基于光谱特征的遥感图像检索方法研究

在遥感图像检索中,光谱特征的应用最为广泛。本文研究了基于光谱特征进行遥感图像检索的方法;并且针对目前应用越来越广泛的多光谱、高光谱遥感图像波段多的特点,提出了基于K-L变换的检索方法,并通过实验验证了本文方法的有效性。     

盐渍土自动分类方法研究

盐渍土在Landsat ETM+多光谱图像上表现出复杂的图像特征,为实现其自动分类,组合使用了光谱、几何形状和纹理特征等多种特征.首先采用传统的光谱和几何形状特征分析分割出大部分非盐渍土地物,然后提出了一种用于多光谱纹理分析的ICA多尺度纹理算子,对分割后的图像进行纹理区域分块,最后在每块区域中进行基于光谱特征的盐渍土聚类.试验结果表明该方法能够实现多光谱图像中盐渍土的区域分割及类别划分.     

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.     

基于稀疏MK-LSSVM的高光谱图像不平衡分类

针对高光谱图像分类中没有考虑高光谱数据地物种类复杂、数据规模较大以及样本分布不规则而导致的少数类分类精度较低,分类器鲁棒性差的问题,提出一种基于稀疏多核最小二乘支持向量机(Multiple Kernel Least Squares Support Vector Machine,MK-LSSVM)的高光谱图像不平衡分类方法。该方法先用k均值聚类将多数类的训练样本分为k类,然后利用采样技术对每一群组中的样本进行处理与少数类样本均衡,最后建立最MK-LSSVM分类器。该方法对于MK-LSSVM不稀疏的问题,引入了压缩感知理论对其进行稀疏求解。实验表明本文提出的分类方法提高了少数地物的分类精度,同时减少了标准支持向量机训练样本时间消耗大的问题。     

纹理辅助的SAR图像SVM分类

针对SAR图像的问题设计了一种基于灰度共生矩阵的纹理特征提取辅助SAR数据进行SVM分类的方法。首先,采用Enhanced Frost滤波法进行噪声抑制处理,通过基于灰度共生矩阵的典型纹理特征的分析和比较,独立主成分分析法去除各纹理特征之间的相关性,选择信息量最大的一个主成分与经过HSV彩色合成后转换为新的RGB图像;然后对变换后的RGB图像和新RGB图像分别执行SVM分类与最大似然分类,并进行精度比较。利用SAR数据进行了实验,证明了本方法的有效性。     

基于C1C2C3彩色不变特征的阴影检测与辐射恢复研究

阴影是遥感影像的基本特征之一,它将干扰图像匹配、图象变化检测或图像中信息的提取,而去除阴影则是遥感图像处理的难题。本文利用C1C2C3彩色不变特征中的C3将阴影与黑色区域分解开来;用方差作纹理滤波来提取阴影区边界;参考非阴影区相同地物像素亮度值来恢复阴影区像素的亮度值。并且用IKONOS城市区域影像进行了实验,实验表明该方法可真实再现阴影区地物特征,增加影像信息量,提高数据质量。     

基于超像素稀疏表示的高光谱遥感图像分类原理分析

稀疏表示理论已被广泛用于图像分类任务,在遥感图像领域内高光谱图像的分类也适用于稀疏表示分类;另一方面,超像素的分割结果对于类特征的提取具有重要的意义,因此将超像素计算与稀疏表示分类相结合可以有效地提高遥感图像分类的精度。     

图像辨识性特征的自动学习方法

针对以关键字进行检索分类的图像,首先利用经验设置规则提取初始图像块;对于类中每个备选图像块,寻找所有备选图像块中与其最相似的图像块,并根据梯度方向直方图特征进行聚类,形成特征组;最后,利用图像注册的方式将特征组进行合并,形成商品图像完整的特征。本文以电商图像为例对算法进行了测试,实验结果表明,辨识性特征区域提取的准确率可达70%以上,且与已有方法相比提取特征区域更加完整。     

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。     

GPU在高光谱遥感图像解混领域的应用

随着空间分辨率和波普分辨率的提高,高光谱遥感图像处理存在着数据量大,计算量大,算法普遍复杂度高等特征,越来越不能满足数据处理实时性的需求。然而,GPU具有大量可计算核心,线程间切换开销小,性能功耗比和性价比高等特点。本文结合cuda框架,概括了将基于GPU的并行计算技术应用在高光谱遥感图像处理研究状况。