基于加权指数函数模型的高光谱图像分类方法

高光谱图像的众多波段为地物分类提供了充分的特征信息,同时也为如何有效利用这些特性带来难题。为了充分利用高光谱图像的光谱信息实现地物目标的精确分类,根据其像素光谱曲线所呈现出的多峰特性,提出一种基于加权指数函数模型（Weighted Exponential Function, WEF））的高光谱图像分类方法。首先,采用WEF建立像素光谱曲线的理想模型,其中WEF模型由多个具有不同权重的指数函数相加而成。由于该模型中参数较多,导致参数求解较为困难。因此,为简单起见固定所有像素WEF模型中的峰值位置,并将由所有峰值位置构建矢量集。然后,根据最小二乘原理求解WEF模型的参数,以拟合光谱曲线。利用求得的参数集代替光谱测度矢量作为像素特征。最后,采用模糊C均值（Fuzzy C-means, FCM）算法实现图像分类。为了验证提出方法的可行性和有效性,分别以提出的分类方法、基于主成分分析（Principal Component Analysis, PCA）的分类方法、基于最小噪声分离（Minimum Noise Fraction, MNF）的分类方法和以光谱测度矢量为分类特征的FCM方法对Salinas和PaviaU图像进行分类实验,并据此对实验结果进行定性和定量评价。在Salinas图像中提出的分类方法比其它方法的分类精度从51%提高到了60%,在PaviaU图像中分类精度从43%提高到了51%。此外,提出的分类方法在降低了高光谱图像数据量的同时,保留了高光谱图像丰富的光谱信息。     

基于同质区和迁移学习的高光谱图像半监督分类

针对高光谱遥感图像分类中标记样本难获取的问题,提出了一种基于同质区和迁移学习的新型半监督分类方法。首先对高光谱图像进行分割得到高纯度的同质分割斑块,获取大量扩展训练样本。并在此基础上引入迁移学习,将扩展训练样本作为源域,剩余未标记样本作为目标域,实现多次迁移,从而减少同一幅图像上各地物的分布差异,并保留其各自的内部属性。实验结果表明,该方法是一种有效的高光谱图像半监督分类方法。     

一种基于视觉特征的多分辨率快速图像融合方法

以红外与可见光图像融合为例,提出了一种基于图像视觉特征相关量值的多分辨率快速图像融合方法.该方法先利用CDF9/7小波将输入图像进行提升分解,然后在对分解后的小波系数矩阵采用视觉特征进行融合处理,最后通过提升逆变换得到重构图像.实验表明该方法即使在图像信噪比较低的情况下,仍能得到较好的熵、边缘及较高分辨率的效果,且执行效率高.     

考虑局部方差互信息和梯度一致性的改进SFIM遥感图像融合方法

全色图像和多光谱图像由于光谱和空间尺度上的差异,融合结果容易出现光谱失真或空间失真。如何同时实现两个尺度上的对齐,是提高融合效果的关键。传统的SFIM(Smoothing Filter-based Intensity Modulation)遥感图像融合方法可以保证光谱尺度上的一致,但在衡量空间尺度一致上还不够精确。针对此问题,本文提出了一种基于局部方差互信息的空间尺度对齐方法,并在平均梯度一致性的约束下进一步改进SFIM方法。该方法首先对多光谱各波段线性拟合生成多光谱强度图像,并对高分辨率全色图像进行高斯低通滤波,改变滤波参数循环计算2幅图像的局部方差图像间的互信息,当互信息最大时,高斯滤波参数为最佳滤波估计参数;然后,用该高斯滤波器卷积高分辨率全色图像,得到与多光谱图像空间尺度一致的低分辨率全色图像;之后,高低分辨率全色图像间比值处理得到细节图像,以高分辨率全色图像平均梯度为基准,引入调节系数控制细节图像的注入量;最后,细节图像、调节系数与多光谱图像相乘得到融合图像。为验证本文方法的有效性,在IKONOS和Quickbird两种数据集的植被区、建筑区和混合区3个不同场景六组图像开展融...     

一种基于多因子贝叶斯决策的泛在地图图像视觉平衡度计算框架

视觉平衡是影响地图信息传输效果的重要因素之一。由于泛在制图的非专业性,泛在地图图像的视觉平衡效果往往取决于制图者自身美学素养的高低,不具有可控性。因此,迫切需要发展泛在地图图像的视觉平衡度计算方法。现有的地图视觉平衡度计算方法存在因子不全、判别结果主观依赖性强等问题。针对这些问题,本文提出了一种结合地图图像计算特征与专家评价知识的泛在地图图像视觉平衡度计算框架。通过丰富地图视觉密度影响因子,并引入概率模型学习专家对泛在地图图像的评价知识,实现对泛在地图图像视觉平衡度复杂分布的有效判别。本文以专家问卷的方式搜集了30名地图制图专家对1 730幅泛在地图图像的视觉平衡评价数据,构建了一个泛在地图图像视觉平衡度评价数据集。将计算得到的地图视觉平衡指标作为贝叶斯决策器的地图特征属性输入,将地图视觉平衡的专家评价数据作为贝叶斯决策器的分类结果,利用最小错误率贝叶斯决策方法对泛在地图图像的视觉平衡度进行判别,有效解决了人为主观判别地图视觉平衡度存在的不确定性问题。经实验验证,该框架在本文构建的泛在地图图像视觉平衡度评价数据集上能取得82.85%的评价准确率。     

一种改进的图像视觉显著性检测算法

视觉显著性检测在图像分割中起着重要作用。提出一种新的检测算法,首先将图像划分成不相交的超像素集合,并以其作为结点构建闭环图;然后利用背景先验知识与流形排名方法计算图中结点的显著度,得到视觉显著图;再使用Sigmoid函数对视觉显著图进行非线性校正,抑制背景结点的显著度和增强目标结点的显著度。不同算法的对比实验表明,新算法具有更好的检测性能,更易于区分背景区域和目标区域,同时也提高了鲁棒性。     

基于相似像素选择的双边滤波图像去噪

针对双边滤波在一定程度上模糊了图像特征的缺陷,提出一种基于相似像素选择的图像双边滤波算法。该算法首先在图像中搜索所处理像素的邻域内所有相似像素(与其像素值相近的像素),然后依据相似像素占全部邻域像素比例,确定该像素为特征像素或非特征像素。对于特征像素,采用其相似像素进行双边滤波;对于非特征像素,采用全部邻域像素进行双边滤波。仿真实验表明,该算法相对一般双边滤波,能够在去除噪声的同时,更好地保持图像特征。     

土地利用动态监测的LFF图像融合改进应用

遥感是快速获取土地利用/土地覆盖现势信息的重要手段之一。由于不同类型的卫星传感器获取同一地区的遥感数据日益增多,对不同平台、不同光谱响应范围的遥感数据源,用常规的遥感图像融合方法如HSI变换法、Brovey变换法和PCA变换法进行融合时,存在不同程度的光谱扭曲现象,即融合后图像的色彩与多光谱图像存在较大差异,从而影响了地物的识别。针对不同平台、不同光谱响应范围的遥感数据,本文在HSI变换的基础上,提出了一种改进的方法,即,首先对高几何分辨率的全色波段进行LoG滤波,然后将LoG滤波后的全色波段与多光谱经HSI正变换后的强度分量,进行灰度直方图匹配,并替换之,经HSI逆变换便得到融合图像。分析结果表明：LFF融合法的光谱保持性能优于HSI变换法,LFF融合后图像的分类精度高于HSI融合后的图像,LFF融合法是一种能较好保持光谱特性的融合方法。     

基于双树复小波变换图像融合方法

基于离敞小波变换的图像融合算法在特征表达上存在不足,将双树复小波变换引入到彩色图像融合中,对彩色图像的3通道分别进行融合,各通道低频取加权平均,高频去较大值的方法.融合效果评价除了使用均方根误差、峰值信噪比和熵外,还使用了通用的主观与客观相结合的方法.实验结果表明,获得的融合图像效果较好,优于离散小波融合算法.     

采用多模型融合方法评价滑坡灾害易发性:以湖北省五峰县为例

不同的易发性评价模型可以得到有差异的滑坡空间预测结果，选取最优模型甚至综合各模型的优势是提高易发性评价精度的有效方法。为检验模型融合思路的有效性，以鄂西地区五峰县渔洋关镇为研究区，提取坡度、地层、断层、河流、公路等7个滑坡成因条件，分别采用信息量模型、证据权模型和频率比模型进行滑坡易发性评价；并将3种模型分别进行归一化、主成分分析（PCA，Principal component analysis）和优势融合，得到了6幅易发性分区图。结果表明:优势耦合模型精度最高（90.3%），频率比模型次之（89.7%），归一化融合模型和PCA融合模型分别为89.3%和89.1%，以上4种结果的精度均高于证据权模型（87.7%）和信息量模型（87.6%）；6幅预测图对应的评价结论与历史滑坡空间分布的实际情况相符。空间一致性对比结论表明，主成分融合模型与优势耦合模型的同格率高达68%，其预测结果避免了单个模型预测结论带来的偶然性和片面性，说明多模型融合方法与优势耦合模型在提高滑坡易发性预测精度上是可行性的，该思路对其他地区滑坡灾害易发性评价具有借鉴意义。