高光谱图像光谱域噪声检测与去除的DSGF方法

高光谱遥感图像中不仅存在空间域噪声而且存在光谱域噪声.传统的图像滤波仅对图像空间域噪声进行处理,而不能去除光谱域噪声,为改进这种状况,提出了DSGF(Derivative based Savitzky-Golay F ilter)方法.首先,基于反射率光谱的二阶导数对反射率光谱各波段噪声大小进行判定,然后用不同大小平滑窗的Savitzky-Golay滤波器对反射率光谱作两步滤波.对高光谱图像进行的逐像元DSGF滤波,在去除光谱域中噪声的同时,保留了图像反射率光谱的大部分细微特征.     

基于经验模态分解的模态域MVDR方法研究

 矢量阵MVDR波束形成可有效地实现信号的空间谱估计,但它仅适用于窄带信号,当各目标强度相差较大时,难以实现对弱目标的有效检测.经验模态分解具有突出信号局瞬特征的特点,可将多分量信号分解成多阶固有模态函数.结合固有模态函数特性和MVDR窄带信号要求,提出了矢量阵模态域MVDR波束形成算法,并将中心频率的概念应用于固有模态函数,以此作为模态域MVDR波束形成算法的中心频率.海试结果表明:本方法可增强弱目标所在方位空间谱的能量,有效地实现强干扰下弱目标的检测.     

基于二维经验模态分解的高光谱影像去噪方法

高光谱遥感图像同时具有二维空间信息数据和一维光谱信息数据,具有图谱合一的特点且谱间信息具有强烈的相关性,针对高光谱图像的这些特点,提出一种基于二维经验模态分解的高光谱图像降噪方法。该方法利用二维经验模态分解对各波段的高光谱图像分别进行分解,得到不同尺度的固有模态函数;根据含噪声较大的波段和含噪声较小的波段的谱间对应关系计算权系数值,对含噪声较小波段的高频固有模态函数系数进行加权求和,利用加权后的系数值代替含噪声较大的波段的高频固有模态函数系数;利用去噪后的高频系数进行重构得到去噪后的高光谱图像。实验表明,该方法能够对高光谱影像进行有效去噪,同时亦能较好地保留图像细节信息,与经典的小波去噪方法相比,使用该方法去噪后的图像具有更高的峰值信噪比和更好的视觉效果。     

基于整体经验模态分解的信噪比估计方法

为了提高未知样式信号的信噪比估计性能,提出一种基于噪声辅助的信噪比估计新算法,通过固有模态函数（IMF）分量平均周期的变化判断信号与噪声界限,给出了基于噪声辅助估计法的工作原理和流程图,分析了基于噪声辅助估计法的性能。仿真结果表明,基于噪声辅助估计法能够实现盲信号信噪比估计,在0 dB信噪比下均方误差不超过0.2 dB。     

基于互信息波段选择和经验模态分解的高精度高光谱数据分类

在遥感数据处理研究中,高维高光谱数据的冗余信息和噪声严重影响高光谱数据的分类精度,针对此问题提出基于互信息波段选择和经验模态分解的高精度高光谱数据分类算法(MI-EMD-SVM).分别采用基于互信息波段选择方法和经验模态分解实现对高光谱数据的冗余信息处理和特征提取,并获得处理后的高光谱数据X'.采用支持向量机分类算法...     

经验模态分解方法在心电信号基线漂移去除中的应用

经验模态分解是由美国国家宇航局的Huang等人于1998年首次提出的,该信号处理方法被认为是近年来对以傅里叶变换为基础的线性和稳态谱分析的一个重大突破。该方法既能对线性稳态信号进行分析,又能对非线性非稳态信号进行分析。本文将此方法应用于心电信号基线漂移的去除。     

基于经验模态分解的宽带阵列DBF研究

已有研究对宽带阵列信号的子带分解处理中子带划分是固定的,各子带内信号数分布不均衡。该文研究了子带自适应划分的模态域宽带自适应阵列算法,提出将经验模态分解(EMD)融合于线性约束最小方差(LCMV)算法中,EMD把多分量信号自适应地分解成多阶内蕴模态函数(IMF),突出了信号的局部瞬间特征,两者结合既满足了LCMV的窄带信号要求又充分发挥了EMD自适应的特点,解决了阵元数目受到严格限制时,宽带阵列处理自由度不足、抗干扰性能下降的问题,在强干扰环境和各信号强度相差较大时也能有效检测出较弱信号。与基于FFT的子带分割相比,无需预先划分模态函数的频段,阵元数目受限时增加了处理自由度。仿真表明3阵元强干扰条件下改善增益11dB。     

基于时频联合分布的经验模态分解方法

经验模态分解没有固定的先验基底,使信号分析更加灵活多变,是信号处理领域内解决非线性、非平稳信号分析问题的新方法。但其只可分解信号持续时间内由连续的不同频率成分组成的信号,不能分解不同时间段含有相似频率成分的信号。时频联合分布通过设计时间和频率的联合函数,利用时域和频域联合描述信号在不同时间和频率的能量密度。将时频联合分布应用于其中,扩展经验模态分解方法可处理的信号类型。     

改进的经验模态分解盲信噪比估计方法

针对经验模态分解信噪比估计方法运算量大、精度低的问题,本文结合概率论提出了改进的算法。利用离散傅里叶变换分析了固有模态函数的功率谱分布情况,确定了3次分解的有效性,简化了运算过程。基于统计数据给出了分量功率谱密度分布关于特征参数的正态分布近似表达式,并分析了分解过程中存在的能量溢出现象,由此给出了由特征参数估计信噪比的方法。针对不同的样本长度和信号调制方式测试了新算法的性能,结果表明新方法的性能优于原始方法,信噪比0dB时新方法的估计误差不高于0.5dB。      

基于限邻域经验模式分解的多波段图像融合

根据不同波段图像信息互补性,提出基于限邻域经验模式分解(NLEMD)的多波段图像融合新算法.将待融合图像进行NLEMD分解,利用其自适应特性及高频细节信息的强获取能力,对不同图像的内蕴模式函数分量和剩余量中的像素按照局部最优原则进行选取,将融合后的内蕴模式函数分量和剩余量反向重构获取融合图像.实验证明该算法具有更强的细节获取能力,融合效果优于传统的基于小波分解的融合算法.     

NON-DESTRUCTIVE PAVEMENT LAYER THICKNESS MEASUREMENT USING EMPIRICAL MODE DECOMPOSITION WITH GPR

Ground Penetrating Radar （GPR） is an effective Non-Destructive Testing （NDT） technique for highway pavement surveys, which is able to acquire continuous pavement data compared with traditional core drilling method. In this study, we proposed an accurate and efficient method to estimate the thickness of each pavement layer using an air-coupled GPR system. For this work, the main difficulties are estimating each pavement layer＇s time delay and dielectric constant. We first give the basic signal model for pavement evaluation, and then present an Intrinsic Mode Functions （IMFs） product detector to determine each pavement layer＇s time delay. This method is based on Empirical Mode Decomposition （EMD）, which is an adaptive signal decomposition procedure and proved to be suitable for suppressing noises in GPR signal. The dielectric constant was determined by metal reflection measurement. The laboratory and highway experiments illustrate that the proposed thickness estimation method yields reasonable result, thus meets the requirements of practical highway pavement survey with massive GPR data.     

基于超光谱图像的舌体分割算法

舌体分割是实现中医舌诊现代化的一个前提工作,分割质量直接影响舌象诊断的性能.然而由于舌的生理特征比较复杂,舌的形态以及舌与嘴唇的连接各不相同,使得舌体分割比较困难.本文采用超光谱成像系统代替数码相机采集舌图像,并借鉴光谱角度匹配算法,发展了基于超光谱图像的舌体分割算法.这一算法通过光谱角度匹配算法将超光谱舌图像立方体转换成光谱角度立方体,然后采用一维脉冲波形的边沿信息检测出边缘信息,最后实现了舌体的分割.试验表明,这种基于超光谱图像的舌体分割算法可以较为准确地将舌体分割出来.     

基于光谱解译的高光谱图像奇异检测算法

奇异检测是高光谱图像的重要应用之一.针对目前研究中存在的问题,提出了一种新的基于光谱解译的奇异目标检测算法,用于高光谱图像处理.该算法利用光谱解译技术有效地实现了目标信息和复杂背景的分离,很好地抑制了背景对检测的干扰.解译后的误差数据仅包含丰富的目标信息且更好地服从高斯分布.利用主成分分析对解译误差数据进行变换,根据高阶统计量,定义局部平均奇异度来选择对于奇异检测最有效的主分量,并利用RX算子完成最终检测.为验证算法的有效性,利用真实的AVIR IS数据进行了仿真实验.结果表明该算法能够较大地改进经典RX算法的检测性能.     

一种基于空间连续性的高光谱图像分类方法

利用地物在空间上分布连续性这一信息,提出了一种高光谱图像先分块、再分类的分类方法,改进了通常意义下的分类只考虑光谱信息这一缺陷,通过对2000年我们在日本长野南牧村,采用上海技术物理研究所研制的推扫式成像光谱仪(PHI)获得了80个波段的高光谱数据进行实验,验证了我们算法的优越性．     

基于支持向量机的高光谱遥感图像分类

多数传统分类算法应用于高光谱分类都存在运算速度慢、精度比较低和难以收敛等问题.本文从支持向量机基本理论出发建立了一个基于支持向量机的高光谱分类器,并用国产OMIS传感器获得的北京中关村地区高光谱遥感数据进行试验,分析比较了各种SVM核函数进行高光谱分类的精度,以及网格搜寻的方法来确定C和愕闹?结果表明SVM进行高光谱分类时候径向基核函数的分类精度最高,是分类的首选.并且与神经网络径向基分类算法以及常用的最小距离分类算法进行比较,分类的精度远远高于SVM分类算法进行分类的结果.SVM方法在高光谱遥感分类领域能得到广泛的应用.     

基于多特征多分辨率融合的高光谱图像分类

由于数据维数高,利用高光谱数据对地物进行分类,常规方法难以获得令人满意的结果,在基于小波多分辨率融合方法进行特征图像的提取过程中,提出了利用多个空间特征所构成的特征矢量确定多分辨率融合权值的算法,有效地降低了原始图像的数据维并获得了用于后续分类的特征图像．对AVIRIS数据进行的实验表明,利用新方法提取的特征进行分类,获得了高于传统方法确定融合权值的结果。     

指纹图象小波压缩中子图信息的研究

图象小波分解后,各子图信息对图象恢复的质量有很大的影响。本文结合指纹图象的特点,明确了各个子图在图象恢复中的重要性,并提出了一种适用于纹理图象的压缩方法,在保证较好的图象恢复质量和较大压缩比的情况下,简化了算法,加快了处理速度。     

基于树状小波分解的多传感器图像融合

提出了基于树状小波分解的多传感器图像融合方法,它能够在一定的能量准则下,自适应地根据图像特征进行子带分解和融合。对可见光图像与红外图像、可见光图像与毫米波图像进行融合的实验结果表明,所提出的方法比传统的金字塔形小波分解具有更好的融合效果。