一种用于多光谱纹理分类的ICA多尺度算子

针对像元数据为多维的多光谱遥感图像,提出了一种可用于多光谱纹理分类的ICA多尺度算子.首先定义用于描述纹理不同尺度特性的结构单元,然后联合所有波段下的结构单元建立起测量多光谱纹理特性的高维矢量,最后对这些矢量进行ICA分析,将得到的独立成分作为多光谱纹理特征用于分类.通过对Brodatz灰度纹理、VisTex彩色纹理以及实际的盐渍土多光谱图像的分类,试验验证了该算子的有效性.     

基于TM多光谱影像和SPOT全色影像的融合技术探讨

TM和SPOT影像是比较具有代表性的陆地卫星影像,本文利用ERDAS IMAGINE软件作为遥感图像信息融合软件,采用基于主成分变换、乘积变换、比值变换的三种图像融合流程,对10m分辨率的SPOT影像和覆盖同一地区的TM三波段影像进行融合,并通过三种融合结果的比对,进行遥感图像融合技术的探讨。     

IKONOS影像融合方法对比研究及应用效果评价

文章以IKONOS影像为数据源,使用常用的4种融合方法:IHS、主成分变换、Brovey和Pansharp,对影像的全色及多光谱波段进行融合,并对各方法的融合影像进行了目视对比、统计分析和光谱分析,发现与原始影像相比,融合影像的纹理信息、光谱信息在Pansharp融合影像中保持得最好。选用相同的训练样本,对原始影像和融合影像应用支持矢量机的方法(SVM),分为裸地、煤堆、河流、矿山建筑物、道路等5类地物,并对分类结果进行了精度评价。在4种融合影像中,Pansharp融合影像的分类精度最高,总体分类精度达到82.89%。综合分析得出,Pansharp方法是一种较好的融合方法。     

多通道卷积神经网络图像识别方法

为了更好地利用图像数据中隐含的特征信息,将多方向梯度信息作为边缘信息的基本表达,提出了一种基于图像梯度的多通道卷积神经网络图像识别方法。先将图像进行Sobel算子处理,得到水平方向、垂直方向及两个对角方向的4个梯度图像。然后,建立4个多层卷积神经网络,学习4个不同方向梯度图像的特征。再将4个不同方向的特征进行随机化特征融合,得到样本的特征后经过批标准化处理。最后,通过分类器得到分类结果。在数据库Cifar-10和MNIST上进行了验证,验证结果表明:本文提出的模型具有较好的泛化能力,相比单通道卷积神经网络,在两个数据库中识别错误率分别降低了9.85%和0.38%。     

基于找矿的遥感信息提取及分析

对 ETM＋的多波段数据采用波段比值法和主成分分析法,提取有针对性的矿化蚀变异常信息,利用 ETM＋遥感蚀变异常信息,结合成矿理论,可以得到精确的遥感矿化蚀变异常位置。     

基于多源遥感数据的变质岩区岩性识别研究

新疆雅满苏地区铁、铜矿资源十分丰富,区内有雅满苏铁矿、天湖铁矿、黑峰山铁矿、沙泉子铜铁矿等。区内变质岩岩性与成矿相关。采用多源遥感数据信息提取方法,利用ASTER与WorldView-2遥感协同影像数据,结合Fieldspec 3地物波谱仪实测的光谱曲线,选取主要岩性的光谱吸收特征对应的影像波段,并通过波段比值法与主成分分析法等,增强区域内的主要岩性特征。最后选取不同波段比值与主成分分析分量因子,即WorldView-2的波段4/8,ASTER的波段7/6,ASTER波段10、11、12、13主成分分析的第二分量因子PC2,组成假彩色合成影像,增强区域的变质岩岩性特征,使得岩性与地质体边界更加清晰。与研究区已有的地质资料、野外地质调查结果对比,分类结果匹配较好,能够为变质岩区域的遥感地质调查与找矿工作提供一定的参考作用。     

改进的基于Curvelet变换的遥感图像融合方法

为了提高图像的视觉效果,提出了一种改进的基于Curvelet变换的图像融合方法.首先对全色图像进行增强,使图像的细节信息得到加强,再采用Curvelet变换与IHS变换结合的方法对增强后的图像进行融合。该算法既有效的保留了空间信息又抑制了光谱扭曲.结果表明,和常用的小波融合算法相比,笔者提出的融合方法在光谱信息的保持与空间细节信息的增强两个方面的综合性能得到提高,具有更好的效果.     

基于深度学习的高光谱遥感影像分类

从传统高光谱遥感影像分类的不足出发,提出一种空-谱信息与深度学习相结合的影像分类方法。利用深度学习的常用模型—深度置信网络(DBN)对高光谱影像进行了基于空-谱特征的分类。首先利用主成分分析(PCA)对原始影像进行降维,再对主成分图影像块内的所有像素按照窗口大小进行重组,并用排序的方法堆栈融合为空-谱特征。最后利用得到的空-谱特征作为DBN的输入对高光谱影像进行分类。通过在2组高光谱数据上进行试验,并与传统的分类算法进行比较,发现本文方法能较好地提高分类精度。     

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。     

不同图像融合技术的融合性能分析比较

现有红外偏振图像融合算法多采用单一固定的融合技术对源图像进行描述,在实际融合中无法全面描述、提取变化的源图像差异特征,不利于融合。针对这一问题,对比分析了多种图像融合技术,归纳总结了不同融合技术在融合红外偏振与光强图像时的特点,引入了梯形模糊数构建客观评价指标阈值,对多组图像的融合效果进行对比分析。研究表明:小波包变换(wavelet packet transform,WPT),双树复小波变换(dual-tree complex wavelet transform,DTCWT),非下采样剪切波变换(nonsubsampled shearlet transform,NSST),非下采样轮廓波变换(non-subsampled contourlet transform,NSCT),主成分分析(principal component analysis,PCA)等融合技术能较充分地融合源图像的信息;WPT、DTCWT、NSST、NSCT、PCA、顶帽变换(Tophat)等融合技术较好地融合图像的边缘、轮廓;离散小波变换(discrete wavelet transform,DWT),多分辨率奇异值分解(multiresolution singular value decomposition,MSVD),Top-hat等融合技术的融合结果有明显的块效应、锯齿状边缘;当某一源图像提供的信息量较大时,PCA相比其他融合技术更具有优势,但会丢失重要的局部特征。