De-2CP-2DCNN模型F1为99.96％,达到3DCNN的同等水平(99.36％),较改进前(97.28％)提高2.68个百分点;处理速度(5 s／epoch)和1DCNN位于同一量级,快于3DCNN(96 s／epoch);参数量(2.01 MB)较改进前降低了1.54 MB,虽高于3DCNN(316 KB),但远低于1DCNN(19.21 MB).En-De-2CP-2DCNN模型在处理速度和参数量方面的改进,有利于进一步实现移动端的轻量化部署.     

一种快速有效的遥感图像场景分类特征

针对在遥感大数据中如何进行快速有效的场景分类,提出一种图像特征的构建方法.基于非监督学习进行快速二值编码,首先对图像局部训练样本利用非监督学习获取相应滤波器组,然后再使用二值化哈希编码方法对场景单元特征图进行量化,最后统计得到场景全局特征.实验结果表明,该特征描述结合了滤波器组和二进制特征描述子的优点,在保证较高分类精度的前提下,能够大幅度提升计算效率,具有较好的鲁棒性.     

Feature extraction for target identification and image classification of OMIS hyperspectral image

In order to combine feature extraction operations with specific hyperspectrai remote sensing information processing objectives, two aspects of feature extraction were explored. Based on clustering and decision tree algorithm, spectral absorption index (SAI), continuum-removal and derivative spectral analysis were employed to discover characterized spectral features of dif-ferent targets, and decision trees for identifying a specific class and discriminating different classes were generated. By combining support vector machine (SVM) classifier with different feature extraction strategies including principal component analysis (PCA), minimum noise fraction (MNF), grouping PCA, and derivate spectral analysis, the performance of feature extraction approaches in classification was evaluated. The results show that feature extraction by PCA and derivate spectral analysis are effective to OMIS (operational modular imaging spectrometer) image classification using SVM, and SVM outperforms traditional SAM and MLC classifiers for OMIS data.     

基于高光谱遥感技术的积水沉陷区水深反演模型的研究

高光谱遥感是当前内陆水监测的一个重要发展趋势,是有效地捕捉这些水体光谱信息的必要手段.在遥感空间信息技术支持下对内陆积水沉陷区的水体特征进行分析,研究叶绿素a及总悬浮物浓度随着水体深度变化的特征,分析不同叶绿素a浓度、悬浮物浓度以及悬浮物粒径对水体光谱特性的影响特点;同时还对底质对水深信息遥感提取的影响特点进行分析.在...     

A RBF classification method of remote sensing image based on genetic algorithm

Alongwith the increases of resolution of satellite re-mote sensing image and aerial remote sensing image,people may obtain more useful data and information fromthe remote sensing image[1,2]. Following " the digitalEarth" concept proposed, more and more civil situationsneed to use the remote sensing image, including re-sources investigation, natural disaster observation,weather forecast and so on. Because the applications ofremote sensing image in different situation has put for-ward for differ…