面向对象的ICA变化检测新方法

通过分析高分辨率影像变化检测方法存在的问题,提出了结合面向对象和非抽样小波变换(undecimated discrete wavelet transform,UDWT)的独立成分分析(Independent Component Analysis,ICA)变化检测新算法。利用面向对象处理方法提取的影像对象特征图作为构建ICA子空间估计输入向量的数据,改善了对噪声抑制的效果,同时,提出了自适应权值的影像对象提取算法,进一步优化了面向对象的处理方法;采用非抽样小波变换进行分块有效克服了现有分块方法带来的ICA子空间估计输入向量尺寸缩减、子空间估计不准确的突出问题。定性定量仿真结果表明:与典型的ICA算法和UDWT算法相比,新算法在高分辨影像变化检测的准确性和鲁棒性方面都得到了很大的改善。     

一种盲源分离的优先进化自适应遗传算法

盲分离技术与独立分量分析(ICA)由于不需要知道信号的先验信息而得到广泛应用.ICA是信号处理的一种新技术.其基本目标是寻找线性变换矩阵,将观测的多维混合信号进行变换,变换后的输出信号各分量之间尽可能统计独立.将改进的遗传算法(GA)与ICA相结合,提出基于优先进化自适应GA的盲源分离算法,并与传统的遗传算法进行了比较,证实了其具有更好的收敛性和稳态性能.对3段声音信号进行了仿真,仿真结果证明了算法的有效性.     

小波消噪和ICA在语音信号分离中的应用

为了消除语音信号分离中仍存在的部分混叠声音,提出一种基于小波消噪和独立分量分析（ICA）结合的信号分离方法。该方法将小波变换和独立分量分析结合,利用小波变换的去噪作用,滤除原始语音信号中的噪声后作为ICA的输入信号,采用FastICA算法在小波域进行独立分量分析,对输入信号实施分离。实验结果表明,该方法大大调高了传统独立分量分析对语音信号的分离效果。     

基于独立分量分析的图像融合算法

提出了一种基于独立分量分析(ICA)的图像融合算法。在图像配准的基础上，利用独立分量分析对图像进行训练获得独立分量基函数。对于待融合图像，通过训练得到的基函数对图像进行线性变换，然后在变换域根据不同的融合规则对图像进行融合，ICA反变换得到融合图像。仿真结果表明了该方法的有效性。 关键词：     

多分辨率子带分解的独立分量分析算法在红外图像去噪上的应用

探讨了基于独立分量的分析算法在红外图像消噪方面的应用。采用基于信息最大化算法对自然图像进行迭代训练,得到ICA所需的基函数。利用多分辨率子带分解的独立分量分析原理,运用小波变换分解得到相应的子图像,并分别对分解的子图像运用稀疏编码收缩法消噪。     

ALOS数据湿地植被信息提取研究

本文以2006年1月24日发射成功的日本地球观测卫星ALOS卫星（AVNIR-2）数据为数据源，选取盐城丹顶鹤保护区核心区湿地作为研究区，尝试寻找一种有效的针对ALOS数据凸显湿地植被信息的图像变换方法，实现对遥感数据的数据降维，提高假彩色合成的图像效果的目的。同时也为其他的新的遥感数据源的数据处理提供一些思路。本文对传统的主成分分析作了改进，在对影像作主成分变换前，首先依据4，5，2假彩色合成的图像的上的细微色调差别，精选细分湿地植被，选择8类训练区，保证每类的训练区的像元数相同。根据训练区的统计数据再对整幅影像做主成分分析。通过这种有训练区辅助的主成分变换，其变换后的主成分第一分量包含了数据中的绝大部分的湿地植被信息，其中第一、二、三分量内含有的湿地植被信息量逐级减少，第四分量几乎不含湿地植被信息。在对ALOS数据进行训练区辅助主成分变换的同时也对ALOS数据进行传统的主成分变换。利用传统主成分变换后的分量数据与训练区辅助主成分变换的分量间的相互关系。经统计运算和反复实验，制定了三个假彩色合成方案：方案一，RGB：PC训练区1，PC训练区2，PC训练区3；方案二，RGB：PC传统1，PC传统2，PC传统5；方案三，RGB：C训练AQ 1，PC传统2，PC传统5。在目视效果上，方案三有效凸现了湿地植被信息，扩大了细微差别，边界更明显，视觉效果更好。计算方案二和方案三的最佳波段组合指数，方案三也明显优于方案二。     

高速铁路沿线土地利用/覆盖变化检测方法研究

为开展高速铁路沿线土地利用/覆盖的快速变化检测工作,本文首先对两期高分辨率遥感影像进行主成分分析得到两期影像的第一主成分量,再用GIS矢量数据分割两期第一主成分量得到影像对象层,构造对象的灰度均值向量特征,最后利用最大类间方差阈值分割算法(Otsu法),自动提取变化类与未变化类。为验证该方法在高速铁路沿线土地利用/覆盖变化检测应用中的有效性,本文对2009年与2012年武广高铁武江特大桥沿线的GeoEye影像(分辨率1.6m)进行了变化检测验证性实验,得到变化检测结果的精度能够达到84.7579%,仅耗时5s。在此基础上将该方法应用于2009年与2010年石武客专郑州东站段WorldView-2影像(分辨率2.0m)的变化检测中,得到的变化检测结果精度为88.6953%,耗时86s。可见,该方法在检测高速铁路沿线土地利用/覆盖变化中具有较高的可靠性和效率,对更新高速铁路数据库具有一定的使用价值。     

多通道表面肌电信号降噪与去混迭研究

通过数据采集装置同时采集多路表面肌电信号(sEMG)时,信号之间往往存在相互混迭的现象。为了得到有效的sEMG,提出了一种基于二代小波变换和独立分量分析(ICA)相结合的降噪与去混迭方法。先利用二代小波变换对sEMG降噪再利用改进的FastICA算法对降噪后的信号进行ICA分离,最后通过互相关系数验证去混迭效果。实验结果表明,所提方法能够有效降低噪声并去除相邻通道间产生的混迭。     

一种基于小波包变换的遥感影像融合方法

针对多光谱遥感影像和全色遥感影像,提出了一种基于小波包变换的遥感影像融合方法。新方法首先对多光谱遥感影像进行PCA变换;其次对多光谱遥感影像的第一主分量和全色遥感影像进行小波包变换;然后保留多光谱影像第一主分量的低频近似分量,融合它们的高频细节分量;最后,做小波包反变换,得到新的多光谱遥感影像第一主分量,再做PCA反变换,得到新的多光谱遥感影像。与PCA变换融合方法、IHS变换融合方法和小波变换融合方法等方法在主观视觉效果分析和客观统计参数两方面做了比较,新方法是有效的,不仅较大地增强了结果影像的空间细节表现能力,而且很好地保留了多光谱影像的光谱信息。     

TM和SAR影像主分量变换融合法

探讨基于主分量变换法融合TM和SAR影像,采用包含广东省三水城的TM和航空SAR影像融合结果表明:主分量变换融合法不仅能提高多光谱影像的信息量和空间分解力,而且很大程度上保留了原多光谱影像的光谱特征。因此多光谱影像经采用主分量变换融合法与SAR融合后,在量测和解译能力上都有提高。与HIS变换融合法相比,主分量变换融合法对光谱特征的扭曲程度没有HIS融合法严重,因此它必将在实际中得到更广泛的应用。     

基于多姿态人脸图像合成的识别方法研究

为了解决多姿态人脸识别问题,提出基于独立成分分析（ICA）进行正面人脸合成的新方法。首先利用ICA和PCA提取不同姿态人脸的特征子空间,然后利用通过训练得到的姿态转换矩阵合成其相对应的正面人脸图像,实验表明ICA人脸识别算法要优于PCA人脸识别算法,并在此基础上用小波对人脸图像进行预处理,据姿态转换矩阵得到的正面人脸特征系数直接进行分类比较,识别率得到了很大的提高。     

基于主成分分析和植被指数的潮滩植被信息提取研究

针对潮滩湿地植被的特点,利用2004年7月30日的SPOT5数据,在主成分分析的基础上,结合归一化植被指数NDVI和归一化水体指数NDWI,进行了Brovey变换和小波变换融合处理。融合后得到的图像较融合前的图像和原始SPOT5图像在空间相关性、信息熵以及植被间的可分离度等指标上都有显著的提高。对融合效果较佳的基于NDWI和主成分的小波变换的图像进行最大似然法分类,与原始图像最大似然法分类结果相比,分类精度提高了4.41%。     

基于PCA和ICA的虹膜识别方法

为了提高虹膜识别的正确率,提出了利用主成分分析(PCA)与独立成分分析(ICA)相结合的方法,来对虹膜进行识别的方法。用该方法进行虹膜识别时,首先对预处理后的虹膜图像,利用PCA算法进行去二阶相关和降维处理;然后再进行ICA训练。ICA训练采用了以下两种方法:方法1,将参与ICA训练的图像看作是随机变量,而将图像中的像素值看作是随机实验结果,ICA训练后即可得到相互独立的ICA虹膜基图像;方法2,将图像中的像素值看作是随机变量,而将图像看作是随机实验结果,ICA训练后即得到相互独立的ICA系数。采用CASIA虹膜数据库进行的试验结果表明,基于PCA和ICA的虹膜识别算法在两种训练方式下的正确识别率分别达到98.89%和98.33%。     

Face recognition by independent component analysis

A number of current face recognition algorithms use face representations found by unsupervised statistical methods. Typically these methods find a set of basis images and represent faces as a linear combination of those images. Principal component analysis (PCA) is a popular example of such methods. The basis images found by PCA depend only on pairwise relationships between pixels in the image database. In a task such as face recognition, in which important information may be contained in the high-order relationships among pixels, it seems reasonable to expect that better basis images may be found by methods sensitive to these high-order statistics. Independent component analysis (ICA), a generalization of PCA, is one such method. We used a version of ICA derived from the principle of optimal information transfer through sigmoidal neurons. ICA was performed on face images in the FERET database under two different architectures, one which treated the images as random variables and the pixels as outcomes, and a second which treated the pixels as random variables and the images as outcomes. The first architecture found spatially local basis images for the faces. The second architecture produced a factorial face code. Both ICA representations were superior to representations based on PCA for recognizing faces across days and changes in expression. A classifier that combined the two ICA representations gave the best performance.     

双台子河口湿地景观时空变化研究

在遥感和地理信息系统的支持下,利用2000年的一景Landsat ETM数据及2005年的一景CBERS-02星CCD数据对双台子河口湿地进行了景观时空变化研究。通过对两期图像进行景观类型提取,得到了两个年份的研究区景观分类结果,采用景观类型转移矩阵对两个时段的景观类型变化进行了分析,并利用两个时段间的转移变化情况应用马尔科夫模型对研究区湿地景观演化趋势进行预测。研究结果表明,在2000年到2005年间,研究区湿地景观类型变化比较显著,天然湿地呈现出向人工湿地转化的趋势。同时预测结果也表明,研究区内湿地景观的面积在未来呈减少的趋势。     

基于多季相Sentinel-2影像的白洋淀湿地信息提取

白洋淀湿地是华北平原上重要的浅水湖泊湿地,对雄安新区绿色发展具有重要的生态价值。对白洋淀高度异质化的景观格局进行分类,能够为白洋淀湿地资源的遥感监测提供指导意义。针对湿地季节变化的特点,对白洋淀每个季节选取一期具有代表性的Sentinel-2影像,采用分类与回归树（CART）、支持向量机（SVM）、随机森林（RF）3种常用的机器学习分类器对15种季相组合实验方案进行分类,分析不同季相遥感影像及其组合对白洋淀湿地信息提取的优劣。结果表明：相较于使用单一季相影像分类,多季相影像的组合能够显著提高分类精度,春&夏季相组合能够得到最优的分类效果,相对单季影像总体分类精度提高了10.9%~25.5%,Kappa系数提高了0.09~0.29;SVM分类器的分类表现较为稳定,能够得到最高的平均分类精度,CART分类器在处理高维特征的能力不如随机森林和SVM;不同特征类型对湿地信息提取的贡献度从高到底依次是红边光谱特征、传统光谱特征、缨帽变换特征、主成分分析特征、纹理特征。实验成果能为湿地信息的遥感识别提供依据。     

基于ICA的全色影像和多光谱影像融合算法

提出了一种新的基于独立成分分析的全色图像和多光谱图像的融合算法。对于两幅图像的重叠区域，使用独立成分分析去除遥感影像中高阶数据冗余问题，然后对通过独立成分分析所分离的各个分量进行叠加从而得到最终的融合结果。该方法的优点在于去除了原始图像上的数据冗余，提高了融合后图像的信息量和信噪比。     

独立分量分析在图像去噪方面的应用

独立分量分析(independent component analysis,ICA)是基于信号高阶统计量的盲源分离方法。在分析独立分量分析的基本模型及方法的基础上,讨论了有噪信号的独立分量分析(Noisy ICA),结合传统有噪图像分离方法与结合改进FastlCA算法有噪图像分离仿真研究进行对比。结果表明,该算法即使在高水平噪声图像中,也能够分理出比较清晰的图像。     

基于主分量和独立成分分析的多光谱目标检测

不同材料的物体具有不同的光谱特性, 基于这一原理, 可以利用多光谱图像数据对不同的目标进行检测。对于具有相似或相同外形特征( 颜色和形状) 的物体, 利用全色图像一般达不到检测与识别的目的; 利用传统的多光谱目标检测方法, 则因计算量较大, 识别精度低等, 达不到满意的效果。提出了一种基于主分量与独立成分分析相结合的多光谱目标检测的新方法。通过对多光谱图像数据进行主分量分析, 可以降低多光谱的维数, 去掉冗余成份, 保留其主要信息; 对降维后的数据再进行独立成分分析, 提取各种目标的光谱特性, 实现目标的检测与识别。将这两种方法有机的结合起来, 发挥各自的优点, 实现对多光谱图像目标快速的检测与识别。以真假树叶( 真树叶和塑料树叶) 为例, 验证了该方法的有效性和正确性。     

一种基于独立分量分析的模糊图像盲分离算法

利用独立分量分析（ICA）的不完整自然梯度算法对因混合而引起的多幅模糊灰度图像进行盲分离,并针对算法中的非线性函数与源信号概率分布密切相关,而源信号的分布却是未知的先验信息的问题,利用算法输出信号的峰度对非线性激活函数进行自适应选择,提出了一种改进的自适应不完整自然梯度算法,并将其应用于模糊图像的盲分离,分析了不同混合矩阵对本文算法恢复原始灰度图像的影响及算法性能。仿真结果证明了本文算法与经典的FastICA算法相比,计算耗时更少、性能指标明显优越。