基于IHS的高通滤波法影像融合研究

在分析IHS法和高通滤波法图像融合算法优缺点的基础上,提出了一种基于IHS变换的高通滤波影像融合方法。该算法先对多光谱图像IHS变换的I分量进行低通滤波,然后对与I分量进行直方图匹配的全色图像进行高通滤波,接着合成低通滤波和高通滤波的结果作为新的I分量,最后进行IHS逆变换得到融合图像。通过与IHS法与高通滤波法的融合结果进行对比评价,表明了该方法在保持光谱信息上和提高多光谱的空间信息能力上都有很好的效果。     

基于主成分判别分析的高光谱遥感影像分类方法

提出了一种基于主成分判别分析的高光谱遥感影像分类方法。针对高光谱遥感影像数据量大、冗余信息多的特点,使用改进的线性判别分析方法对高光谱遥感数据进行线性维数减少。该方法将主成分分析加入到线性判别分析的算法框架中,能够克服常规的线性判别分析方法在训练样本数量较少时遭遇到的小样本问题。通过实验,证明基于主成分判别分析的遥感影像分类方法能够利用少量的训练样本实现更优的分类精度。     

基于像元的遥感影像融合方法的比较

阐述了融合TM和航片数字化影像的HIS变换、主分量分析和高通滤波三种方法，并定性和定量地比较了三种方法融合的影像。结果表明：HIS方法导致影像数据的光谱特性变化最大；主分量分析法居中；高通滤波法导致光谱特性变化最小。     

基于模糊核主成分分析的高光谱遥感影像特征提取研究

主成分分析(PCA)是一种基于数理统计的线性特征变换方法,对线性结构数据的分析非常有效,但是对非线性的高光谱遥感影像数据,容易造成信息丢失和失真.本文引人模式识别中的模糊理论和核理论,有效克服了以上缺点,得到了很好的影像特征提取效果.     

一种保持光谱特征的图像融合方法——高通滤波融合法

探讨了一种新的光谱保持型的高通滤波融合(HPFF)算法。该算法先对参与融合的全色波段图像进行高通滤波,然后用滤波后的全色波段图像替换IHS正变换后的强度分量,再进行IHS逆变换,便得到HPFF融合图像。该图像色彩与TM图像一致,优于常规IHS变换法所得的图像。     

一种基于非线性主成分分析的高光谱图像目标检测方法

目标探测是高光谱图像的重要应用之一.目前已经有了很多的目标探测算法,然而这些算法要求目标与背景是线性可分的.在实际的高光谱数据中,这一要求往往难以满足.本文提出了一种基于非线性主成分分析的高光谱图像目标探测算法.该方法先利用神经网络将高光谱图像进行非线性降维,从而使得在降维后的数据中目标与背景线性可分;然后使用约束能量最小化算法进行目标探测,为了取得较好的目标探测效果,保留了图像原始的特征.针对模拟数据和真实高光谱图像数据的试验表明,基于神经网络的非线性主成分分析可以将线性不可分的目标与背景分离.使用非线性特征和原始特征的组合可以获得更好的目标探测效果.     

玉米冠层FPAR的高光谱遥感估算研-基于PCA方法及近、短波红外波段

光合有效辐射分量(Fraction of Photosynthetically Active Radiation,FPAR)是进行生态系统功能和全球变化研究的重要参数,准确估算FPAR具有重要意义。通过对野外实测玉米高光谱数据和光合有效辐射数据的分析,探讨了主成分分析方法在高光谱信息提取及估算玉米冠层FPAR参数方面的可行性,在此基础上,结合植被指数验证FPAR估算效果,分析近红外及短波红外高光谱数据在FPAR估算方面的应用潜力。     

基于高通滤波的高分辨率遥感影像城市道路提取

本文根据高分辨率遥感影像城市道路与房屋等建筑物在空间域中光谱特征差异很小,而在频率域中区别很大的特点,提出一种基于频率域的道路提取方法.在图像频率域中利用Butterworth高通滤波器对图像进行锐化增强处理,突出道路的边缘信息,将道路与建筑物初步区分开来;再对增强后的图像二值化,通过形态变换等方法对图像中的建筑物进行...     

WorldView-2遥感影像融合方法实验研究

针对一景WorldView-2全色影像和多光谱影像,分别利用基于高通滤波的融合算法、IHS变换融合算法、PCA变换融合算法、小波变换融合算法和ENVI Pan Sharpening融合算法进行影像融合,并利用定量评价指标进行定量化评价。试验表明,Pan Sharpening算法最为理想。     

基于主成分回归的土壤有机质高光谱特性分析

以实验室制备的土壤样本和室内高光谱数据为基础,通过对光谱数据进行重采样、数学变换等预处理,探讨土壤有机质的高光谱特性,利用相关分析和主成分回归分析在不同的土壤粒径水平及不同的光谱变换形式下,建立了回归模型,结果显示在0.25 mm粒径水平下以反射率的对数的一阶微分处理之后的光谱数据建立的模型最优。     

基于最小二乘拟合模型和PCA变换的影像融合

针对传统的PCA变换融合法,利用高空间分辨率影像与多光谱影像的线性相关特性,提出了一种基于最小二乘模型和PCA变换的影像融合方法,采用偏差指数、相关系数和信息熵三个指标,对融合结果进行了定量评价。试验结果表明,在提高了多光谱影像空间分辨率的同时,更好地保留了多光谱影像的光谱信息。     

一种基于主成分分析的协同克里金插值方法

针对协同克里金插值方法在插值时,辅助变量较多造成计算复杂度增加,而辅助变量较少引起插值精度降低这一问题,提出了一种基于主成分分析的协同克里金插值方法（PCA-CoKriging）。该方法首先使用主成分分析对插值相关变量进行将维,得到较少几个综合指标,然后里利用这几个综合指标作为辅助变量进行协同克里金插值。为验证该方法的有效性和数据分布对该方法的影响,本文选取了2016年北京市范围内4个季节中PM_2.5浓度满足正态分布效果不同的4组数据,分别使用PCA-CoKriging和普通克里金插值方法、常规协同克里金插值方法,进行了插值试验。结果表明,本文方法与普通克里金插值方法、常规协同克里金插值法在4组试验中的平均绝对误差分别为4.91、6.04、5.61,平均均方根误差分别为6.65、8.76、7.57。综合比较,本文方法比常规协同克里金插值的平均绝对误差与均方根误差分别提升了10.73%、12.56%,比普通克里金插值法的平均绝对误差与均方根误差分别提升了18.71%、24.09%。     

一种基于主成分分析的时空地理加权回归方法

针对时空地理加权回归模型(GTWR)进行预测时,输入变量较多导致计算复杂度高,而输入变量较少引起预测精度降低这一问题,提出了一种基于主成分分析的时空地理加权回归方法(PCA-GTWR)。该方法采用非线性主成分分析方法,先对影响PM2.5浓度的若干相关变量降维处理得到几个综合指标,并将其作为GTWR模型的输入变量进行预测。为验证该方法的有效性,采用北京市2014-04—2017-03的PM2.5数据,利用Pearson相关系数法选取与PM2.5浓度具有较高相关性的影响因素作为常规的GTWR模型的输入变量,在变量个数相同的前提下,与本文方法进行对比。结果表明应用非线性主成分分析方法对相关变量进行预处理后,有效地解决了变量之间的共线性,保留了原始影响因素主要信息,提高了运算效率,且该方法的MAE、RMSE、AIC均低于常规的GTWR模型,拟合优度GF最高达到88.11%。     

主成分分析的匹配点对提纯方法

传统的匹配点对提纯算法通常需要寻找小部分点集作为初始输入,再迭代求解出能够满足大多数点对约束要求的最优解,其提纯结果易陷入局部极值,造成正确匹配点对的遗漏。针对这一问题,本文引入了主成分分析思想,将整体点集作为初始输入,逐步剔除误匹配点对,稳健求解,得到更为准确的全局最优解,降低正确匹配点对的遗漏率,达到较好的提纯效果。试验表明,本文方法在一定的原始误匹配率下,能够得到整体最优解,在剔除误匹配点对的同时,能够避免或减少正确匹配点对的遗漏。     

基于主成分分析的遥感图像模拟真彩色融合法

对不同空间分辨率、时间分辨率和波谱分辨率的遥感图像进行综合、高效的利用,是遥感应用的关键问题之一.基于主分量变换法,提出了基于主成分分析的模拟真彩色融合法.该方法不仅具有主成分分析融合法的光谱波段选择灵活和光谱信息损失小等优点,同时该方法还可获得逼真的自然色彩的融合图像,提高了图像的融合效果.利用QuickBird全色和多光谱数据进行了试验,并与色彩空间变换法(HIS)、比值变换融合法和乘积变换法等传统方法,在定性和定量两个方面进行了比较分析.结果表明,新方法很好的保留了多光谱影像的光谱信息,提高了空间细节的表现能力,是一种有效实用的遥感图像融合方法.     

基于主成分分析的遥感图像模拟真彩色融合法

对不同空间分辨率、时间分辨率和波谱分辨率的遥感图像进行综合、高效的利用,是遥感应用的关键问题之一。基于主分量变换法,提出了基于主成分分析的模拟真彩色融合法。该方法不仅具有主成分分析融合法的光谱波段选择灵活和光谱信息损失小等优点,同时该方法还可获得逼真的自然色彩的融合图像,提高了图像的融合效果。利用QuickBird全色和多光谱数据进行了试验,并与色彩空间变换法(IHS)、比值变换融合法和乘积变换法等传统方法,在定性和定量两个方面进行了比较分析。结果表明,新方法很好的保留了多光谱影像的光谱信息,提高了空间细节的表现能力,是一种有效实用的遥感图像融合方法。     

一种基于高斯影像立方体的空间投影融合方法

为了使融合影像能够最大限度地保持原始多光谱影像的光谱特征,同时又能尽可能地提高融合影像的空间分辨率,引入了模拟人眼视觉机理的高斯尺度空间技术,提出了一种基于高斯影像立方体的空间投影融合方法。该算法在避免光谱扭曲的同时,又能提高融合影像的空间分辨率。采用QuickBird遥感影像进行的实验结果表明,本方法在光谱偏差指数、相关系数、UIQI、ERGAS、运行时间、主观视觉感受等指标上较传统方法有显著优势。     

基于主成分融合信息失真的城市IKONOS影像阴影自动提取研究

提出了一种基于主成分融合信息失真的城区IKONOS影像阴影自动提取的新方法。首先选用阴影信息强的近红外波段用于阴影提取,并评价主成分融合的信息失真,发现阴影对相对偏差这一评价指标敏感,其次,构造了相对差异指数以增强阴影信息,使阴影区相对差异指数的数值高,而非阴影区的相对差异指数的数值低,然后通过阈值法将影像分为可能阴影区和非阴影区,最后根据标准差通过区域滤波去除可能阴影区中的水体,实现阴影的提取。试验结果表明,此方法阴影自动提取方便、精度高,不仅能准确地提取高层建筑物的阴影,而且能识别矮小树木等细小阴影。