基于免疫粒子群优化算法的影像纹理分类

粒子群优化算法是基于群智能的随机全局优化方法,它源于对鸟群简化社会系统的模拟。为了提高标准粒子群优化算法的收敛性能,将生物免疫系统的记忆能力和多样性引入标准粒子群优化算法,提出一种免疫粒子群优化算法。在提取纹理样本Laws纹理能量模板特征、小波特征等纹理特征的基础上,提出针对分类问题的粒子表达方法和群体寻优策略,实现了基于免疫粒子群算法的纹理分类。实验结果表明,与标准粒子群优化算法相比,免疫粒子群优化算法在获取训练样本类别中心时具有较好的收敛性能,并且基于该算法的影像纹理分类具有较高的分类精度。     

基于长时间序列遥感数据的鄱阳湖水面面积监测分析

国产高分辨率卫星的快速发展可有效弥补遥感湖泊监测中影像分辨率不足的问题,更加及时、准确地实现湖泊动态监测。利用1996～2012年155景Landsat影像和2013～2016年34景GF影像为数据源,结合湖口站水位监测数据,分别选用改进的归一化差异水体指数MNDWI和归一化差异水体指数NDWI方法提取卫星遥感影像的水体信息,同时采用统计分析的方法建立了4个时间段的鄱阳湖水体面积-水位关系模型。结果表明:在空间上,鄱阳湖水体面积整体呈现缓慢缩小的趋势;在时间上,除秋季鄱阳湖面积有明显下降趋势外,其他季节整体趋势变化不大;经验证,鄱阳湖四季水体面积-水位呈现二次函数关系。     

适用于训练样本选择的斜交因子模型研究

训练样本的质量直接影响训练阶段的训练质量（或效果）,进而在一定程度上影响测试阶段的分类精度。训练样本的代表性和典型性则反映出训练样本质量的一个重要方面。对于当前非常流行的深度学习模型研究,如何尽可能地减少训练样本的数量,一方面成为一个非常“棘手”的问题,另一方面从实际应用的角度来看,这也上升为一个经济或成本方面的问题。提出了一种适用于训练样本选择的斜交因子模型方法,该方法松弛了Q型因子分析和对应分析对于公因子之间独立的假设条件,并在斜交参考解的基础上提出一种适合训练样本选择的近似求解斜交旋转的方法。实验结果表明,所提方法是可行、有效的。与基于正交因子模型的方法相比,它可以更好地描述或逼近现实的真实情况,可以选择出更合理、更具有代表性的典型训练样本,并且还可以取得满意的分类精度。适用于训练样本选择的斜交因子模型方法优于基于正交因子模型的训练样本的选择方法,被选择的训练样本分布相对更分散、更合理,而且总的分类精度平均提高3%左右。     

粒子群优化算法在遥感影像增强中的应用

遥感影像的复杂性给影像增强处理带来了困难。非完全Beta函数增强方法具有理想的增强效果,但是,其参数的合理选取是算法的关键与难点。粒子群优化算法(PSO)是基于鸟群群体智能的新型进化计算技术,具有自适应、自组织等智能特性,具有强大的寻找最优解的能力。这里将PSO用于Beta函数参数的自适应选取,实现了基于PSO的非完全Beta函数增强方法,并通过航空和卫星遥感影像的增强实验,验证了该方法的有效性。     

基于粒子群优化的模糊特征自适应选择方法

模糊特征的选择影响着模糊分类的结果.从大量模糊特征中选择出有效特征进行分类,存在着一定的难度.粒子群优化算法(PSO)是基于群体智能的新型进化计算技术,具有自适应、自组织等智能特性,具有强大的寻找最优解的能力.将离散二进制PSO用于模糊特征选择,实现了基于PSO的模糊特征自适应选择方法,并通过航空和卫星遥感影像的模糊分...     

基于频率缓冲区模型的全色与多光谱遥感影像融合算法

分析了全色与多光谱遥感影像融合的难点,提出了频率缓冲区模型,实现了基于频率缓冲区模型的多特征联合的融合算法。     

图像处理与分析课程案例教学研究

案例教学是对传统教学的改革,分析了在图像处理与分析课程中引入案例教学的意义,阐述了图像处理与分析案例教学的核心理念与具体环节,在此基础上,从作者实际研究工作中提取图像处理与分析的教学案例,设计了遥感图像子像素分类的教学案例。     

基于粒子群优化的模糊特征自适应选择方法

模糊特征的选择影响着模糊分类的结果。从大量模糊特征中选择出有效特征进行分类,存在着一定的难度。粒子群优化算法(PSO)是基于群体智能的新型进化计算技术,具有自适应、自组织等智能特性,具有强大的寻找最优解的能力。将离散二进制PSO用于模糊特征选择,实现了基于PSO的模糊特征自适应选择方法,并通过航空和卫星遥感影像的模糊分类实验,验证了此方法的有效性。     

多级Bayesian Network的影像纹理分类方法

在影像分类的实际应用中,所提取的特征(或波段)间往往存在较大的相关性.为了把Naive Bayes Classifters (NBC)模型更好地应用于分类中,本文在研究NBC模型的基础上,从特征空间划分的角度,将它进一步推广为多级Bayesian Network.实验结果分析表明:由于多级Bayesian Network模型综合考虑了特征之间的条件依赖关系,它在分类精度方面一般高于原始的NBC和最大似然法.然而,对于不同的n值,其分类结果也有所不同.     

粒子群优化算法在遥感影像增强中的应用

遥感影像的复杂性给影像增强处理带来了困难.非完全Beta函数增强方法具有理想的增强效果,但是,其参数的合理选取是算法的关键与难点.粒子群优化算法(PSO)是基于鸟群群体智能的新型进化计算技术,具有自适应、自组织等智能特性,具有强大的寻找最优解的能力.这里将PSO用于Beta函数参数的自适应选取,实现了基于PSO的非完全Beta函数增强方法,并通过航空和卫星遥感影像的增强实验,验证了该方法的有效性.