图像分数维计算模型的改进

分数维作为一种图像纹理特征常用于遥感图像分类,提高图像分数维的测量有助于提高遥感分类精度。本文在介绍目前常用的基于分形布朗运动分数维计算方法的基础上,运用分形的相关理论,指出了现有方法存在的缺陷,提出了改进的分数维计算方法;并用SPOT全色影像中常见的5种地物进行了对比实验,实验结果表明,本文提出的改进方法获得的分数维测量结果比现有的方法更接近理论分析结果,更有利于地物的识别与分类。     

基于分形理论的航空图像分类方法

提出一种基于分形理论和BP神经网络的航空遥感图像有监督分类方法。该方法尝试将航空图像的光谱信息和纹理特征相结合。它首先将彩色航空图像由RGB格式转化为HSI格式，然后，根据亮度计算分数维、多重分形广义维数谱q-D(q)和“空隙”等基于分形的纹理特征，同时加入归一化的色度和饱和度作为光谱特征，采用BP神经网络作为分类器。通过对彩色航空图像的分类实验，结果证实该方法行之有效。     

基于分形理论的航空图像分类方法

提出一种基于分形理论和BP神经网络的航空遥感图像有监督分类方法。该方法尝试将航空图像的光谱信息和纹理特征相结合。它首先将彩色航空图像由RGB格式转化为HSI格式，然后，根据亮度计算分数维、多重分形广义维数谱q-D(q)和“空隙”等基于分形的纹理特征，同时加入归一化的色度和饱和度作为光谱特征，采用BP神经网络作为分类器。通过对彩色航空图像的分类实验，结果证实该方法行之有效。     

图像盒子维数特征计算方法改进

通过对盒维数定义的分析,指出图像处理领域常用盒维数计算模型使用固定大小立方体覆盖分形表面的缺陷。在不违反盒维数定义的前提下,提出一种使用可变大小长方体取代固定大小立方体盒维数计算方法。用遥感图像的几种典型地物,对它们进行了比较。实验表明,这种方法有助于提高盒维数计算精度。     

基于可变步长的光谱响应曲线分形维计算方法研究

提出了一种基于可变步长(即基于不同采样率)的高光谱图像响应曲线分形维计算方法.该方法在不同的采样率下对光谱响应曲线进行采样,计算相邻点的光谱响应差值,统计采样点的差值总和,利用最小二乘法求出分形维.为了提高计算效率,运用多线程的技术将高光谱图像分成几个部分,各部分的分形维由多核计算机同时并行计算.实验结果表明,该方法能...     

改进分数阶达尔文粒子群的多Renyi熵图像分割算法

针对智能优化图像分割算法易陷入局部最优、分割精度不高等问题，本文融合改进的分数阶达尔文粒子群算法和二维Renyi熵多阈值，提出了一种新的多阈值遥感图像分割算法。算法利用粒子自身进化信息来定义进化因子，结合进化因子并利用高斯图函数调整分数阶次α系数以实现精确计算和快速收敛；根据局部最优概率因子对局部最优位置进行Levy飞行随机扰动以提高算法跳出局部最优的能力；同时将二维Renyi熵单阈值扩展到多阈值分割上，并结合改进的分数阶达尔文粒子群算法，将二维Renyi熵多阈值应用于遥感图像分割中。仿真结果表明，与其他2种智能优化分割算法相比，本文分割算法在细节处理和分割精度上均有明显优势，在PRI上至少提升7.27%、VOI至少降低6.5%、GCE至少降低10.4%。     

高光谱图像空间光谱维去相关噪声评估

高光谱图像噪声评估既是评价图像质量的重要内容,也是衡量传感器性能的重要指标。一般噪声评估方法通过对图像规则分割或利用某种距离准则对图像进行连续性分割,计算图像子块的局部标准差或多元线性回归的残差来实现对图像噪声的估计。但这些方法获取的图像子块并不是完全均匀的,图像子块中仍然会存在地物边界,导致图像噪声评估的结果不准确。为了有效提取图像中的均匀子块,本文提出了一种优化的空间光谱维去相关（OSSDC）方法,基于光谱角距离和欧氏距离双重判定,从光谱曲线的形状和数值上寻找相似像元,获取图像中的均匀子块,然后利用多元线性回归计算残差实现对图像噪声的估算。利用模拟图像和实际航空飞行实验获取的高光谱图像对优化算法进行检验,同时与几种常用噪声评估方法进行对比分析,结果表明优化后的算法计算结果更准确,稳定性和适用性优于其他方法。     

北京地区典型地物遥感图像分形研究

分形数学是新近发展起来以研究自然界复杂的无法用传统数学理论去描述的现象和过程为对象的数学理论，而RS和GIS的结合是目前遥感图像研究的热点。本文用3种方法来计算选定图像的分形维数。这3种方法分别是分线法，坡面法和三棱柱法，其中坡面法是作者提出的一种新方法。本文在GIS支持下用Matlab实现了3种算法，并用此法计算出了3种地形（城市，农田和湖泊）的分形维数。     

一种基于Rough集的图像滤波算法

Rough集理论是一种新的处理含糊和不确定性问题的数学工具。它作为一种软计算方法，与模糊方法、遗传算法、神经网络等一样，是有发展潜力的智能信息处理方法。文中将Rough集理论应用到图像滤波中，提出了一种基于Rough集理论的图像中值滤波算法；给出了该算法与标准中值滤波算法的比较实验。结果表明，该算法去噪能力强于标准中值滤波算法，且能较好地保持图像的边缘细节信息。     

融合相容粒理论的遥感图像检索

为了提高遥感图像检索的效率和准确性,提出了一种融合相容粒计算模型的遥感图像检索方法。首先,根据相容粒理论定义了区域相容粒、图像相容粒和区域相容粒信息表等相关概念,将遥感图像粒化;然后,计算出图像区域相容粒的相似度;最后,结合综合区域匹配算法,提出融合相容粒理论的遥感图像相似性度量算法,并利用IKONOS影像进行对比实验。实验结果表明,融合相容粒理论的检索算法能够提高遥感图像检索的查准率,与综合区域匹配算法相比,本文算法查准率提高了12.08%,基本满足用户需求。     

影像纹理的多标度分形分析

引入目前在分形几何中发展起来的多标度分形理论，发展了影像纹理的多标度分形分析，能够描述纹理结构更多的分形特征，反映影像纹理的局部分维差别，抑制目前仅基于整体分维计算存在的不同分形同分维之弊端，实现影像纹理的多分辨率分析。尽管分维测度是纹理的一个非常重要的特征，但单纯的仅基于分维测度的分析，并不足以表征所有的纹理信息。     

纹理模型法用于影像纹理分类

在分析分形维和马尔可夫随机场两种主要纹理模型法的基础上,提出了先用马尔可夫随机场方法进行纹理分类,再用分形维方法对那些具有相同马尔可夫随机场模型及参数值相近的纹理影像进行分类的方法。该方法不仅能提供出影像纹理的纹理基元,还能给出影像粗糙性、自相似程度,减少了纳伪误差。     

度量映射方法在河流分维测算中的应用

应用TM卫星图像数据，根据对黑龙江省阿什河约80km河段、松花江及嫩江约2300km河段的分维研究。证明了在度量数列满足持邻性和等比收敛性的条件下。可以应用度量映射方法计算随机分形集的分维。研究表明，黑龙江省阿什河河段（约80km）的分维比松花江和嫩江河段（约2300km）的分维高；曲线的分维一定要与标度的变化区间联系起来，否则分维将失去可比性；河流的分维不仅与标度有关，还与矢量化时原图像的分辨率有关。     

Hyperion 影像分形信号特征研究

高光谱影像具有“谱像合一”的特征, 因而可以从谱和像两个角度对高光谱影像进行分形分析。本文把计 算表面分形维的双层地毯法用于计算Hyperion 高光谱曲线的分形维, 根据每一像元的高光谱曲线计算出每一尺度 的上分形信号和下分形信号, 并对分形信号值及分形特征尺度进行分析。结果表明对于不同地物其分形信号在某些 特定尺度(分形特征尺度)有较大的差异, 而且对于Hyperion 高光谱影像, 下分形信号可更有效地突出地物特征。文 章最后简要讨论了上分形和下分形、起始计算尺度以及原始采样点数目对分形特征尺度的影     

遥感数据的分形测量

用分形几何学方法对遥感数据进行了分析,从而定量解释遥感影像。共编制了３种分数维测量方法,它们是分线方法（或等值线方法）,方差方法和三角棱柱方法。用分线方法计算了腾冲地区陆地卫星ＴＭ数据的分数维。图像数据的等值线长度分别按行,按列和按行－列方法处理记取以便能发现图像的模式变化。当图像有明显的走向模式时,按行方法所测量的Ｄ值与按列方法测得的Ｄ值是不同的。按行－列方法测量的Ｄ值几乎不受定向模式的影响。当Ｒ（相关系数）＞０．９时,按３种方式记取等值线所得到的Ｄ值的变化趋势是一致的,都能给出图像数据中的空间相互关系。通过分维测量,不但能描述图像数据的整体特征而且能描述图像数据中的每个值的特征,揭示遥感数据表观的无序性和内在的规律性,更重要的是可把这些Ｄ值与地面物体之间建立联系来探讨各种自然现象中的有用信息。     

利用分维向量改进神经网络在遥感模式识别中的分类精度

本文介绍了基于ＢＰ神经网络的遥感模式识别方法的特点，同时引入分形维数的概念及其在图像中的计算和应用，并将分维作为反映各类别数据纹理特征的附加波段分量，加到网络的输入层，明显地提高了分类精度。     

北京地区典型地物遥感图像分形研究

分形数学是新近发展起来以研究自然界复杂的无法用传统数学理论去描述的现象和过程为对象的数学理论。而RS和GIS的结合是目前遥感图像研究的热点。本文用 3种方法来计算选定图像的分形维数。这 3种方法分别是分线法 ,坡面法和三棱柱法 ,其中坡面法是作者提出的一种新方法。本文在GIS支持下用Matlab实现了 3种算法 ,并用此法计算出了 3种地形 (城市 ,农田和湖泊 )的分形维数。     

基于理想分形规则扩展的地图曲线模拟方法研究

针对地图目标中许多线状要素具有典型统计分形特征的性质,探讨了在理想分形规则基础上通过增加随机因子,从而根据分维数反过来模拟构建地图曲线的方法.     

Fractal Genetic Model in Change Detection of SAR images

The paper presents an effective way of detecting the changes of multi-temporal synthetic aperture radar (SAR) images. An accurate unsupervised change detection method that combines the intensity information and the fractal dimension of SAR images is proposed based on the fractal genetic model (FGM). The model computes firstly the local fractal dimension of the SAR images to obtain the fractal image and next a new proposed measure (D) is calculated from the normalized ratio of SAR images and the normalized difference of fractal images. Finally, the change map is derived by minimizing a cost function using a genetic algorithm (GA) on the derived image from the measure. Experimental results of detecting changes from SAR images acquired by ASAR on board ENVISAT and ALOS-PALSAR reveal that the proposed method is an effective and efficient tool for change detection from SAR images.