柳江火山——构造盆地的特征及演化

提出了柳江盆地火山岩区为一个火山－构造盆地的观点，对其火山－构造盆地的形态，规模，地质背景，火山喷发旋回，各旋回火山岩相及分布规律，火山构造，以及其火山－构造盆地的发展演化历史作了较为详细的分析研究。     

柳江火山—构造盆地火山岩的特征

对柳江火山－构造盆地中的火山岩岩相学及岩石化学特征进行了详细研究，指出本区火山岩系的主体部分属于碱性玄武岩－粗安岩－粗面岩岩石组合的碱性玄武岩系列。它与中国东部中生代环太平洋火山岩带的岩石组合及构造环境相似，它是其火山岩带的组成部分，位于兴安岭－燕山火山岩带的东南端。     

皖南沿江带卫星影象的地质构造分析

根根安庆幅MSS象片上的影象特征,结合地质、地球物理资料分析确认,皖南沿江带由两个相背伸展的中新生代楔形裂陷盆地(地堑)及一个凸于其间、在构造上遭强烈肢解和挤压变形的低山丘陵带(地垒)所组成,乃为夹在“大别”和“江南”两相对隆起地块之间的地堑沉降系。该沉降系内发育有巨厚的中新生界陆相沉积,深部地幔明显隆起,地堑盆地中还出现喜山期超基性岩墙群。据此,笔者认为本区属从晚侏罗世就开始形成,至今仍在发展的陆内裂谷带——皖南长江裂谷带。     

基于Landsat影像自身特征的薄云自动探测与去除

为有效地去除Landsat云的影响,恢复云区地物信息,基于单景Landsat影像的自身特征,通过利用影像中无云区地物的band1和band3高度相关特性确定晴空线,使用修改的最优化薄云变换算法计算受云影响的像元相对于晴空线的偏离距离(HOT),依据HOT的大小实现云的自动探测.对HOT图像进行阈值分割,将云从薄到厚进行分级;然后利用近红外和短波红外波段对云区和非云区的地物进行自动聚类,并根据云的等级和地物类型将云区可见光影像和对应地物的无云区影像进行匹配,实现薄云的去除.试验结果表明,云的探测快速准确,薄云的去除效果较好     

基于区域特征的遥感图像融合方法的改进

提出了一种基于小波变换的区域遥感图像融合方法的改进。对图像进行小波多分辨分析,以分解后的高频子图像的区域能量构造匹配度和融合算子,并给出了两个阈值,以便根据不同的特征构造不同的融合算子。对于低频部分采取加权平均的融合规则。并通过小波逆变换得到融合图像。根据主观目视判决和客观评价指标对融合结果进行了比较和分析,结果表明,本文的方法融合效果优于一般的融合方法,具有应用价值。     

Image Classification Based on the Fusion of Complementary Features

Image classification based on bag-of-words (BOW) has a broad application prospect in pattern recognition field but the shortcomings such as single feature and low classification accuracy are apparent. To deal with this problem, this paper proposes to combine two ingredients:(i) Three features with functions of mutual complementation are adopted to describe the images, including pyramid histogram of words (PHOW), pyramid histogram of color (PHOC) and pyramid histogram of orientated gradients (PHOG). (ii) An adaptive feature-weight adjusted image categorization algorithm based on the SVM and the decision level fusion of multiple features are employed. Experiments are carried out on the Caltech 101 database, which confirms the validity of the proposed approach. The experimental results show that the classification accuracy rate of the proposed method is improved by 7%-14% higher than that of the traditional BOW methods. With full utilization of global, local and spatial information, the algorithm is much more complete and flexible to describe the feature information of the image through the multi-feature fusion and the pyramid structure composed by image spatial multi-resolution decomposition. Significant improvements to the classification accuracy are achieved as the result.     

基于统计特征聚类原理的图像识别技术

提出了基于模糊聚类原理的图像统计特征识别技术。通过分析象素灰度矩阵信息，提取出图像独立的统计特征量，建立起相应的图像统计特征模型空间Ω。由此，计算出各图像类的模糊相似系数矩阵，再运用聚类分析的传递闭包法将其改造成为模糊等价矩阵，划分出图像等价类，进而实现对目标图像的识别。实验结果表明，该方法能获得很好的图像识别效果。     

CNN视觉特征的图像检索

卷积神经网络( CNN)是当前图像识别领域的研究热点,利用预训练的CNN网络提取的图像特征展示出了较强的图像识别能力。主要对比分析了传统视觉特征和CNN视觉特征在基于内容图像检索任务中的性能表现,并指出了一些可以值得深入研究的方向。在两个公开数据库(Pascal Sentence和Pascal VOC 2007)的实验尝试表明CNN视觉特征比传统的视觉特征更适用于图像检索。     

基于Landsat时间序列数据的祁连山区域 土地利用变化

为了研究祁连山地区土地利用变化情况,基于祁连山区域1986—2015年的Landsat时间序列数据,通过相对辐射校正获取时序地表反射率数据.采用光谱扩展与基于回归树的决策树分类(CART)获取规则的决策树分类方法,应用于长时间序列卫星影像,对各类土地利用类型近30 a的变化情况进行分析.结果表明:相对辐射归一化能有效减少时间序列数据之间光谱值差异,基于CART获取规则的决策树分类方法具有较高的分类精度.以2012年分类结果为例,总体分类精度为88.72%,Kappa系数为0.86,并分析了可能存在的误差.研究区耕地、林地和草地面积总体呈下降趋势发展,并且草地破碎化程度加剧,戈壁面积增多,植被退化导致土地荒漠化问题更加严重.最后,根据研究区土地利用变化情况进行讨论,并针对该情况提出建议.     

一种基于局部颜色特征的图像检索方法

提出一种基于局部颜色特征的图像检索算法.该算法首先采用一种新的方法对图像进行分块,提取图像中心区域的主颜色和其他区域的平均颜色作为颜色特征,然后根据图像中心的重要性,对图像各个分块采用不同的加权系数,使局部图像的特征矢量被增强,从而提高了图像的检索精度.实验结果表明,这种基于局部颜色特征的图像检索算法适合于画面明显按分块变化的图像.     

基于边界特征的图像二值化方法应用研究

边界特征是图像的重要信息，阈值是区分图像象素点的主要依据。研究了基于图像边界特征的二值化方法在齿轮图像处理中的应用，将最佳全局阈值法与局部阈值自适应法在边界特征的基础上融合起来，并引入最优边缘检测算子——Canny算子，对图像进行二值化处理，提高了图像的处理质量。     

基于小波变换和邻域特征的多聚焦图像融合算法

提出了一种基于小波变换和邻域特征的多聚焦图像融合算法。该算法首先采用小波变换对源图像进行多尺度分解,得到低频和高频子图像;然后对低频子图像采用基于邻域归一化梯度的方法得到低频融合系数,对高频子图像采用基于邻域方差的方法得到高频融合系数;最后进行小波重构得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该算法与传统融合方法的融合效果进行了比较。实验结果表明,该算法所得融合图像的效果和质量均有明显提高。