卫星遥感影像纹理分析与分形分维方法

讨论了影像纹理分析的分维估计原理和具体方法,提出了多波段影像纹理概念和实施方法,介绍了以所述原理进行基于分维估计的单波段和多波段影像纹理分析试验的结果。     

卫星遥感影像纹理分析与分形分维方法

讨论了影像纹理分析的分维估计原理和具体方法,提出了多波段影像纹理概念和实施方法,介绍了以所述原理进行基于分维估计的单波段和多波段影像纹理分析试验的结果。     

SAVR法──影像表面分维估计的新方法

本文在分形表面积与体积关系的基础上，导出了一种估计影像表面分维数的新方法──ＳＡＶＲ法。通过对合成的已知维数分形影像数据的测试，表明新方法在分维估值准确性和无标度区特性方面表现较优，进一步与ＢＬＡＮＫＥＴ法分维估计实验比较得出，ＳＡＶＲ法具有较强的保持多分辨影像分维估值的稳定性。最后提出了基于ＳＡＶＲ法方向分维的纹理特征度量并给出了在方向纹理分析中的应用实例。     

影像纹理的多标度分形分析

引入目前在分形几何中发展起来的多标度分形理论，发展了影像纹理的多标度分形分析，能够描述纹理结构更多的分形特征，反映影像纹理的局部分维差别，抑制目前仅基于整体分维计算存在的不同分形同分维之弊端，实现影像纹理的多分辨率分析。尽管分维测度是纹理的一个非常重要的特征，但单纯的仅基于分维测度的分析，并不足以表征所有的纹理信息。     

影像纹理的多标度分形分析

引入目前在分形几何中发展起来的多标度分形理论，发展了影像纹理的多标度分形分析，能够描述纹理结构更多的分形特征，反映影像纹理的局部分维差别，抑制目前仅基于整体分维计算存在的不同分形同分维之弊端，实现影像纹理的多分辨率分析。尽管分维测度是纹理的一个非常重要的特征，但单纯的仅基于分维测度的分析，并不足以表征所有的纹理信息。     

分形几何在影像纹理分类中的应用

本文基于分形几何中的分维值对影像纹理进行分类。系统地介绍了以影像分维值为依据，采用多分辨率分维值，以及本文提出的利用已有空隙概念的拟合回当法，对影像纹理进行分类的全过程。试验表明该方法对标准纹理和航空影像纹理的分类都能取得较好的效果。     

基于SOFM网络的声图非监督分类

利用局部窗口内的灰度纹理共生矩阵的统计量、灰度均值和两个分维数作为特征矢量，利用SOFM网络进行非监督分类侧扫声纳海底图像，通过实测数据验算，取得了理想的效果。     

利用分维向量改进神经网络在遥感模式识别中的分类精度

本文介绍了基于ＢＰ神经网络的遥感模式识别方法的特点，同时引入分形维数的概念及其在图像中的计算和应用，并将分维作为反映各类别数据纹理特征的附加波段分量，加到网络的输入层，明显地提高了分类精度。     

结合分形理论和自适应图像块划分的遥感图像噪声估计

针对场景复杂的光学遥感图像中加性噪声估计问题,提出了一种结合分形理论和自适应图像块划分的噪声估计方法。区别于传统的基于规则图像块划分的噪声估计方法,本文提出了一种自适应于图像局部信息的图像块划分算法,更大程度地保证了自适应图像块内部的平滑性。结合基于分形理论的图像低粗糙度纹理区域选取和基于统计分析的图像噪声标准差计算,实现了光学遥感图像加性噪声强度的自动估计。利用资源三号卫星图像进行定量试验分析,试验结果表明本文方法可以有效地适用于不同复杂程度、不同噪声强度的光学遥感图像。同时,本文中低粗糙度纹理区域选取和自适应图像块划分的方法经过改进后,还可以应用于雷达图像中乘性噪声的估计。     

基于遗传算法的BP网络实现海底底质分类

本文利用灰度纹理共生矩阵和两个分维数作为特征矢量,采用遗传算法训练BP网络,进行海底底质监督分类。以海底侧扫声纳图像为例,通过实测数据验算,取得了理想的效果。     

图像分数维计算模型的改进

分数维作为一种图像纹理特征常用于遥感图像分类,提高图像分数维的测量有助于提高遥感分类精度。本文在介绍目前常用的基于分形布朗运动分数维计算方法的基础上,运用分形的相关理论,指出了现有方法存在的缺陷,提出了改进的分数维计算方法;并用SPOT全色影像中常见的5种地物进行了对比实验,实验结果表明,本文提出的改进方法获得的分数维测量结果比现有的方法更接近理论分析结果,更有利于地物的识别与分类。     

纹理模型法用于影像纹理分类

在分析分形维和马尔可夫随机场两种主要纹理模型法的基础上,提出了先用马尔可夫随机场方法进行纹理分类,再用分形维方法对那些具有相同马尔可夫随机场模型及参数值相近的纹理影像进行分类的方法。该方法不仅能提供出影像纹理的纹理基元,还能给出影像粗糙性、自相似程度,减少了纳伪误差。     

航空影像纹理分类的最小二乘法和问题的分析

本文介绍航空影像理分类的最小二乘法原理和算法，该方法是建立在影像纹理ＭＲＦ参数测定的基础上，七种航空影像纹理的试验表明这种分类是有效的。通过对影像纹理的分形维以及影像分辨力对纹理分类的影响分析，表明采用了多重信息可以提高分类的正确率。     

一种面向对象的全球多分辨率纹理数据的预处理方法的研究

建立具有多分辨率、海量数据的大规模虚拟地形场景越来越受到人们的关注,海量纹理数据的管理与生成算法是三维地景仿真的关键技术之一。本文在金字塔塔模型的基础上,运用面向对象思想,设计了多分辨率纹理数据的生成方案,对其流程进行了具体实现,对一些相关技术进行了讨论。通过试验表明,采用本文提出的方法,可以灵活地对全球影像数据进行管理和使用,对全球三维可视化具有一定作用。     

基于偏最小二乘回归的纹理特征线性组合

基于偏最小二乘回归技术时纹理特征进行线性组合，得到新的纹理特征来进行分类。实验表明，组合后的纹理特征不但提高了纹理分类的性能，而且具有一定的数据自适应能力。     

Laws纹理能量结合灰度共生矩阵的遥感影像面状地物提取

针对遥感影像中纹理较复杂的面状地物提取问题,提出一种Laws纹理能量结合灰度共生矩阵的遥感影像面状地物提取方法。该方法首先利用数学形态学膨胀、腐蚀对影像进行预处理;然后,分别对影像进行直方图均衡化,利用4个微观滤波算子滤波生成4幅微纹理影像;计算影像4个方向灰度共生矩阵及每个共生矩阵的4个纹理测度,生成4幅纹理影像;最后,结合8幅纹理影像进行区域生长跟踪轮廓。     

基于对数极坐标变换的遥感影像居民地提取

本文研究基于对数极坐标变换和傅里叶变换实现全色影像居民地提取。首先对影像进行对数极坐标变换,将影像的旋转信息转换为极坐标系的行平移,然后对变换后的极坐标影像进行傅里叶变换,以傅里叶变换功率为旋转不变特征实现居民地的提取;针对提取结果的不足,采用数学形态学进行后续处理。实验表明:采用该方法可以有效提取遥感影像中的居民地。