基于地标空间信息的高光谱遥感图像分类

高光谱遥感图像同时具有光谱与空间特征信息,充分利用空间特征能够有效提高分类结果.高光谱图像上同类像素点的邻域空间信息差异较大会影响分类效果,针对这个问题提出了一种新的空间信息利用方法,记作地标空间信息.将光谱信息与地标空间信息结合使用,通过深度信念网络提取特征.实验表明地标空间信息能够有效提高深度信念网络以及对比方法的分类结果.     

联合局部二值模式与K-最近邻算法的高光谱图像分类方法

如何利用较少训练样本达到高分类精度已成为高光谱遥感领域的重要研究方向和极具挑战性任务.针对高光谱图像包含的丰富光谱与空间信息,提出了一种联合局部二值模式LBP(Local Binary Patterns)与K-最近邻KNN(K-Nearest Neighbors)算法的高光谱图像分类方法.首先,通过主成分分析PCA(P...     

一种高分辨率遥感影像分类的特征指数

随着影像分辨率的提高,传统的光谱特征不能有效地描述复杂的高分辨率影像信息,从而影响高分辨率遥感影像的分类。为了弥补传统光谱方法的不足,提出了一种加权对象相关指数(WOCI),并将其应用到基于支持向量机(SVM)的影像分类中。该指数是通过考虑具有相似性光谱的对象来构建的,可全面地描述影像的上下文结构。结果表明与仅考虑光谱特征和像素空间特征进行分类的方法相比,基于WOCI特征的分类结果有更高的精确性,且分类精度提高了7.16%。     

受昆虫视觉启发的多光谱遥感影像特征检测器模型

本文受昆虫视觉系统时空域特征交互作用机理的启发,跳出传统遥感影像特征提取算法的研究思路,在无需考虑局部窗口尺寸和参数估计的条件下,提出利用波段交叉相关提取边缘纹理特征信息的多光谱遥感影像特征检测器模型.通过频谱域分析证明该模型可以综合光谱信息和空间信息对边缘纹理特征产生响应,具有较好的普适性和较强的抗噪能力.本文还将该...     

基于图像欧式距离和拉普拉斯特征映射的端元提取算法

由于多重反射和散射,高光谱图像中的混合像元实际上是非线性光谱混合。传统的端元提取算法是以线性光谱混合模型为基础,因此提取精度不高。针对高光谱图像的非线性结构,提出了基于图像欧氏距离非线性降维的高光谱遥感图像端元提取方法。该方法结合高光谱数据的物理特性,将图像欧氏距离引入拉普拉斯特征映射进行非线性降维以更好地去除高光谱数据集中冗余的空间信息和光谱维度信息,然后对降维后的数据利用寻找最大单形体体积的方法提取端元。真实高光谱数据实验表明,提出的方法对高光谱图像端元提取具有良好的效果,性能优于线性降维的主成份分析算法和原始的拉普拉斯特征映射算法。     

基于统计模型的遥感图像多分辨融合方法

本文针对多光谱图像的增强问题,提出了一种新的多分辨融合方法.将相关约束引入到统计融合模型中,从而充分增强了相关的空间信息,同时又有效抑制了光谱失真.真实的遥感图像实验结果表明了该文算法的有效性.     

高光谱遥感的发展及其对军事装备的威胁

高光谱遥感融合了光谱分析和成像遥感的优点,可以利用精细光谱特征分析、识别目标的种类和表面状态,给军事装备带来了新的威胁.介绍了高光谱侦察的基本原理和发展概况.分析了高光谱在军事侦察、伪装识别和热红外探测方面的优势,并指出利用植被的光谱特征识别技术可以有效分辨林地背景中的绿色伪装目标;在热红外波段高光谱可以通过探测目标的真实温度和发射率来检测伪装.     

LSTSVM的样本缩减与空间信息融合方法

针对最小二乘孪生支持向量机(STSVM,least squares twin support vector machines)分类效率低的不足,在一对余(1-a-r)多分类器的基础上,提出一种基于样本缩减(SR)的LSTSVM(SRLSTSVM)分类算法。在核空间中通过距离计算,选出对分类超平面起决定作用的样本点,用于分类器的训练;与此同时,为了充分利用高光谱遥感图像的空间信息,通过主成分分析(PCA)和二维Gabor滤波获取像元的纹理特征,将高光谱遥感图像的空间信息和光谱信息在图像层进行融合用于分类。实验证明,本文提出的SR算法可以在不影响分类精度的基础上大大提高LSTSVM的分类效率,且结合空间信息后的LSTSVM的总体分类精度也有明显提高。     

基于多核Boosting特征组合的高光谱影像分类

针对高光谱数据多特征组合问题,提出了一种在多核学习框架下利用多核Boosting实现特征组合最优和异质互补的高光谱影像分类算法.此算法充分利用了高光谱遥感数据的光谱特征和空间特征,在大量的影像属性和分类器中实现最优分类,以充分利用遥感数据的互补信息.多核Boosting算法是对常用的多特征组合方法的拓展,与传统的多核学...     

星载战术遥感器概念研究

提出一种星载战术遥感器概念。该遥感器具有对目标进行近乎实时探测和定位的能力。其全色、多光谱及超光谱成像遥感器的组合,更适合于高光谱及高空间信息特征的提取和利用。本原理采用高性能和紧凑的光学系统设计,其突出的优点表现在其各成像遥感器能够同时工作。     

局部位置特征与全局轮廓特征相结合的图像分类方法

在空间金字塔词袋模型的基础上,针对其空间信息利用不足的问题,本文先计算图像中每一个字典向量的相对位置分布来提取出局部位置特征.然后,用非下采样轮廓波变换和线性判别分析来生成图像的全局轮廓特征.最后,通过局部位置特征与全局轮廓特征相结合的方式提高空间信息利用率,从而提高场景和物体图像分类正确率.为了检验方法的可行性,本文分别在数据库Caltech 101、MSRC和15 Scene上进行实验.实验结果证明,本文提出的方法进一步利用了空间信息,从而提高了分类正确率.     

基于多特征空间的三维目标离面旋转识别

基于识别目标真假和空间位置的需要,将180幅训练图像分成了4个训练集,分别计算每个训练集的特征向量,分析结果表明每个训练集可以用3个特征向量来表示,这样用12个特征向量就可以建立目标的4个特征空间,使目标分解与重构过程大大简化。利用待识别目标向量与重构向量之间的关系,不仅可以判别目标的真假,还可以确定目标所在的空间位置。模拟结果表明,提出的目标多特征空间的建立方法和目标识别准则是有效的,能够实现离面旋转条件下三维目标真假和空间位置的识别。     

基于特征元素和关联规则的图象分类方法

图象分类是搜索引擎中的重要模块.本文提出了一种基于特征元素的图象分类方法.特征元素与特征向量相比能够根据人的主观感知来提取图象的视觉特征.与传统的基于特征向量的图象分类方法不同,本文提出的图象分类方法不计算特征空间中特征向量之间的距离,而是通过关联规则挖掘发现图象的特征元素与图象所属类别之间的联系.本文实现了该分类算法并将其与一种基于特征向量的图象分类方法NFL相比较.实验的结果证实了所提方法的优越性.     

Nonlinear Feature Transformation and Genetic Feature Selection: Improving System Security and Decreasing Computational Cost

Intrusion detection systems (IDSs) have an important effect on system defense and security. Recently, most IDS methods have used transformed features, selected features, or original features. Both feature transformation and feature selection have their advantages. Neighborhood component analysis feature transformation and genetic feature selection (NCAGAFS) is proposed in this research. NCAGAFS is based on soft computing and data mining and uses the advantages of both transformation and selection. This method transforms features via neighborhood component analysis and chooses the best features with a classifier based on a genetic feature selection method. This novel approach is verified using the KDD Cup99 dataset, demonstrating higher performances than other well‐known methods under various classifiers have demonstrated.     

基于遗传算法的SAR图像目标鉴别特征选择

针对SAR图像自动目标鉴别的应用,提出了一种基于遗传算法的特征选择方法.首先提取了反映目标和杂波虚警差异的八个特征,分别是:四个空间边界属性特征,一个分形维数特征和三个对比度特征.然后对由八个特征构成的特征矢量采用遗传算法进行特征选择,以选出对于目标鉴别最优的特征序列.遗传算法中适应度函数的设计综合考虑了描述长度、鉴别总错误数以及漏报数等三个因素,使得该适应度函数对于特征优劣的评价更全面.实测数据的实验结果证明了所提算法的有效性.     

一种利用任意窗的Beamlet图像线特征提取

Beamlet变换是一种新的多尺度几何分析工具.文中在简要介绍Beamlet变换的基础上,提出了一种线特征提取方法.首先用任意形状窗平滑噪声,进一步融合为一幅二值图像,最后再利用Beamlet提取图像的线特征.它不仅可以提取直线特征,而且还能有效地提取曲线特征.实验结果表明在信躁比很低的情况下,用该方法也能得到满意的效果.     

Feature Compensation Combining SNR‐Dependent Feature Reconstruction and Class Histogram Equalization

In this letter, we propose a new histogram equalization technique for feature compensation in speech recognition under noisy environments. The proposed approach combines a signal‐to‐noise‐ratio–dependent feature reconstruction method and the class histogram equalization technique to effectively reduce the acoustic mismatch present in noisy speech features. Experimental results from the Aurora 2 task confirm the superiority of the proposed approach for acoustic feature compensation.     

基于子块特征及其相关模糊特征的手写体汉字识别方法

根据汉字笔划分布特点及拓扑结构的相关性,提出了一种子块及其相关模糊特征的提取方法。该方法使特征向量的信息量增加,特征相对稳定。对限制性手写体汉字的初步实验取得了较满意的效果     

基于EMD的图像特征增强技术研究

在利用数字射线成像系统进行特征检测过程中,由于系统和工件本身特点的原因,在获取的射线图像中,某些需要识别的特征信息常常被大量的低频背景信息掩盖,使特征的识别增加了难度。针对上述问题,研究了一种基于经验模式分解（Empirical Mode Decomposition,简称EMD）的图像特征增强技术。研究表明,与传统分析方法相比,EMD方法能够更准确地剔除图像中存在的非需特征信息,增强需要识别的特征信息,提高特征信息的识别率。