高光谱遥感影像端元提取算法研究进展及分类

在给出端元的物理、代数和几何学解释基础上,对现有端元提取算法从算法设计机理出发,分为基于几何学、基于统计学和信号检测理论以及空间和光谱相结合三大类,并进一步对基于几何学的端元提取算法从技术处理手段差异细分为基于距离、体积、投影变换和最优化4种情况。结合端元提取算法分类,针对算法缺陷及改进思路,介绍了常见端元提取算法PPI、N-FINDR、UOSP、VCA、ICA、NMF和AMEE研究进展。最后,结合解混理论进展和工程应用实际,从技术综合和性能优化的角度指出了端元提取算法的研究展望。     

基于线性混合模型的高光谱图像端元提取

近年来,基于线性混合模型的光谱解混合技术正在越来越广泛地用在光谱数据分析和遥感地物量化中,这项技术的关键就在于确定端元(Endmember)光谱。通常,端元的荻取有两种方式：来源于光谱库以及来源于图像数据,相比之下后者得到的结果更能体现真实的地面信息。为此,从线性混合模型的特点出发,归纳了目前几种比较成熟的端元提取算法,分析了它们的主要思想和存在的优缺点,并总结了评估算法结果的依据,最后介绍了端元提取技术的发展趋势。     

高光谱影像端元提取算法的进展分析与比较

对当前国际经典和前沿的6种代表性的端元提取算法进行比较研究,包括SPP-N-FINDR、VCA、SPICE、PCOMMEND、MVSA和MVC-NMF,通过理论和实验两种方式对这些算法进行综合性对比和分析,总结其优势和存在的问题。通过模拟和真实数据实验得出:SPP-N-FINDR算法的抗噪声能力不如其他5种算法;VCA和MVSA的稳定性较好;MVC-NMF和SPICE无需知道端元数目,且能直接得出丰度矩阵,自动化程度较高;PCOMMEND在真实高光谱图像中提取端元的结果最好,能直接得出丰度矩阵,但若端元数量为素数时精度会下降。研究成果将为今后围绕这些算法的相关研究提供必要的理论支持和参考。     

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。     

基于改进SAM的高光谱影像混合像元分解算法研究

将传统遥感图像分类方法中的光谱角度制图法(Spectral Angle Mapping-SAM)加以变换,改进为一种符合全约束条件下的高光谱遥感图像的混合像元分解模型.新算法在端元丰度比例满足全约束的条件下,通过逼近的方法寻找一种端元丰度的比例组合,使测试光谱与目标光谱的广义夹角最小,从而认为该比例组合就是混合像元分解...     

形态分水岭算法在重叠米粒图像分割中的应用

在大米检测盘上的颗粒往往会出现紧靠或者重叠的米团,导致大米检测图像中常出现重叠大米区域,这给后续大米检测分析等工作带来了很大的困难;虽然传统分水岭算法是一种广泛使用的分割方法,将其用于重叠米粒图像分割可以克服由于米粒交叠造成的图像分析困难,但缺陷在于它的过分割结果。提出了一种针对分水岭过分割问题的形态分水岭算法,它结合形态学和传统分水岭变换的优势。实验证明该算法简单、分割粘连颗粒和抑制过分割的效果很明显,运算的速度也满足实际要求。     

基于Hough变换的高分辨率遥感影像城市直线道路提取

根据高分辨率遥感影像城市直线道路特性,提出在图像分割获得道路网轮廓的基础上,使用Hough变换检测道路所在直线,对直线进行道路判断,再将所得道路段进行修剪、连接形成道路网,实现道路提取。实验结果表明,该方法能有效的从高分辨遥感影像中提取城市直线道路。     

分水岭变换在岩屑图像分割中的应用

分水岭变换是一种基于区域和数学形态学的图像分割方法,被广泛用于灰度图像的分割之中.但传统分水岭变换过分割问题严重,图像的噪声和虚假纹理会淹没真正想得到的边缘信息.针对岩屑图像的特征,提出了一种改进的分水岭算法分割方案.先在预处理期用形态学开闭重建运算对原始图像平滑处理,在相对保留边缘不受影响的同时,降低噪声的影响.再通过非线性的阈值变换分离出目标和背景,然后在提取出目标的情况下合并过小区域,得到目标的边缘.而由于阈值变换后,区域数量已经明显减少,可以降低区域合并的运算量,提高合并速度.在求取形态学梯度时,选用了一种新的形态梯度形式,消除了形态学处理对分割结果造成的轮廓偏移现象.从实验结果看来,该算法取得了较好的分割效果.     

粒子群空间优化的端元提取算法

粒子群优化算法（Particle Swarm Optimization,PSO）应用于高光谱影像端元提取时,由于影像中存在端元的像元数所占比例极小且分布零散,导致粒子群的搜索空间破碎,存在收敛性能低、容易陷入局部最优解等缺陷。对粒子群的搜索空间进行优化,选择影像中纯净像元指数（Pixel Purity Index,PPI）较大的像元作为预选像元,然后对预选像元进行光谱聚类排序,将排序后的集合作为粒子群的搜索空间,优化了粒子的搜索空间。并在迭代过程中,充分利用粒子群的信息自适应地调整其系数,在缩小原始图像与反演图像的误差同时,增加体积约束,在提取端元时更好地保持其原有的形状。通过模拟数据和AVIRIS影像的实验表明该算法具有较好端元提取效果。     

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.     

基于人类视觉系统区域分裂的图割遥感图像分割算法研究

针对传统Normalized Cut(NC)在分割图像过程中实时性差的特点,提出一种使用人类视觉系统(HVS)区域分裂的图割方法.根据HVS特性用区域分裂算法将遥感图像分割成多个小区域,再结合各个小区域的灰度和空间信息从全局角度用NC方法在区域间进行划分,完成图像的最终分割.实验表明,相对于传统的NC方法,该算法在获得...     

一种改进的标记分水岭遥感图像分割方法

图像分割是图像分析和模式识别需要解决的首要问题和基本问题,也是图像处理的经典难题。分水岭变换则是一种适用于图像分割的强有力的形态学工具,然而其不足之处在于它的过分割结果。提出一种基于ISODATA聚类和标记分水岭的分割方案,该方案首先通过中值滤波来消除部分噪声;然后用ISODATA方法进行聚类,获得更明显的特征差异;接着采用Sobel算子进行梯度重建,得到具有边缘信息的简化图像;在此基础上再进行基于标记的分水岭变换。实验结果表明,该方法分割精度达到80%以上,能够较好地抑制过分割。     

基于改进标记的高分辨率遥感图像分水岭分割方法

扩展最小变换是标记分水岭变换中常见的标记提取方法,但实验证明,基于该方法的图像分割结果在地物边缘处仍会存在破碎多边形。本文采用一种新的标记提取方法,首先利用高斯低通滤波器对梯度图像进行平滑,然后在梯度图像的低频成分中利用扩展最小变换提取标记,最后利用二值标记图像对原始梯度图像进行梯度重建,分水岭变换在重建后的梯度上进行。实验证明,该方法可以有效地去除地物边缘处的破碎多边形。     

遗传算法优化归一化划分准则的图像分割

传统Normalized Cut准则的图像分割需求解广义特征方程,二值化分割效果不佳。为改善图像分割效果,将Normalized Cut准则作为优化函数,使用遗传算法进行优化,通过最优化染色体确定分割结果。实验表明该方法能获得较高精度的分割结果。     

尺度不变特征转换算法的多源SAR影像匹配

鉴于直接利用SIFT算法进行SAR影响间的匹配不能得到很好的效果,考虑SIFT算法在应对噪声以及对镜像影像进行匹配的局限性,提出了针对SAR影像之间匹配的SIFT算法预处理。首先利用影像与影像之间的空间信息进行匹配,之后利用SIFT算法进行局部特征点匹配,通过采用RANSAC进行错配点的去除,实现SAR影像的高精度配准。实验结果表明,该文提出的预处理以及错配点的去除给利用SIFT算法进行SAR影像的匹配提供了可能。     

基于分水岭算法和图论的图像分割

提出一种新的基于分水岭算法和图论的图像分割方法FWTN(First Watershed Then Normalized cut),以克服传统的分水岭算法造成的图像过度分割。FWTN方法在分水岭算法之后,用Normalized Cut方法在区域之间进行分割,产生最终所分割的图像。FWTN成功地解决了过分割问题,同时还对Normalized Cut方法中的NP-hard问题有所改进。实验结果表明该算法是一种切实可行的图像分割方法。     

一种融合区域生长与图论的图像分割方法

该文提出一种融合区域生长与图论的图像分割方法,一般的基于区域的分割方法在区域生长完成之后需要进行区域的合并,以消除过分割现象。该文的方法在区域生长完成之后,用NormalizedCut方法在区域之间进行分割,产生最终所分割的图像。在方法上区域生长方法考虑的是图像的局部信息,NormalizedCut方法考虑的是图像的全局信息,该文的方法融合了两者的优点。该文的算法主要以灰度图像为研究对象,实验结果表明可以取得很好的分割效果。     

修改标记符梯度图像的分水岭变换

针对传统分水岭算法中存在的过分割现象,提出了一种修改标记符梯度图像的分水岭分割方法。该算法首先利用阈值分割法对图像中感兴趣的目标和背景进行标记;然后根据标记的二值图像,运用形态学极小值标定技术对原有梯度图像进行修正;最后,使用分水岭算法对修正的梯度图像进行分割。实验结果表明,该算法能有效地抑制过分割问题,并且使用标记符会为分割问题带来先验知识,这为人们解决模式识别等更高级的工作提供了一种有效方法。