高光谱遥感数据光谱曲线分形特征研究

提出一种基于分形分析的高光谱遥感数据处理方法．从反射光谱的产生机理、全色影像与单色影像表现出来的自相似现象以及用不同尺度量尺测量曲线所表现出来的幂指数关系三个方面,说明高光谱遥感数据中像元中光谱曲线具有分形的特征,简述了研究光谱曲线分形特征在高光谱遥感数据处理中的意义．     

基于改进遗传算法的超光谱图像特征选择方法

提出的特征选择新方法充分利用遗传算法并行搜索、全局寻优的优点，并结合超光谱图像特征选择的具体应用，选择表征类别可分性的判别标准作为评价函数计算个体适应度，通过交叉和变异操作实现个体进化．为加快算法收敛速度，提高遗传算法性能，在遗传算法中引入了两代竞争机制，获取最佳的分类特征组合．利用一幅200波段的AVIRIS超光谱图像进行的仿真实验结果表明，所提出的方法用于特征选择具有分类精度高，计算耗时少的优点．     

基于SPA-BPNN的成都市天府新区东部土壤As含量高光谱估测建模

为明确成都平原城市边缘带土壤中重金属As含量,以四川省成都市天府新区东部为研究区,对土壤原始高光谱数据进行一阶微分(FD)、二阶微分(SD)、去包络线(CR)和标准正态变换(SNV)处理,利用皮尔逊相关系数(PCC)和连续投影算法(SPA)筛选出最佳变换光谱的特征波段,分别建立偏最小二乘(PLSR)、极限学习机(ELM)、随机森林(RF)和BP神经网络(BPNN)4种回归模型,利用高光谱数据进行土壤重金属As含量估测并进行精度验证。结果表明,经去包络线一阶微分(CR-FD)变换的光谱与土壤重金属As含量相关性显著提升,由0.473提高到0.848;无论是基于PCC还是SPA算法筛选出的特征波段,非线性模型的拟合度以及预测精度均高于线性模型;相对于PCC算法,利用SPA算法筛选的特征波段建立的模型预测精度明显提升,PLSR、 ELM、 RF、 BPNN模型验证集的决定系数(R²)分别为0.786、 0.847、 0.856、 0.942。因此,以SPA算法筛选出的光谱波段作为自变量构建的BPNN模型(SPA-BPNN)是研究区内As含量的最优估测模型。     

食用油红外光谱的分形维数特征

以傅立叶变换红外光谱为研究对象,探讨了图像分形理论在傅立叶变换红外光谱识别中的应用,提出一种利用分形理论提取食用植物油红外光谱特征的算法.通过对傅立叶变换红外光谱分形维数的比较,达到区分不同光谱的目的,利用开源计算机视觉库OpenCV实现了食用植物油红外光谱分形维数的计算算法,以玉米油和芝麻油的红外光谱为例对该方法进行了说明.实验表明:利用分形维数特征可以对玉米油和芝麻油的真伪进行很好的鉴别。     

自适应提升小波在干涉高光谱压缩中的应用

为了更好地提高干涉高光谱图像的压缩性能,针对干涉成像光谱仪的成像原理,提出了一种自适应方向预测提升小波变换的方法,在帧序列方向的提升小波变换中,以自适应方向获得最佳预测值,并且改变传统三维提升小波的变换顺序,消除大部分干涉条纹冗余,大量实验证明本文方法得到的高频子带小波系数相对于传统方法在指定码率的情况下重构图像可以获得更高的信噪比,恢复的光谱曲线具有更小的均方误差．     

基于光谱相似度量的高光谱图像异常检测算法

针对传统异常检测算法需要建立在一定的假设模型下,提出了一种新的高光谱图像异常检测算法。该算法无需假设背景模型,首先运用迭代误差分析方法对高光谱图像数据进行处理,得到高光谱图像数据的异常端元。然后以选取出的端元为参考,对高光谱数据进行相似度量,通过计算与参考端元的核光谱角余弦,找到与异常端元相似的光谱向量,得到异常检测结果。仿真实验结果表明,该算法能够准确的检测出异常目标,并且具有运算时间短、效率高的特点。     

基于蚁群算法的多光谱遥感图像分类

该文应用蚊群算法和支持向量机实现多光谱遥感图像分类.首先提取出多光谱遥感图像的光谱特征、纹理特征和形状特征,然后利用蚁群优化算法从提取出的多维特征空间中选择最优的特征子集向量,最后将特征子集作为支持向量机分类器的输入量实现分类.实验结果显示,较传统的K均值方法文章给出的方法能够提高遥感图像的分类精度.     

嵌入式高光谱光谱指纹数据库

随着高光谱遥感技术的发展,图谱一体化的高光谱遥感影像得到了广泛的应用。通过光谱特征即光谱指纹可分析和识别地物的种类与表面状态,并得出所对应的地物。该文设计开发了一款小巧,易于移植到其他平台的光谱指纹数据库,为光谱指纹的匹配、管理等提供了极大的方便。该嵌入式高光谱光谱指纹数据库平台不仅具有常规数据库的管理功能,更支持对未知光谱指纹的匹配功能。     

基于内容的遥感影像检索若干问题的研究

为了从海量遥感影像库中提取需要的图象，必须应用影像本身具有的特征实施基于内容的遥感影像检索．在分析基于内容的遥感影像检索系统的框架体系、处理流程的基础上，探讨了遥感影像检索中可使用的影像特征，除与常规图象类似的颜色、形状、纹理等特征外，更应该强调体现遥感影像特点的光谱特征、空间特征、影像元数据和规则与知识等．探讨了光谱特征和光谱相似性度量、空间关系和空间谓词、元数据的应用．最后给出了一个原型系统的实例．     

化学战剂红外光谱遥测技术现状及发展趋势

化学战剂的实时遥测、可靠识别和定量分析是防化、反恐和国家安全的急需.遥测技术可分为主动和被动两种,主动方式包括差分吸收雷达、开路式拉曼光谱技术、主动傅立叶变换光谱技术、激光诱导荧光技术;被动方式采用太阳、月亮等自然光源,包括时间扫描FTIR光谱技术、空间扫描(静态)FTIR光谱技术和超/多光谱成像技术.将静态高分辨率傅立叶变换红外光谱技术与激光测距技术有机结合,并采用现代模式识别、信号处理技术是化学战剂光谱遥测技术的发展趋势.     

Feature extraction for target identification and image classification of OMIS hyperspectral image

In order to combine feature extraction operations with specific hyperspectrai remote sensing information processing objectives, two aspects of feature extraction were explored. Based on clustering and decision tree algorithm, spectral absorption index (SAI), continuum-removal and derivative spectral analysis were employed to discover characterized spectral features of dif-ferent targets, and decision trees for identifying a specific class and discriminating different classes were generated. By combining support vector machine (SVM) classifier with different feature extraction strategies including principal component analysis (PCA), minimum noise fraction (MNF), grouping PCA, and derivate spectral analysis, the performance of feature extraction approaches in classification was evaluated. The results show that feature extraction by PCA and derivate spectral analysis are effective to OMIS (operational modular imaging spectrometer) image classification using SVM, and SVM outperforms traditional SAM and MLC classifiers for OMIS data.     

西藏多龙矿集区遥感异常提取与成矿预测

以西藏多龙斑岩型铜矿区为例,根据已知矿床,分别利用比值法和主成分分析法对ETM＋和ASTER数据提取铁染与羟基异常信息,分析研究已知矿体遥感异常特征;通过波谱特征拟合的方法,对研究区进行波谱分类。利用两方面的成果来对多龙矿集区作成矿预测,划定远景成矿区,其中一级预测区6个,二级预测区12个。多种异常对比组合,能够发现更好的指示成矿线索的信息。     

Configurable ontology mapping based on multi-feature

A configurable ontology mapping approach based on different kinds of concept feature information is introduced in this paper. In this approach, ontology concept feature information is classified as five kinds, which respectively corresponds to five kinds of concept similarity computation methods. Many existing ontology mapping approaches have adopted the multi-feature reasoning, whereas not all feature information can be computed in the real ontology mapping and only fractional feature information needs to be selected in the mapping computation. Consequently a configurable ontology mapping model is introduced, which is composed of CMT model, SMT model and related transformation model. Through the configurable model, users can conveniently select the most suitable features and configure the suitable weights. Simultaneously, a related 3-step ontology mapping approach is also introduced. Associated with the traditional name and instance learner-based ontology mapping approach, this approach is evaluated by an ontology mapping application example.     

基于特征选择的高光谱图像快速矢量量化算法

高光谱图像在取得较高光谱分辨率的同时带来了海量数据,使其压缩成为必需.矢量量化技术在高光谱图像压缩中取得了良好效果,但有计算复杂度高的缺点.针对高光谱图像谱带间高度冗余的情况,本文提出基于特征选择的快速矢量量化算法.该算法在减少运算量同时,能取得和LBG算法相近的压缩效果.实验表明在信噪比略微下降的情况下,计算时间下降了94.32%.     

结合边缘信息优化LSC和改进A*算法的正射影像图镶嵌线提取

为避免正射影像图在镶嵌时镶嵌线穿过视觉显著地物,损害影像中地物的完整性,本文提出一种结合边缘信息优化LSC(线性谱聚类)和改进A^*算法的正射影像图镶嵌线提取方法.首先,将经典LSC的超像素分割理论引入正射影像图镶嵌线提取算法中,并提出边缘强度因子用以优化经典线性谱聚类,有效利用正射影像图中的光谱信息和边缘信息;然后,将优化后的LSC分别应用于两幅正射影像的重叠数据集,得到各类地物的边界特征图,并通过数学形态学法去除边界特征图中的边缘不整齐现象和孤立噪点;最后,改进传统A^*算法,由曼哈顿距离函数替代原有基于欧式距离测度的启发函数,提升A^*算法进行最短路径搜索的效率,在边界特征图中快速搜索出最短路径得到最优镶嵌线.利用真实无人机航拍正射影像图将本文方法与相关方法进行对比分析,实验结果表明本文所提方法可高效、高质量地提取到影像镶嵌线,有效绕过视觉显著地物,减少镶嵌线穿过地物的像元点数,满足实际正射影像图制作的应用需求.     

基于二维ICA基于二维ICA变换的语音特征提取

独立成分分析 (ICA)方法已经被广泛地应用于语音信号处理中.  讨论了ICA方法在语音信号特征提取中的应用.ICA被应用在对数Mel滤波器组变换域中来代替常用的离散余弦变换，后者被应用来得到Mel倒谱系数(MFCC)特征.我们将应用一种新的方法即二维ICA方法来发掘语音信号的时域跟频域的信息，从而提高语音特征的效率跟噪声鲁棒性.这些特征被用于基于高斯混合模型的说话人识别应用中.仿真结果表明我们得到的时频二维特征优于传统的一维特征.     

基于信息融合的遥感分类与回归分析研究

本文提出了组合纹理和光谱信息的遥感图像解译技术,将其运用于陆地水体的二元分类,目的是通过组合两种分析方法的优点,得到更好的解译结果。利用灰度共生矩阵来进行纹理分析,同时,红光和红外光谱分析的使用能够改善陆地和水体的分类边界。纹理分析和光谱特征的融合改进了两类标记的精确度。在此基础上,本文针对多光谱数据的特点提出了灰度级差联合概率矩阵（GLDAP）,利用提取的特征对多光谱高度数据进行了回归分析。     

融合谱-空域信息的DBM高光谱图像分类方法

在高光谱图像分类问题中,提取能够有效表达地物特征的信息是分类方法中的关键问题。为了提高高光谱图像分类精度,提出一种基于深度玻尔兹曼机的高光谱图像分类方法。该方法首先对高光谱图像数据进行主成分分析法白化处理,并提取像元的空域信息,与像元光谱信息组成综合的谱-空域信息;然后通过多层深度玻尔兹曼机模型从像元的谱-空域信息中提取深层次类别特征;最后通过逻辑回归模型对所提取特征进行分类。这种深度玻尔兹曼机模型能够利用数据的先验知识对高维数据进行特征提取,并且所提取的特征内在地表示了地物的空间结构和光谱特征。实验结果表明,这种方法能够有效地提高高光谱图像的分类精度。