3D密集全卷积的高光谱地物分类算法研究

针对高光谱遥感图像训练样本较少、光谱维度较高、空间特征与频谱特征存在差异性而导致高光谱地物分类的特征提取不合理、分类精度不稳定和训练时间长等问题,提出了基于3D密集全卷积（3D-DSFCN）的高光谱图像（HSI）分类算法。算法通过密集模块中的3D卷积核分别提取光谱特征和空间特征,采用特征映射模块替换传统网络中的池化层和全连接层,最后通过softmax分类器进行分类。实验结果表明,基于3D-DSFCN的HSI分类方法提高了地物分类的准确率、增强了低频标签的分类稳定性。     

基于遥感图像的人造地物目标信息管理系统

将遥感技术与GIS技术相结合,建立一种用于人造地物目标管理的地理信息系统。该系统以遥感图像作为主要数据泊,以变化相对较缓慢的行政区划,水系分布,地形地势等GIS8矢量地图为基础底图,借助现有的GIS工具软件和关系型数据库管理系统,来统一管理地物目标的空间数据和属性数据。重点就地物目标拓扑构造和GIS矢量地图与遥感图像互操作问题进行了讨论。     

南极长城站地区地物光谱特性分析

遥感技术应用于南极环境科学的调查与研究,不仅能促进对南极环境整体认识的深化,而且具有重大的经济效益和社会效益。目前在南极科学考察中遥感技术的应用尚处于初级阶段,但发展较快,并且在南极气象、冰雪、生物调     

天津海岸带遥感图像综合解译技术研究

作者通过对天津海岸带遥感图像的综合解译,分析了海岸带的演变状况,其解译成果将为天津海岸带的综合治理开发规划提供重要依据。     

神经网络在高光谱图像分类中的应用

高光谱遥感图像作为一种新型的遥感图像,鉴于传统的遥感图像识别方法对这种图像的识别精度较低,该文采用BP神经网络方法对高光谱遥感图像进行识别和分类,并使用赤铁矿等六种矿石的光谱图像对神经网络进行洲练,得到很好的效果。     

以地物识别和分类为目标的高光谱数据挖掘

高光谱信息挖掘技术是高光谱数据应用延拓与深入的重要环节,其核心在于光谱信息的挖掘,基于高光谱遥感信息的特点,探讨分析以地物识别与分类目标的高光谱数据挖掘技术,包括基于模式识别的高光说诺于光谱波形特征的挖掘技术,以及亚象元光谱挖掘。     

神经网络在高光谱图像分类中的应用

高光谱遥感图像作为一种新型的遥感图像,鉴于传统的遥感图像识别方法对这种图像的识别精度较低,该文采用BP神经网络方法对高光谱遥感图像进行识别和分类,并使用赤铁矿等六种矿石的光谱图像对神经网络进行训练,得到很好的效果。     

针对小目标的遥感图像解译识别系统

当前各种遥感解译系统无法对多种不同目标提供一致的交互解译,且无法满足弱小目标特定的解译需求,针对该问题,基于GrabCut算法设计实现一种交互式的遥感解译识别系统。包括不同目标的特征数据库建立、感兴趣区域定位、交互式目标提取及目标解译识别等主要模块。对飞机目标的解译示例表明,该解译系统不依赖于具体的目标特征,可为遥感图像的解译工作提供良好的支持。     

支持向量机在SAR图像解译中的研究进展

支持向量机(SVM)是统计学习理论的最新方法,在模式分类和回归分析中有广泛的应用。针对SAR图像解译,SVM在图像滤波、图像分割、目标识别与分类、极化数据分类等过程中有很好的处理能力。本文首先介绍了SVM的基本原理,然后综述SVM在SAR图像解译中的各方面研究进展。     

独立分量分析在多光谱遥感图像分类中的应用

多光谱遥感图像反映了不同地物的光谱特征,其分类是遥感应用的基础。但是在多光谱遥感波段图像中存在不同地物对应着相同的灰度,即异物同谱的问题。独立分量分析算法对未知的源信号的混合信号进行估计,可以获得相互独立的源信号的近似。独立分量分析算法利用了信号的高阶统计信息,对于多光谱遥感图像而言,算法去除了波段图像之间的相关性,获得的波段图像是相互独立的。但是独立分量分析算法有一个缺点,即计算量太大,影响了在多光谱遥感图像分类上的应用。文章对独立分量分析的一种快速算法FastICA进行改进,减少了计算量,提高了算法的有效性。在性能相当的情况下,改进FastICA算法能有效地减少算法的计算量。由于FastICA算法是线性ICA算法,对于非线性混合的光谱信号的估计存在一定误差,因此应用BP神经网络的非线性特性对其进行自动分类。在同原始遥感图像的BP神经网络分类结果进行比较,结果表明独立分量分析算法能提高多光谱遥感图像的分类的正确率。     

图像融合在高光谱遥感数据处理中的应用

图像融合近年来成为图像处理领域的热点之一,广泛应用于军事、民用的各个领域。而高光谱遥感是遥感领域里新兴的方向,具有波段多,信息量大的特点,对高光谱图像进行融合可以进一步提高图像的利用率,减少信息的相关性和冗余。     

荒漠化地区高光谱遥感图像地物光谱重建的研究

应用高光谱遥感技术对荒漠化进行监测的过程中,重建地物光谱是一项关键性的技术。在图像预处理及光谱重采样的基础上,通过严格模拟大气辐射过程,推导并选用一元线性模型来重建荒漠化地区地物光谱,获得了满意的结果,为目标地物直接识别及其信息的定量反演奠定了基础。     

分段线性判别技术在红外光谱数字信号处理中应用

介绍了分段线性分类器的基本原理及其在红外化学遥感监测领域应用的概况.研究了单边式分段线性分类器应用于化学毒剂红外光谱鉴别的特性.建立了一个二维数据样本集对这种分类器的判别特性进行了评价,然后用一个DMMP光谱数据样本集对这种分类器的性能进行了检验.二维数据的训练结果表明,单边式分段线性分类器对真实类界面的逼近程度高于传统的树状分段线性分类器.DMMP光谱样本的训练和预测结果表明,一个由4维判别矢量构成的单边式分段线性分类器其性能优于线性分类器和由3步7维判别矢量构成的树状分段线性分类器.     

红外光谱结合化学计量学在中药分析中的应用

综述红外光谱技术与化学计量学相结合在中药分析中的应用.报导利用求导法(包括一阶、二阶求导)、数字滤波、数据平滑、矢量归一化、傅立叶变换和卷积运算,以及小波变换等方法处理红外分析信号,可以提高谱图的信噪比、改良分析信号的质量和还原被扭曲的谱图;利用主成分分析法、因子分析法、偏最小二乘法等校正方法处理红外光谱数据,可以迅速而准确地鉴别和分类中药;用SIMCA方法、聚类分析方法和阵列相关系数比对法等化学模式识别红外数据可以判断中药的产地、道地性、采收时间和配方中药的质量等;利用二维相关光谱可以鉴别中药材的真伪和中药材的品种等.     

高光谱遥感图像分类算法中的应用研究

针对高光谱遥感图像数据量大、维数高、数据之间冗余量大的特点,提出一种基于决策边界特征提取(Decision Bounda-ry Feature Extraction,DBFE)的SVM高光谱遥感图像分类算法。首先采用DBFE对高光谱遥感图像进行特征提取,消除特征之间相关性,并降低特征维数,然后采用GA对SVM参数进行优化,找到最优分类模型参数,最后采用最优分类模型对待分类的高光谱遥感图像进行分类。仿真结果表明,高光谱遥感图像分类算法提高了高光谱遥感图像分类的效率和分类正确率,说明分类方法是有效、可行的。     

高光谱图像在生物医学中的应用

高光谱成像（hyperspectral imaging,HSI）作为生物医学可视化的一种新兴技术,在生物医学领域的研究正逐渐受到关注。随着高光谱成像技术以及精准医学的迅速发展,将高光谱成像技术应用于近距离的医学诊断成为新的研究趋势。高光谱成像技术能同时获取生物组织的2维空间信息和1维光谱信息,覆盖可见光、红外和紫外等光谱范围,具有较高的光谱分辨率,可提供有关组织生理、形态和生化成分的诊断信息,为生物组织学研究提供更精细的光谱特征,进而为医学病理诊断提供更多辅助信息。本文介绍了高光谱成像技术的基本原理、高光谱显微成像系统的基本构成及特点。基于此,总结并阐述了高光谱成像技术在疾病诊断和手术指导中的应用进展,涉及其在癌症、心脏病、视网膜疾病、糖尿病足、休克、组织病理学和图像引导手术等方面的应用。综合分析了高光谱成像技术在生物医学领域应用的局限性,并提出了生物医学研究领域中该技术的未来发展方向。