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.     

结合目标分割的高光谱城市地物分类

结合高光谱影像地物光谱特征与高空间分辨率影像分割获得的目标对象进行地物分类。首先,对Hyperion影像进行坏线和Smile效应去除,经过FLAASH大气校正后,得到研究所用的155个波段;其次,利用地物光谱曲线的特征点确定适合地物识别的光谱分辨率,进行Hyperion影像降维,生成降维后所需的21个宽波段;然后,对IKONOS影像采用小波融合,利用多分辨率分割技术生成高空间分辨率影像目标对象;最后,基于层次分析法对分割后生成的目标对象进行分类,采用模糊隶属函数利用植被红边效应、水体在近红外波段吸收特征进行第1层次分类,再取距离值最大的前10个Hyperion影像波段作为标准最邻近分类的特征波段,完成第2层次分类。分类结果表明,研究区共分出9种地物类型,分类效果明显优于最大似然法分类与光谱角填图法。     

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。     

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。     

利用小波分形维数确定水稻光谱分辨率特征尺度

采用1维离散小波HAAR、DB4、SYM4对LOPEX 93数据库中的6条水稻反射光谱曲线进行10层小波分解。利用小波近似系数重构信号,采用步长行走法计算重构信号的小波分形维数。研究各尺度下小波分形维数、小波细节系数方差、小波细节系数信息熵、小波近似系数重构方差的特征。结果表明水稻光谱曲线具有分形特征,分形计算中相关系数值均大于0.9证明分形计算的有效性。4个参数的尺度特征揭示了水稻光谱曲线特征尺度转折点出现在尺度6,当水稻光谱分辨率小于64 nm,才能较好地反映光谱曲线峰谷细节特性。通过田间实测18条水稻光谱,计算各尺度的两种植被指数及植被指数与叶绿素的相关系数,进一步证明这一结论。     

基于最佳小波包基的高光谱影像特征制图

鉴于在时频局部化能力方面小波包变换优于小波变换,将高光谱影像像元光谱曲线作为1维信号并对其进行多尺度小波包变换分解,得到不同尺度上的低频和高频成分向量。根据不同地物像元光谱小波包分解最佳基有很大差异,而同一地物像元光谱小波包分解的前若干个最佳基完全相同的特点,提出一种基于前若干个最佳小波包基特征参量数组的分类特征参量和目标识别方法,并对AVIRIS影像中的特征如地物植被、水体、岩石及某些阴影等进行提取与制图。     

基于小波特征融合的Hyperion影像降维方法

根据影像中地物光谱曲线的小波特征点确定地物识别的合适光谱分辨率,通过融合原先若干窄波段生成具有适合地物识别光谱分辨率的宽波段数据,达到降维高光谱数据的目的。文中对hyperion影像进行坏线和Smile效应去除,经过FLAASH大气校正,得到155个波段。对提取的八类地物的样本平均光谱进行DB4小波分解,计算小波细节系数方差;以小波细节系数信息熵作为特征点,得出不可渗透表面、居民地、水田、裸土4类地物识别适宜光谱分辨率为80nm,其余地物识别适宜光谱分辨率为160nm。以窄波段间的活跃度为指标进行融合,生成降维后的宽波段分别是21个波段和11个波段。8类地物在3尺度和4尺度下的分类结果说明降维影像能满足应用需求,提出的降维方法可行。     

面向对象的多特征分级CVA遥感影像变化检测

变化矢量分析CVA方法在中低分辨率遥感影像变化检测中已得到广泛应用,但由于高分辨率遥感影像存在不同地物尺度差异大、不同类别地物光谱相互重叠的问题,因此对于高分影像的变化检测具有局限性。为提高高分影像变化检测精度,提出了一种面向对象的多特征分级CVA变化检测方法,首先,利用基于区域邻接图的影像分割方法分别对两时相遥感影像进行多尺度分割,提取分割图斑的光谱、纹理和形状特征;然后,在各级尺度下,分别运用随机森林方法进行特征选择,计算CVA变化强度图;最后,根据信息熵对多级变化强度图进行自适应融合,利用Otsu阈值法检测变化区域,并与仅考虑光谱特征的分级CVA变化检测方法、像元级多特征CVA变化检测方法以及仅考虑光谱特征的像元级CVA变化检测方法进行比较分析。实验表明:与比较方法相比,本文方法的变化检测精度较高,误检率和漏检率较低。     

高光谱遥感城市植被识别方法研究

传统的植被状况调查方式费时、费力,并且更新困难,而高光谱遥感数据图谱合一,能够更精细、准确地进行遥感地物识别和分类,因此采用Hyperion高光谱数据来研究地物混合严重并且呈零星碎片状的城市植被。利用混合像元分解思想改进Gram-Schmidt融合算法,将Hyperion高光谱和ALI全色波段进行融合,提高光谱数据的空间分辨率,来解决城市植被像元混合严重和分布过于零散破碎难题,进而提高植被识别精度。为了避免高光谱植被识别陷入维数灾难,采用主成分分析对融合后的高光谱数据进行数据降维。最后,在地面光谱成像仪获取的纯净像元光谱信息辅助下,选取训练样本进行最小距离分类,完成植被类型识别,总体精度达到84.9%。     

采用IDL小波工具优化高光谱影像光谱特征匹配分类

光谱特征匹配分类是常用的高光谱影像分类、识别地物的方法,针对高光谱影像提取植被盖度存在的问题,文章根据高光谱遥感影像处理的方法,采用EO-1卫星在广州市过境的Hyperion高光谱影像,以＂广州南肺＂万亩果园作为试验区,经过大气纠正——最小噪声分离变换（MNF）——最纯净像元指数计算（PPI）——提取植被的端元,以此作为研究区识别植被的参考样本,进行光谱特征匹配提取植被盖度。其中提出利用连续小波变换对参考端元的波谱曲线降噪的方法,旨在优化光谱特征匹配,以提高识别植被的精度。实验结果表明,这种辅助匹配的方法能有效提高识别植被的精度。     

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。     

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...     

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.     

基于分形Voronoi图的城市空间分布特征数据挖掘——以山西省为例

本文引入以城市中心性强度为权重的加权Voronoi图,结合城市空间分布特征与周长—面积分形维数,研究了山西省地级市2009—2013年城镇发展的稳定性和均衡性,探究城市空间分布特征的时空数据挖掘;提出基于中心性强度为尺度的分形维数,尝试探究山西省地级市中心性强度的分形特征,分析山西省中心性强度的变化。研究表明:山西省2009—2013年各地级市间影响范围差距有减小的趋势,空间影响范围呈现上下波动的态势,山西省东部城镇发展趋势较好,西部城镇发展态势较弱,由周长—面积分形维数可得:2009—2013年山西省整体发展态势较不稳定;本文提出的基于中心性强度为尺度的分形维数主要处于1到2之间。     

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。     

城市交通网络分形维数的不确定性估计、控制与分析

长度-半径维数模型作为描述城市交通网络复杂不确定性现象的一种分形分维方法,其自身存在的不确定性往往被忽视,且相关研究更是鲜见报道。故针对该模型在分形维数测算全过程中存在的不确定性问题,本文率先开展了系统剖析、定量估计和质量控制研究。首先对数据源、矢量化处理、测算中心、尺度选择、以及分维数模型估计等一系列环节进行了不确定性估计与分析,其中首次给出了分形维数在一定置信水平下的不确定性度量区间,并依据误差传播理论对误差的传递和累积进行了描述;然后着重提出了基于LMed S(Least Median of Squares)的质量控制方法。最后通过对拉萨市的算例实验表明:道路的矢量化过程、测算中心和测算尺度的选择都会导致分维的不确定性;并在对数据质量进行控制的基础上,通过置信区间对长度-半径维数模型的不确定性进行了在一定概率水平下的首次度量;同时结合区域现状对研究结果给出了合乎实际的解释。本文在描述表征不确定性问题的分形几何和分形维数的基础上,系统地揭示了其自身不确定性的本质,不仅进一步丰富了分形分维理论,为控制其质量奠定理论基础,而且可为城市交通网络分形维数的地学应用提供可靠的科学依据。     

城市空间热环境的遥感研究--热场结构及其演变的分形测量

如何定量分析城市热环境（热场）结构及其演变特征是当前热环境遥感研究中的难点问题之一。本文将分形几何引入到对热场结构信息的定量研究中，针对城市热环境的结构特点设计出3种不同的分形计算模型，灰度曲面分形，剖面线分形和像元点分形。其中灰度曲面分形计算侧重揭示热场整体的分形特征，剖面线分形可用于对典型区域的热场结构信息变化的对比分析、像元点分形形计算则给出了像元热场变化梯度的定量描述，应用上述模型对1990年、1995年、1998年上海城市热环境的结构信息及其变化过程进行了分析。     

地图目标在制图综合中的分形衰减机理研究

在分形扩展研究的基础上，结合地图综合的理论，分析了地图目标的自相似性在地图综合中的分形衰减现象，并研究了其变化原因和机理。结果表明，考虑了分形衰减现象的地图综合方法比原来认为分维数是定值的综合方法表现出了明显的优越性。