高光谱影像特征提取序贯投影寻踪方法

高光谱影像特征提取涉及高维数据处理难题,必须寻求一种高效的数据处理方法,实现高维数据的降维处理。为提高数据处理效率,应用投影寻踪理论和算法,提出了一种改进的序贯投影寻踪方法,用于高光谱影像特征提取。重点给出了序贯投影寻踪的实现过程,并利用高光谱数据进行了地物分类试验。结果表明,改进的序贯投影寻踪方法可以在保证分类精度的前提下,大幅提高数据处理效率。     

基于动力演化算法的投影寻踪在高光谱影像异常目标检测中的应用

运用基于波段间相关性的高光谱影像波段选取方法进行波段的预选取．采用投影寻踪的方法在动力演化算法的基础上寻找最佳投影方向．将高维数据投影至低维数据空间．在各投影分量图像上采用零点检测阈值化的方法进行异常目标的提取。实验结果表明了基于动力演化算法的投影寻踪在高光谱影像异常目标检测中的有效性。     

高光谱影像中人工目标非监督提取的投影寻踪方法

在高光谱影像应用中,小人工目标的提取是非常重要但非常困难的,投影寻踪是在保留感兴趣信息的基础上通过投影高维数据集到低维数据空间,由于隐藏在复杂背景中人工目标在高光谱影像中光谱特征异常,提出一种基于投影寻踪技术的人工目标提取方法,在寻找最佳投影方向上采用演化算法.     

基于分布异常的高光谱遥感影像小目标检测算法

提出一种基于分布异常的高光谱遥感影像小目标检测方法。该算法用基于近似相对熵的实码遗传优化投影寻踪方法(RCGOA-PP),有效地将高维数据中隐藏的目标信息集中投影到低维空间中,并用直方图分割的方法提取出小目标。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检测。     

基于逐次投影寻踪的高光谱影像降维方法研究

提出了一种新的逐次投影寻踪方法,对高光谱数据进行降维处理,采用定量化的指标,通过对高光谱数据的多次一维投影,逐步选取有效成分,构建新的低维正交空间.     

面向小样本分类的高光谱影像特征提取

研究了面向小样本分类的高光谱影像特征提取技术,提出了一种用于小样本分类的投影寻踪指标和基于SVMPP的高光谱影像特征提取方法;并借助误差校正输出码,将两类问题的特征提取推广到多类情况.通过高光谱影像分类实验证明,该方法具有很强的小样本学习能力,能够在先验信息很少的情况下较准确地提取地物的分类特征.     

投影寻踪学习网络的遥感影像分类

采用投影寻踪(projection pursuit,PP)学习网络方法建立了一种新的遥感影像分类模型。该方法结合了统计学中投影寻踪算法节点函数灵活的非参数估计特点和人工神经网络的自学习功能,具有简捷的网络结构和良好的鲁棒性能。利用苏州市TM影像进行了分类实验,将分类结果与BP神经网络和最大似然法的分类结果相比较,投影寻踪学习网络的分类精度较高,具有一定的实用性。     

面向小样本分类的高光谱影像特征提取

研究了面向小样本分类的高光谱影像特征提取技术，提出了一种用于小样本分类的投影寻踪指标和基于SVMPP的高光谱影像特征提取方法；并借助误差校正输出码，将两类问题的特征提取推广到多类情况。通过高光谱影像分类实验证明，该方法具有很强的小样本学习能力，能够在先验信息很少的情况下较准确地提取地物的分类特征。     

一种基于纹理和光谱特征的高光谱影像信息向量机分类方法

针对高光谱影像中空间特征信息利用不足的问题,提出了一种基于纹理和光谱特征的高光谱影像信息向量机分类方法。该方法首先采用三维Gabor滤波器对高光谱影像数据立方体进行纹理特征提取,提取后的影像数据同时具有光谱和纹理特征,避免了传统纹理特征提取带来的高维特征和光谱不连续的问题;然后采用分类精度和效率都较高的信息向量机进行分类处理。通过AVIRIS高光谱影像实验,结果表明该方法不仅提高了影像的分类精度,而且还消除了分类结果图中的类别噪声现象。     

基于改进投影寻踪模型的土地综合承载能力评估

从经济技术、生态环境、社会发展和土地资源利用4个方面构建土地资源承载能力评价指标体系,同时针对评价指标权重赋值主观性强、适应性差的问题,将模拟遗传退火算法(Genetic Simulated Annealing,GSA)与投影寻踪模型(Projection Pursuit,PP)相结合,构建GSA-PP自适应评估模型.首先采用PP模型对高维数据进行分析,并利用GSA算法自动确定最优投影方向,利用PP模型按最佳投影方向将高维数据投影至一维,实现数据降维的同时有效保留高维数据中的有用信息.利用该模型对安阳县土地综合承载能力进行科学评估,可供对该区域土地资源的综合利用和开发参考.