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     

高光谱影像纹理特征编码分形特征研究

提出了一种基于分形测度分析高光谱影像纹理的技术.根据高光谱影像纹理单元中相邻光谱矢量的相关关系构造方向性纹理特征,得到了一组纹理特征编码值,从纹理特征编码值本身、相同地物纹理特征编码自相似性和使用不同尺度测量纹理特征编码值构成的曲线所表现出来的幂指数关系三个方面,说明高光谱影像纹理特征编码曲线具有分形特征.设计了纹理特征编码曲线构建模型,采用纹理编码曲线的分形维值表征不同的纹理特征,达到区分和判别不同纹理的目的.试验表明,该方法对提取地物纹理特性具有可行性.     

关于IKONOS卫星遥感图像的分形特征研究

通过计算IKONOS卫星遥感图像多波段数据各种地物类型的分形维数,分析IKONOS卫星遥感图像的空间结构特征.结果显示,IKONOS多光谱数据的空间特征对分析现实世界的空间特征具有重要的意义;不同地物的空间结构差异很大,具有各自的分形特征曲线;同一地物的不同波段图像中的图像结构也有差异.     

分形原理评估特殊曲线测量精度——以海岸线为例

特长曲线的高精度测量处理一直是地理信息数据处理的难题.海岸线作为空间数据中的最长动态曲线之一,其数据精度依赖于海岸线测量点的采样和分形.本文海岸线测量采用了高精度测量方法;同时基于海岸线分形原理,可以采用增加采样点的方法来提高海岸线的测量精度;最终采用Beizer曲线方法对数据进行加工,生成最佳高精度海岸线.     

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。     

分形在岩性分类及蚀变信息提取中的应用

为了推进多重分形思想在遥感地质找矿领域的应用,以新疆西准噶尔地区为实验区,通过分析该区的成矿特点与遥感影像特征,构建分形维数谱,并将其与图像光谱特征相结合进行岩性分类与含黄铁矿矿化蚀变信息提取,在现有矿点统计资料与专家经验知识的支撑下,确定找矿靶区.实践证明,基于遥感图像的分形理论并结合图像的光谱特征,建立相应的找矿模型和找矿标志,能更好地为区域矿产勘查提供决策支持.     

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GIS流域地貌形态特征分形与计算方法研究

提出了基于GIS平台流域地貌特征分形信息维数的计算模型;探讨了地貌分形信息维数的计算方法,并采用Avenue语言开发了基于Arcview环境下流域地貌特征分形信息维数计算软件,并对长江流域弹子溪小流域地貌分形信息维数和数据无标度区进行了计算和深入分析。     

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。     

Dimensionality reduction of hyperspectral data using spectral fractal feature

A new approach for dimensionality reduction of hyperspectral data has been proposed in this article. The method is based on extraction of fractal-based features from the hyperspectral data. The features have been generated using spectral fractal dimension of the spectral response curves (SRCs) after smoothing, interpolating and segmenting the curves. The new features so generated have then been used to classify hyperspectral data. Comparing the post classification accuracies with some other conventional dimensionality reduction methods, it has been found that the proposed method, with less computational complexity than the conventional methods, is able to provide classification accuracy statistically equivalent to those from conventional methods.     

结合Gram-Schmidt变换的高光谱影像谐波分析融合算法

针对高光谱影像谐波分析融合(HAF)算法在影像融合时不顾及地物光谱曲线整体反射率这一缺陷,提出了结合Gram-Schmidt变换的高光谱影像谐波分析融合(GSHAF)改进算法。GSHAF算法可在完全保留融合前后像元光谱曲线波形形态的基础上,将高光谱影像融合简化为各像元光谱曲线的谐波余相组成的二维影像与高空间分辨率影像之间的融合。它是在原始高光谱影像光谱曲线被谐波分解为谐波余项、振幅和相位后,首先将其谐波余项与高空间分辨率影像进行GS变换融合,这样便可有效地修正融合后像元光谱曲线的反射率特征,随后再利用该融合影像与谐波振幅、相位进行谐波逆变换,完成高光谱影像谐波融合。本文最后利用Hyperion高光谱遥感影像与ALI高空间分辨率影像对GSHAF算法进行可行性分析,再以HJ-1A等卫星数据对其进行普适性验证,试验结果表明,GSHAF算法不仅可以完全地保留光谱曲线波形形态,而且融合后影像的地物光谱曲线反射率更接近真实地物。     

结合KPCA和分形维提取高光谱遥感影像特征的方法

本文将KPCA和分形维有机结合,进行高光谱影像特征提取,实现优势互补:选择合适的核函数和分形维计算方法,设计了3种组合算法,优化了特征提取效果,并对AVIRIS实验结果进行了分析评价,结果显示在相同条件下,SVM的分类精度要高于其他分类算法,KPCA+Fractal特征提取更有利于地物的分类识别。     

利用能量变分方法进行高光谱数据去噪处理

利用超平面最小方案,针对高光谱数据在空间维和光谱维建立能量函数,通过两个权重系数调节空间维数据曲面光滑程度和光谱曲线光滑程度,达到联合抑制噪声的目的。实验中,对Hamamatsu相机和AVIRIS采集的高光谱影像数据中比较严重的噪声污染,该方法有效地降低了噪声的影响,在AVIRIS水吸收带处的去噪效果尤为明显。     

分形分维估值在GIS地理特征描述中的应用

从ＧＩＳ地理特征分形分析入手,利用量规维数的求解来加归区域曲线的无标度区和分维值,并把这一分维值与ＧＩＳ中典型的分形特征相联系,探讨了分维值的含义及其作用,以获得ＧＩＳ下地图应用的新认识。     

判别流形学习算法的高光谱数据降维与树种识别

高光谱遥感影像的波段光谱特征是各类地物内在物理化学性质的反映,在对不同地物进行分类与识别时具有巨大潜能,但由于其波段多造成的信息冗余,需要对高光谱数据进行有效降维,以提高高光谱影像的分类准确度。本文提出了基于判别局部片排列的流形学习算法（DLA）对Hypersion高光谱数据进行降维,通过对局部样本数据进行流形学习框架内的优化训练,将原始光谱特征空间转换为低维的最优判别流形子空间,然后在该子空间内利用最大似然分类器对Hypersion影像中的每个像素进行分类,并与主成分分析（PCA）、原始光谱特征（spectral）降维方法的分类效果进行比较。结果表明,DLA能够有效提高高光谱数据的分类准确度,对不同树种分类取得了满意效果。     

基于激光测距的航空扫描影像中建筑物的自动提取

介绍了利用“机载激光影像制图系统”获得的激光测距,飞机姿态和位置数据解算出的地面三维信息同光谱辐射信息高度融合,用于快速自动地提取城市建筑物边界及高度的方法,探讨了地物的分裂／ 合并算法、建筑物与树木的分离、边界提取中初始种子点的选择和灰度参考值及阈值的自适应调整,针对影像中建筑物的扭曲采用了二维／ 三维变换和曲线模板,针对边缘模糊、不连续和强噪声等采用了统计判决和取样模板等等。并利用呼和浩特市区数据进行了验证。     

遥感尺度内涵及遥感像元尺度效应分析的改进分形方法

本文首先分析了遥感影像尺度的三层次内涵。重点针对遥感像元尺度,分析了遥感像元尺度效应及其分形机理,由于现有分形方法没有考虑影像本身尺度(空间分辨率),造成尺度间分形维数的比较时像元尺度效应变化难以有效反映,本文针对此问题提出了基于表面积的加窗分形布朗运动和加窗双层地毯两种改进分形方法。为验证改进分形方法的可靠性,采用了不同像元尺度下系列监督分类进行验证。试验结果表明,每种地物的分维数都随着空间分辨率的降低或像元尺度的缩小,呈总体下降趋势,在某些特征尺度上会出现预示着某些地物结构的拐点,这些拐点对观测该区域地物具有一定指示意义。系列监督分类精度也一定程度上证明了以上两种改进分形方法在分析尺度效应中的可行性。因此本文的方法对于分析遥感像元尺度效应和探索地物尺度聚合规律具有一定的理论意义。