融合颜色-纹理模型的均值漂移分割算法

针对常规的均值漂移算法在特征空间聚类时未考虑图像的纹理信息从而导致分割精度不高的问题,该文提出了一种融合颜色-纹理模型与均值漂移的改进分割算法。首先,对原始影像进行同等组滤波和颜色量化,得到颜色-纹理模型;其次,利用均值漂移算法对滤波影像进行初始分割,得到同质性较好的初始分割区域;最后,将颜色-纹理模型及初始分割对象轮廓信息应用于区域合并过程中,结合形状特征增强分割对象的紧密性。该算法充分结合了图像的颜色、纹理特征,通过对不同类别的遥感影像的分割实验进行分析,结果表明分割效率和分割质量均得到较大提升,且具有较好的适用性、可靠性及精确性,对遥感影像中纹理信息丰富的植被、密集建筑区等具有较好的分割效果。     

基于边缘图与边缘方向的遥感图像检索

本文在系统介绍遥感图像检索中边缘特征描述方法的基础上,将边缘特征归纳为边缘图和边缘方向两类特征。通过对遥感目标图像库和纹理图像库上所做实验的分析,揭示了不同算法的特性,并指出综合两类特征可进一步提高算法的检索性能。     

一种改进低层特征算子的遥感影像检索方法

在遥感数据检测中,现阶段往往将C_Meta(颜色特征计算得到)和T_Meta(纹理特征计算得到)作为两种不同的Meta-feature特征,使得对于同类地物影像利用C_Meta和T_Meta检索的结果不理想且有较大差异。为了改善检索结果,该文提出通过初步检索选择检索结果较好的C_Meta或T_Meta作为不同类别影像最终的Meta-feature特征;并利用新的影像特征库进行第二次检索。实验结果表明,此方法的检索结果好于原始的C_Meta和T_Meta以及传统的颜色直方图和小波纹理。     

多通道颜色信息融合与纹理影像检索

利用纹理特征进行遥感影像检索时,通常先将多波段影像转化为灰度影像再提取纹理特征,但由于忽略了影像的颜色信息,用于遥感影像检索时往往难以得到好的检索结果。针对此问题,该文利用Gabor小波构造多个相同方向不同尺度的滤波器以提取波段之间的差异信息,并与传统的纹理特征融合构成改进的纹理特征。实验结果表明,相比传统的纹理特征,改进的纹理特征对影像内容的描述能力更强,有效地改善了检索结果,提高了检索查准率。     

改进的边缘角度直方图在遥感图像检索中的应用

针对基于形状的遥感图像检索中区域分割困难这个问题,本文提出利用边缘角度直方图作为形状特征对遥感图像进行检索;针对遥感影像分辨率和颜色反差对检索性能的影响,本文提出采用多尺度分析的思想,提取图像在多个尺度上的边缘角度直方图特征进行检索。通过单一尺度边缘角度直方图特征和多尺度边缘角度直方图特征检索的对比实验,揭示了本文所提出的改进方案使遥感图像的检索精度提高了约31个百分点。     

具有鲁棒性的彩色图像检索方法

提出了一种鲁棒的图像检索方法，它能够在检索大规模图像库时实现基于内容的快速匹配。匹配的索引来源于重量化HSV颜色空间得到的灰度图（Z值图）的区域特征。由于Z值图由反映色彩的聚类区域组成，并且使用矩方法来表达特征，因此该检索方法是鲁棒的，具有2维平移、尺度、旋转不变性，同时可以避免逐点匹配产生的时间耗费。     

具有鲁棒性的彩色图像检索方法

提出了一种鲁棒的图像检索方法,它能够在检索大规模图像库时实现基于内容的快速匹配.匹配的索引来源于重量化HSV颜色空间得到的灰度图(Z值图)的区域特征.由于Z值图由反映色彩的聚类区域组成,并且使用矩方法来表达特征,因此该检索方法是鲁棒的,具有2维平移、尺度、旋转不变性,同时可以避免逐点匹配产生的时间耗费.     

遥感图像蚁群算法和加权图像到类距离检索法

遥感图像检索目的是从遥感图像库中寻找出与查询图像相关的图像,但在检索过程中一般只考虑查询图像与待检索图像的相似度,通常忽略了遥感图像库中图像之间的语义相似度.针对该问题,本文提出一种基于蚁群算法和改进的加权图像到类距离的遥感图像检索算法.首先利用信息素浓度描述遥感图像库中图像之间的语义相似度,然后采用蚁群算法更新信息素浓度,最后在检索过程中,充分利用图像之间的语义相似度,提升遥感图像检索性能.此外,还改进了一种加权图像到类距离,用于提高度量查询图像与待检索图像间的相似度准确性,从而进一步提升检索性能.在两个公开的遥感图像数据集(UCMD和PatternNet)上的试验结果表明,本文方法能够取得比现有方法更好的检索结果.     

一种模糊聚类的遥感影像分析方法研究

针对传统模糊聚类的遥感影像分析方法的不足,重点研究基于模糊ISODATA聚类的遥感影像分析。通过Matlab软件编程实现基于迭代自组织数据分析技术、模糊C均值聚类、模糊ISODATA算法对合成图像、纹理图像及真实遥感影像的分类,并对其分类结果进行讨论。通过实验数据对比,评价FISODATA算法的优越性。实验结果表明:ISODATA算法及FISODATA算法都能够实现变类,而FCM算法只能在固定聚类数下进行分类,但是,ISODATA算法分类机制不稳定,不能每次都确定正确聚类数。在迭代过程中,将FISODATA算法引入模糊集理论,便能够快速准确的实现聚类数的确定。     

卷积神经网络多层特征联合的遥感图像检索

针对卷积神经网络的特征表达方法难以满足大规模遥感图像检索需要的问题,该文将卷积层特征和全连接层特征进行联合,提出一种基于卷积神经网络多层特征联合的遥感图像检索方法。该方法提取不同卷积层特征作为图像的局部特征,提取全连接层特征作为感兴趣区域,并对二者进行跨层整合得到新的图像特征并应用于图像检索。实验结果表明,与利用单一的全连接层或者卷积层特征以及传统的经典检索方法相比,该方法取得了很好的检索结果,能够更好地保留图像的全局信息和空间结构信息,提高遥感图像检索的性能。     

深度学习的半监督遥感图像检索

遥感图像数据的海量性、多样性和复杂性等特点对遥感图像检索的速度和精度提出了更高的要求,其中特征提取是影响遥感图像检索效果的关键。本文方法首先对遥感图像进行预处理,然后基于稀疏自动编码的方法在大量未标注的遥感图像上进行特征学习得到特征字典,基于卷积神经网络的思想,使用训练出来的特征字典对遥感图像进行卷积和池化得到每幅图像的特征图;接下来使用特征图训练Softmax分类器;最后对待检索图像分类,在同一类别中计算特征间的距离,进而实现遥感图像的检索。实验结果表明,该方法能够有效提高遥感图像检索的速度和准确度。     

一种基于四元数变换的彩色遥感影像检索方法

遥感影像常存在旋转和缩放等变化关系，这就要求检索时图像特征具有旋转和尺度不变等性质。目前，彩色遥感影像检索在提取这些特征时通常对色彩通道单独进行处理，导致3个通道之间的关系信息丢失，且没有充分利用数据本身所特有的几何特征，影响了检索精度。结合四元数与正交傅里叶-梅林矩的优点，提出了一种基于四元数变换的遥感影像检索方法。针对已有工作中存在的基于四元数傅里叶-梅林矩所提取的纹理特征只具有旋转不变性的问题，利用四元数正交傅里叶-梅林矩构造出具有旋转和尺度不变的纹理特征，并使用四其对图像进行边缘检测，得到边缘色彩图像并提取边缘色彩直方图，综合多种特征进行图像检索。实验结果表明，使用此方法进行遥感影像检索对于图像旋转和尺度变化具有良好的鲁棒性，检索性能明显提高。     

基于知识的遥感图像地物提取方法研究

通过对图像知识库、图像数据库、纹理分析和形状分析等技术的研究,提出了一种基于知识的遥感图像地物提取的方法。该方法提取图像的纹理特征和形状特征,根据知识库中的先验知识进行推理,实现了遥感图像地物的判别和提取。     

轮廓波变换在遥感目标图像检索中的应用

除具有纹理属性外,遥感图像中还包含大量的结构性边缘特征。如何有效捕捉这些特征中的信息进行检索,成为提高遥感图像检索效率的关键。依据Contourlet在离散域的多尺度几何分析的功能,提出一种利用Contourlet子带能量分布特性提取原始图像在多个尺度下的边缘方向信息进行检索的方法。针对Cont-ourlet变换响应不同特征方向能力的差别,采用正交补偿法加以改正,经过傅里叶算子的处理,从而实现旋转不变结构性边缘特征的检索。最后,在遥感目标图像上所作的实验证实了该算法的有效性。     

地物空间关系匹配的高分辨率遥感影像检索

从低层视觉特征与地物空间关系特征对影像内容进行描述,建立检索模板与目标影像间的相似性直方图表达,提出一种适用于高分辨率遥感影像检索的新方法。首先,利用Quin+树将大幅面原始遥感影像分解为一系列同尺寸的序列子块;然后,分别提取各子块的低层视觉特征与地物关系特征,并以子块为基元构建候选子块的特征直方图;最后,对比检索模板与候选子块间的特征直方图相似性,实现高分辨率遥感影像的检索。使用多幅多源高分辨率遥感影像进行实验,结果表明本文方法对耕地、水系、建筑物等地类的检索精度大都维持在0.8以上,且各项检索性能指标均优于已有的两种遥感图像检索算法。     

利用视觉词袋模型和颜色直方图进行遥感影像检索

基于内容的遥感影像检索已经成为遥感领域的研究热点,因此,本文提出了一种综合视觉词袋模型和颜色直方图的遥感影像检索方法,利用尺度不变特征算子提取影像的局部不变特征,通过视觉词袋模型组合局部特征,生成每幅影像的金字塔直方图,接着结合每幅影像的颜色直方图生成更有区分性的特征向量,利用新的特征向量集训练支持向量机分类器,通过分类器输出与查询属于一类的影像,完成遥感影像检索。试验结果表明,本文方法不仅提高了影像检索的查准率和查全率,并且验证了该方法能有效克服影像光照、噪声、方向等变化,鲁棒性较好。     

基于深度卷积神经网络的高分辨率遥感影像场景分类

场景分类对于高分辨率遥感影像的理解和信息提取具有重要意义。传统方法利用低、中级或语义特征来对影像的场景进行判别，但是针对高分影像涵盖的细节多、类别复杂等特点，中低层特征无法对影像语义进行准确描述。本文提出了一种基于深度卷积神经网络DCNN场景分类模型。首先利用卷积层对影像的纹理、颜色等低阶特征进行提取，然后利用池化层对重要特征进行筛选，最后将提取到的特征进行组合，形成高阶语义特征，利用高阶语义特征对高分影像进行场景分类。为了解决模型的过拟合问题，使用了数据增广、正则化及Dropout提高模型的泛化能力。本文方法在UC Merced-21取得了91.33%的准确率，相比于传统方法，有效地提高了分类精度，同时证明了深度卷积神经网络在遥感影像分类领域优越性。     

JSEG改进算法在多光谱遥感影像区域分割上的应用

图像分割是对图像进行感兴趣区域提取与识别的基础,是图像分析的关键步骤.基于区域分割的JSEG算法是一种既融合了颜色信息又融合了空间信息的图像分割方法,在普通图像和视频图像中都能得到良好的分割结果.将这一算法引入到遥感影像的分割中,并对其做出改进,使之适用于多光谱遥感影像和纹理特征复杂的遥感影像的区域分割.实验结果表明,该算法很好的解决了由于影像中复杂的地物信息而产生的不同区域边界模糊的问题.     

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。