Small target extraction based on independent component analysis for hyperspectral imagery

A small target detection approach based on independent component analysis for hyperspectral data is put forward. In this algorithm, firstly the fast independent component analysis(FICA) is used to collect target information hided in high-dimensional data and projects them into low-dimensional space. Secondly, the feature images are selected with kurtosis. At last, small targets are extracted with histogram image segmentation which has been labeled by skewness.     

基于独立分量分析的高光谱影像小目标提取研究

借助快速独立分量分析(FICA)将高维数据中隐藏的目标信息集中投影到低维特征影像中,然后以峰度为特征度量指标选择特征影像,最后用以偏斜为指标的直方图分割方法提取小目标。实验证明,此算法精度较高,适用于对高光谱影像中的小目标进行提取。     

基于主成分抑制的高光谱图像异常目标检测方法

高光谱图像异常目标检测主要用于检测图像中的区别于背景环境的异常目标,为图像目标的判读提供一个初步的判断,是高光谱图像应用的一个重要内容.本文在研究现有异常目标检测算法的基础上,采用基于主成分抑制和顶点成分分析相结合的方法,对实验图像中的异常目标进行了检测,取得了较好的效果.     

二级并行独立成分分析端元提取算法

在多对称处理器集群体系结构下进行独立成分分析并行算法研究,在共享内存模型一级并行算法基础上,通过同步、异步迭代两种方式并行计算固定点函数,分别提出具有两级并行特性的二级同步、二级异步并行端元提取算法,并结合两者的优势,进一步提出二级分组并行算法。实验评价表明,二级同步、分组并行算法在保持原算法精度的同时,大大提高了原算法的效率,体现出良好的并行计算性能,而二级异步并行算法可在节点数较少的情况下适用。     

改进独立分量分析极化SAR影像相干滤波

极化合成孔径雷达(SAR)影像的相干斑滤波,对其后处理起着至关重要的作用。针对传统的独立分量分析(ICA)算法稳定性差、易陷入局部最优等缺陷,该文提出基于粒子群优化(PSO)改进的ICA滤波算法,用于进行极化SAR影像相干斑滤波。该方法利用PSO算法来改进解混矩阵W的行向量的生成过程,以提高ICA算法的分离效果。采用AIRSAR获取的旧金山海湾地区的L波段极化SAR影像进行实验,并用相干斑指数、迭代次数、收敛时间等指标进行客观评价。结果表明,基于PSO改进的ICA算法具有更高的收敛效率和更好的相干斑抑制性能,能有效地降低影像的相干斑噪声。     

采用目标端元修正的高光谱混合像元盲分解

针对非负矩阵盲信号分离(NMF)用于混合像元分解易陷入局部极小值的不足,将非监督端元提取与盲分解方法相结合,构建了一种基于目标端元修正的混合像元盲分解模型(ATGP-NMF)。ATGP-NMF模型利用非监督正交子空间投影算法(ATGP)和非负最小二乘法(NNLS)获取NMF盲分离的初始值,然后将获得初始目标端元光谱与丰度输入NMF模型,通过迭代运算不断逼近优化目标而得到最终的端元光谱和端元丰度。为了检验模型对于各类数据的有效性和适用性,将ATGP-NMF与传统NMF分别应用于模拟仿真数据、室内控制数据和真实遥感影像3类实验数据进行分析验证。结果表明,ATGP-NMF模型具有较好的适用性,在没有先验信息、先验信息很少,以及纯像元假设不存在情况下都能较好地分解混合像元,且能够更好克服局部极小问题,提高混合像元分解的精度。     

经验模式分解联合独立分量分析降噪研究

针对高精度GPS变形监测的噪音成分以及多路径效应的剔除,提出了一种新的经验模式分解联合独立分量分析的滤波降噪法。采用模态相关准则进行信号层与噪音层的判定,有效地解决了低信噪比情况下信号层与噪音层分界点的判定,实现了噪音最大化的去除以及有用信息的最大化保留;基于经验模式分解的独立分量分析滤波降噪法,采用更为简单科学的数学判定方法,避免了人为的经验判定方法,实现了信号层与噪音层的自适应判定以及降噪效果更佳。实验结果表明:所用算法不仅能够有效地去除噪音成分,而且能够很好地保留大部分有用信息,研究结果对高精度GPS变形监测的去噪以及多路径效应的剔除研究具有一定意义。     

独立成分分析的高光谱异常变化检测

遥感探测到的小目标信号一般是弱信号,利用传统的高光谱异常变化检测方法直接抑制背景来突出异常变化目标,往往导致小目标弱信号同时被抑制,造成目标探测率低、虚警率高。基于独立成分分析方法,研究了弱信号小目标的高光谱变化检测模型,该模型首先通过投影寻踪将异常变化影像投影到独立成分,突出异常变化目标,然后再抑制背景,从而达到异常变化目标和背景的有效分离。该模型可以有效降低虚警率,提高探测率。利用模拟数据和真实数据进行了精度验证,结果表明,利用模拟数据得到的探测精度为99%,利用真实数据得到的检测精度为86%,与传统异常变化检测算法相比,精度最高提高了9%。本文研究方法适用于弱信号小目标的高光谱异常变化检测。     

一种基于PPI的高光谱数据矿物信息自动提取方法

本文通过分析PPI算法后续处理存在的问题,引入最大距离法(MD)实现基于PPI的端元自动分类,并将获得的未知端元在波谱库中遍历以匹配最佳地类,最终完成基于PPI端元的矿物信息的自动提取。实验采用美国内华达州Cuprite地区的机载AVIRIS和我国东天山地区的星载Hyperion高光谱遥感数据,利用IDL编程实现矿物信息的自动提取,通过对实验结果的比较分析,验证了本文方法的有效性和实用性。     

非下采样Contourlet域的ICA法SAR图像相干斑抑制

相干斑是SAR图像固有信息,也是SAR图像处理研究的重要方面之一.将非下采样Contourlet变换和统计信号处理中的独立分量分析相结合进行斑点抑制.对SAR图像进行非下采样金字塔和非下采样方向性滤波器组分解,在分解得到的非下采样Contourlet变换域利用扩展Infomax算法分离SAR图像斑点噪声.实验结果表明,...     

基于高光谱曲线峰度、偏度的植被叶绿素含量反演模型研究

本文分析了高光谱反射率及红边位置与叶片绿度的相关性,建立了基于敏感波段和红边位置的叶绿素估算模型。通过对不同叶绿素含量高光谱曲线特征的分析,提出了基于高光谱曲线峰度和偏度的叶绿素估算新思路,并分别建立基于原始光谱560-760nm波段和一阶导数光谱660-760nm波段对应峰度、偏度的叶绿素反演模型。结果表明,法国梧桐、无花果和白毛杨基于敏感波段的叶绿素含量反演模型的拟合度,与传统估算模型相比,本文提出的新估算模型可以明显提高高光谱反演叶绿素含量的能力。     

An assessment of independent component analysis for detection of military targets from hyperspectral images

Hyperspectral data acquired over hundreds of narrow contiguous wavelength bands are extremely suitable for target detection due to their high spectral resolution. Though spectral response of every material is expected to be unique, but in practice, it exhibits variations, which is known as spectral variability. Most target detection algorithms depend on spectral modelling using a priori available target spectra In practice, target spectra is, however, seldom available a priori. Independent component analysis (ICA) is a new evolving technique that aims at finding out components which are statistically independent or as independent as possible. The technique therefore has the potential of being used for target detection applications. A assessment of target detection from hyperspectral images using ICA and other algorithms based on spectral modelling may be of immense interest, since ICA does not require a priori target information. The aim of this paper is, thus, to assess the potential of ICA based algorithm vis a vis other prevailing algorithms for military target detection. Four spectral matching algorithms namely Orthogonal Subspace Projection (OSP), Constrained Energy Minimisation (CEM), Spectral Angle Mapper (SAM) and Spectral Correlation Mapper (SCM), and four anomaly detection algorithms namely OSP anomaly detector (OSPAD), Reed–Xiaoli anomaly detector (RXD), Uniform Target Detector (UTD) and a combination of Reed–Xiaoli anomaly detector and Uniform Target Detector (RXD–UTD) were considered. The experiments were conducted using a set of synthetic and AVIRIS hyperspectral images containing aircrafts as military targets. A comparison of true positive and false positive rates of target detections obtained from ICA and other algorithms plotted on a receiver operating curves (ROC) space indicates the superior performance of the ICA over other algorithms.     

加权概率原型分析的高光谱影像波段选择

高光谱遥感影像波段众多、相关性强,导致其实际分类应用计算量大且存在明显的"维数灾难"问题。本文提出加权概率原型分析方法来研究高光谱影像的波段选择问题。该方法考虑波段间的差异性,引入综合差异性度量指标来构造权重矩阵以改进传统原型分析模型;考虑稀疏系数的狄利克雷分布和高光谱成像过程的量子特性,引入贝叶斯框架理论来构建波段选择的优化模型。加权概率原型分析方法采用迭代优化的策略,利用交替方向乘积方法来依次求解两个凸优化子问题来得到局部最优的稀疏系数矩阵并实现波段子集的最优估计。基于两个公开的高光谱数据集,对比4种主流的波段选择方法(SpaBS、SNMF、ISSC、SSR)来验证提出方法的可靠性。实验结果表明,加权概率原型分析方法的总体分类精度高于其他4种方法,能够得到更好的分类结果图。本文提出的加权概率原型分析模型能够选择合适的波段子集来满足高光谱影像的高精度分类需求。     

基于粒子群算法的高光谱影像端元提取技术

基于凸面几何学理论,由端元作为角点的单形体的体积应该是最大的.著名的N-FINDR和SGA算法正是基于以上理论,通过在数据云中寻找体积最大的单形体来实现端元的自动提取.本文利用粒子群优化(PS0)技术,基于凸面几何学理论,设计了一个新的端元提取算法.利用模拟和真实高光谱影像对其进行了实验,并将其结果与N-FINDR和S...     

高光谱图像目标检测算法分析

本文将国内外的高光谱图像目标检测算法分为光谱异常检测、光谱匹配检测和高光谱与高空间分辨率结合目标检测三种检测算法,分析了三种检测算法的原理、应用特点和局限性,并探讨了目标检测算法的发展的可能性.     

高光谱图像目标检测的核信号空间正交投影法

针对非线性混合下的亚像元目标检测问题, 提出一种基于核函数的信号空间正交投影方法(KSSP)。该方法作为信号空间正交投影方法(SSP)的非线性推广, 首先将原空间中像元矢量经非线性映射转换到高维特征空间,然后在特征空间中用线性信号空间正交投影进行目标检测。通过核技巧, 核信号空间正交投影不必知道具体的非线性映射形式。经模拟数据与真实高光谱图像数据实验证明, KSSP 方法在目标检测性能上优于SSP, 且对噪声的抑制也有很好的效果。     

基于高光谱数据的壁画底稿信息提取

壁画底稿有助于探测壁画艺术的历史信息,具有重要的研究价值,本文设计了半自动提取壁画底稿信息的“三步法”:针对高光谱数据量大、相邻波段相关性高的特点,利用主成分分析实现原始数据的降维;选出含底稿信息量大的特征波段;并利用最大似然分类法实现基于特征波段合成影像的壁画底稿信息提取.结果表明,该方法能够减少数据处理量,提高分类效率与分类精度,明显恢复壁画的底稿轮廓,为以后的文化遗产保护工作提供一个可行的方案.     

A Gaussian elimination based fast endmember extraction algorithm for hyperspectral imagery

A fast endmember-extraction algorithm based on Gaussian Elimination Method (GEM) is proposed in this paper under the fact that a pixel is an endmember if it has the maximum value in any spectral band of a hyperspectral image when based on linear mixing model. Applying Gaussian elimination is much like performing a lower triangular matrix to transform the hyperspectral image. As more endmembers have been extracted, fewer bands are needed to be involved in the Gaussian elimination process, thus greatly reducing the computing time. The experimental results with both simulated and real hyperspectral images indicate that the method proposed here is much faster than the vertex component analysis (VCA) method, and can provide a similar performance with VCA.     

基于ETM+影像的绿地信息提取方法研究

文中以ETM+影像为数据源实现对贵阳市某城区的绿地信息提取。对获取的影像进行预处理,分别通过不同的方法:原始波段组合法、主成分分析法(PCA)、独立分量分析法(ICA)、归一化植被指数法(NDVI)及基于第一独立分量的实验室波段组合法,获取研究区的假彩色合成影像。将以上方法得到的影像数据进行对比分析,表明植被景观目视效果最好的是原始波段组合法。将得到的影像数据进行监督分类,通过目视解译的方法进行精度评价,结果表明,基于第一独立分量的实验室波段组合法绿地信息提取精度最高,是一种有效的绿地信息提取方法。     

A feature extraction method based on spectral segmentation and integration of hyperspectral images

In response to the curse of dimensionality in hyperspectral images (HSIs), to date, numerous dimensionality reduction methods have been proposed among which the feature extraction (FE) methods are of particular interest. This paper introduces a new supervised pixel-based FE called spectral segmentation and integration (SSI). In SSI, the spectral signature curve (SSC) of the pixels are identically divided into some non-overlapping segments, called channels. The existing bands in each channel are then integrated using a mean-weighted operator, leading to some new features in a very lower number than the original bands. SSI applies a particle swarm optimization (PSO) algorithm to globally search and locate the optimum positions and widths of the channels. For the sake of evaluation and comparison, the features provided by the proposed SSI method were applied to the well-known SVM classifier. The results were compared to not only a most recent pixel-based FE method, namely, spectral region splitting but also six conventional FE methods, including nonparametric weighted feature extraction, decision boundaries feature extraction, clustering-based feature extraction, semi-supervised local discriminant analysis, band correlation clustering and principal component analysis. Experimental results, obtained on two HSIs, proved the superiority of the proposed SSI.