基于KPCA和FCM的HJ-1A星遥感数据分类

为提高对环境与灾害监测预报小卫星1A(HJ-1A)星遥感数据分类的精度,首先将HJ-1A星HSI高光谱数据和CCD多光谱数据进行GS(Gram-Schmidt)融合,然后利用主成分分析法(principal component analysis,PCA)和核主成分分析法(kernel PCA,KPCA)分别对融合后的高光谱图像进行降维处理.KPCA降维时采用高斯、线性和多项式3种核函数,根据特征提取效果评价结果,选择累积贡献率较大的多项式核函数.最后,分别对融合后的高光谱图像、PCA主成分图像和基于多项式核函数的KPCA主成分图像进行模糊C均值分类.实验结果表明,KPCA对融合后高光谱图像的特征提取得到了较好的效果,同时提高了分类精度和效率.     

特征维数对支持向量机分类器性能影响的研究——以高光谱遥感影像为例

本文为验证SVM对高维特征的适应性和可靠性,针对不同特征提取方法与特征组合,以国产OMISⅡ传感器获得的北京昌平地区高光谱遥感据为例,对SVM分类器中特征维数对分类准确率的影响进行了试验,通过对主成分分析、最小噪声分离算法、相关系数分组后特征提取、导数光谱等的分析,表明SVM分类器的分类精度随着特征维数波动,其中主成分分析降维后提取的特征具有用于分类能够获得最高的准确率。通过与最大似然法和光谱角制图分类算法的比较,说明在同样的特征输入情况下SVM分类算法分类的准确率高于最大似然法和光谱角制图分类器。     

一种联合特征降维的极化SAR影像分类方法

针对PolSAR影像极化信息利用不完全,分类效果有待进一步提高的问题,该文在综合多源极化信息的基础上,提出一种核熵成分分析算法(KECA)特征降维,及BA-SSVM模型训练的PolSAR影像分类方法.构造PolSAR多源目标分解及纹理特征组合,根据熵值贡献率利用KECA开展特征降维,之后采用蝙蝠算法(BA)对光滑支持向量机(SSVM)模型参数自动寻优,实现PolSAR影像分类.通过Flevoland地区的AIRSAR影像及北京地区的Radarsat-2影像的分类实验,验证了该文方法的有效性.在特征降维方面,KECA比传统KPCA算法表现出更好的特征融合效果和非线性适应性;利用BA对SSVM参数进行智能解算,也可有效解决盲搜索问题,提高模型训练精度;通过KECA降维及BA-SSVM智能模型训练,分类效果总体优于传统方法.     

高光谱遥感影像的广义判别分析特征提取

高光谱遥感影像具有丰富的光谱信息,在地物分类识别方面具有明显的优势。针对复杂高光谱影像分类问题,应用了一种广义判别分析特征提取技术。将输入样本通过非线性函数映射到特征空间,在特征空间中应用线性判别特征提取方法;算法求解过程中涉及到在特征空间的内积用核函数代替,简化计算的同时也使得算法与非线性函数的具体形式无关。通过影像分类试验表明,该方法较常用特征提取方法更有利于分类精度的提高。     

高光谱遥感影像的广义判别分析特征提取

高光谱遥感影像具有丰富的光谱信息,在地物分类识别方面具有明显的优势.针对复杂高光谱影像分类问题,应用了一种广义判别分析特征提取技术.将输入样本通过非线性函数映射到特征空间,在特征空间中应用线性判别特征提取方法;算法求解过程中涉及到在特征空间的内积用核函数代替,简化计算的同时也使得算法与非线性函数的具体形式无关.通过影像分类试验表明,该方法较常用特征提取方法更有利于分类精度的提高.     

应用MapX组件实现Bouligand维数算法

随着地理学从定性向定量的发展,地理学研究中逐渐引入了分形理论.描述分形的特征是分形维数,但现有的地理信息系统软件不能直接用于计算分形维数,研究者需要借助地理信息系统软件进行二次开发实现相应的功能.设计了经常使用的Bouligand维数的算法并借助MapX组件实现了该算法,并通过实例论证了该算法的准确性.     

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。     

顾及分形理论的多特征海底底质分类

针对传统基于单一分形维数进行底质分类存在近似底质分类可靠性不高的问题,提出了顾及分形维数、空隙特征和多重分形的多特征海底底质分类方法。结合均值、标准差、分位数等灰度统计信息,组成特征向量组,并获取其主成分特征向量组实施底质分类,相比传统方法,本方法显著提高了近似底质的分类精度,并在胶州湾实验中得到了验证。     

一种改进的全极化雷达影像分类

针对面向对象的PolSAR影像分类中"维数灾难"的问题,该文提出过滤式与封装式联合的特征选择方法.该方法利用ReliefF算法和增益率评估模型作为特征过滤器剔除与分类相关性小的特征,采用CART算法进一步对剩余特征进行筛选,获得最优特征子集进行分类,并和Wishart监督分类、不进行ReliefF算法与增益率评估模型特征提取的分类方法进行比较.以GF-3影像数据为例进行实验,结果表明,本方法在时间成本和分类精度上较其他两种方法都有显著提高,验证了该算法在面向对象土地利用分类中的可行性.     

基于蚁群优化的特征选择新方法

利用蚁群优化算法解决特征选择问题，以获得能代表问题空间的较优特征子集，并能降低分类系统的搜索空间。以航空纹理影像的特征选择和分类问题为例，利用主分量变换和蚁群优化算法分别对原始纹理影像特征集合进行特征提取、选择和分类。结果表明，本文方法不仅能够降低图像特征空间维数，减少图像分类的工作量，而且还可以提高分类识别的正确率。     

热红外目标的多标度分形识别模型

利用机载热红外成像光谱仪（TASI）获取的热红外图像,进行了温度与比辐射率分离,然后采用多标度分形模型进行阈值分割,建立了一种新的热红外影像目标探测方法。实验结果表明,温度的空间分布具有多标度分形特征,即对lgL（r）与lgr进行分段拟合。利用多标度分形模型提取的温度阈值进行城市热红外影像的精细目标识别,并成功提取了建筑物目标。     

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。     

基于核PCA方法的高分辨率遥感图像自动解译

针对基于像元的高分辨率遥感图像自动解译存在的缺点,提出一种分三步走的高分辨率遥感图像自动解译技术流程:首先采用核PCA进行特征提取,然后采用支持向量机(Support Vector Machine,SVM)进行分类,最后采用择多滤波器进行分类后处理。通过对覆盖西藏山南地区的IKONOS图像的解译实验表明,本文方法能够有效地实现遥感图像自动解译,其结果与人工目视解译图基本一致,取得了理想的效果。     

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。     

分形理论在城市交通网络时空演变特征研究中的应用--以上海市为例

以上海城市交通网络为例，通过不同行政区域交通网络的分维值测算，研究了分形特征的空间变化；利用上海全域及典型行政区交通网络不同时代的分维，研究了分形特征的时间演化。结果表明，上海城市交通网络的分形特征在空间域上城区内域明显复杂于外域，在城市发展主轴方向上表现为由内向外分维测度值的降低；而在时间域，近期的交通网络分形复杂度明显高于早期，反映了城市发展与形态演化的时间过程。     

融和启发信息的蚁群特征选择方法

特征提取和选择是模式识别核心问题之一,它极大地影响着分类器的设计和性能,高维的特征选择更是一个NP难题。针对特征选择这一组合优化及多目标优化问题,本文提出了改进的融合启发信息ACO(Antcolony optimization)特征选择的新方法,该算法比不用启发信息的ACO方法能更好地找出代表问题空间的最优特征子集,降低分类系统的搜索空间,从而提高搜索效率。以航空纹理影像的特征选择和分类问题为例,利用原始蚂蚁算法和改进的蚂蚁算法选择的特征分别进行识别,结果证明该算法不仅能够比没有改进的蚂蚁找出有效特征集、降低图像特征空间维数、减少图像分类的工作量,而且提高了分类识别正确率。     

特征贡献度与PCA结合的遥感影像分类特征选择优化方法研究

面向对象遥感影像分类过程中,特征选择是保证分类精度和提高分类速度的关键因素。本文针对高分影像特征过多造成维度灾难、无法取舍有效特征导致低分类精度等问题,提出了一种基于特征贡献度与主成分分析(PCA)结合的特征选择优化方法,定量分析并提取影像特征。本文首先利用特征贡献度进行特征选择,提取有效特征;然后进行PCA变换消除特征间相互影响,降低维度,将提取的143个影像分类特征经选择与变换至20个主成分特征,最终优化的特征在神经网络(ANN)、K最近邻法(KNN)和支持向量机(SVM)三种分类实验结果中的总精度分别提高了10.56%、7.78%和6.11%,实现了较好的分类效果,说明优化的特征选择方法不仅大大降低了特征维度,减少了后端分类计算量,同时有效提高了分类精度。     

基于分形分维和数学函数的南流江流域河网信息提取

利用南流江流域30 m分辨率的DEM数据,介绍了Arc GIS中进行河网提取的一系列过程,并利用其图解建模工具,提取南流江流域的不同汇流累积面积的水系河网,实现了提取过程的流程化处理。分别统计河源密度和沟壑密度,并分别计算它们与汇流累积面积的几何函数关系,并对其进行二阶求导,确定其二阶导数关系,得到合适的汇流累积阈值,并借助分形分维理论对河网的分维值进行了验证。利用函数关系和分形分维确定汇流累积面积提取水系河网的方法有效地避免了人工选择汇流累积面积的主观性,提高了研究结果的准确性和可靠性,在知道研究流域河网分维值的前提下,可快速获取准确的汇流累计面积阈值。