高光谱影像分类及组合分类器的应用

高光谱影像包含有丰富的地物类别信息,但由于受分类方法等因素的限制,这些信息并不能得到充分的挖掘。组合分类器由于可以实现各分类结果信息的互补,因而总有着较各单分类器效果更好的分类性能。将组合分类方法引入到高光谱影像的分类实践中,并对组合的关键问题一组合规则进行探讨,提出了混合组合规则的概念。实验表明,利用该组合分类方法对高光谱影像进行分类,可以得到良好的处理结果。     

海岸带高光谱影像分类技术研究

以海岸带地物分类研究为重要对象,针对传统海岸带区域地物及海水等目标分类技术的局限性,通过分析海岸带地物的光谱特征以及在高光谱数据中的表征,研究高光谱成像技术在海岸带遥感应用中的有效性。实验结果表明相对传统的遥感影像分类技术,高光谱海岸带分类显得更为精细,也展示了高光谱技术在海洋遥感中的巨大应用前景?     

基于光谱-空间联合Transformer模型的黄河三角洲湿地高光谱影像分类

黄河三角洲湿地地物类型在光谱曲线上差异较小,且在空间上分布零散,呈破碎化特性。现有的分类方法受限于局部感受野难以捕捉到图像的长距离依赖关系,导致在黄河三角洲湿地高光谱影像中分类精度不理想,针对此问题,本文提出了一种光谱-空间联合Transformer模型。光谱和空间支路分别以光谱向量和空间邻域为输入,基于自注意力机制提取全局光谱和空间特征,在两个支路引入多阶特征交互层,实现浅层边缘信息和深层语义信息的融合,最后采用自适应相加的方式将两路特征融合,送入分类器实现最终分类。本文在黄河三角洲湿地高分五号GF-5和CHRIS两幅高光谱影像上验证方法的有效性,实验结果表明,该方法显著提高了湿地分类的精度,在选用3%的样本训练条件下总体精度分别达到了90.90%和94.17%,优于其他分类方法。研究结果可实现黄河三角洲湿地地物类型的高精度分类,为湿地的保护提供技术支持。     

基于地物光谱可分性的CHRIS 高光谱影像波段选择及其分类应用

本文以黄河口湿地为研究区,应用覆盖该区域的CHRIS高光谱遥感影像,提出了一种基于地物光谱可分性的滨海湿地高光谱影像波段选择方法。该方法利用研究区的7种典型地物的110余条现场实测地物光谱曲线,通过分析比对地物两两之间的光谱可分度,确定地物类型之间的光谱可分区间,基于此选取CHRIS高光谱影像的地物分类特征波段,应用三种经典的监督分类方法(支持向量机法SVM、人工神经网络法ANN和光谱角制图法SAM)开展利用全波段的和利用本文方法选择特征波段的分类对比实验。结果表明:(1)基于光谱可分性特征波段的方法较全波段分类精度有所提高,其中ANN分类精度最高,为82.52%,较全波段分类精度提高了约为5.1%;(2)芦苇、水体、黄河水和裸滩4种地物的识别能力高,生产者精度都在80%以上;(3)碱蓬的用户精度提升最为明显,约在7%。     

基于LLE低维嵌入的高光谱影像分类

针对高光谱数据中内在的非线性流行结构,分析了LLE低维嵌入算法的基本原理,给出了该算法的计算步骤。介绍了模糊ISODATA分类算法的基本思想,在计算目标函数中,利用测地距离代替欧氏距离,对模糊ISODATA分类算法进行改进。利用两套PHI高光谱影像数据,在LLE低维嵌入结果上实现了ISODATA分类实验。结果表明:LLE低维嵌入后的数据能够降低ISODATA影像分类的迭代次数与计算时间,提高分类的效率;与原始ISODATA分类算法相比,改进的ISODATA分类算法能够更好地挖掘类别之间的自组织关系,提高分类的可靠性。     

面向分类的高光谱遥感影像数据特性的研究

分析了高光谱遥感的特点、影像数据的应用现状,针对高光谱遥感影像处理、分类的现状及遇到的困难,对高光谱遥感影像数据的分类特性进行了深入的分析总结,对高光谱遥感影像分类的支持向量机方法进行了系统研究,并分析指出了支持向量机分类法的优越性,最后提出了需要进一步研究的问题.     

高光谱遥感图像分类精度对比研究

根据国家重点基础研究发展规划项目"干旱、半干旱地区的环境动力机制重大理论基础研究"的需要,开展各种针对高光谱图像的经典分类精度对比研究.采用ENVI软件中常规高光谱分类算法和自编的模糊算法程序,对3个典型的试验区进行对比试验.结果表明,经典分类算法中的光谱角填图(SAM)、欧氏最小距离、马氏距离分类精度较高,模糊识别法中的相关系数法、绝对指数法、相对指数法、夹角余弦法的精度均比较高而且比较稳定;其它方法精度比较低.虽然有多种因素影响分类的精度,但是只要措施适当,还是可以取得比较满意的分类精度.     

近似支持向量机高光谱图像分类方法研究

介绍了近似支持向量机（PSVM）的原理及特点。为了将PSVM应用于高光谱图像的分类,提出了基于PSVM的有向无环图（DAG）多类分类方法（DAG PSVMs）。实验结果表明,DAG PSVM与传统的DAG SVM相比,性能基本保持不变,训练时间却大幅降低。     

高光谱海洋遥感影像处理系统集成与应用研究

主要研究了基于多传感器获取的高光谱海洋遥感影像特点,针对我国海域赤潮、溢油、海冰等不同的海洋现象,采用不同的模块存储格式和光谱角信息进行处理,提高了高光谱海洋遥感影像处理的精度和速度;利用VC＋＋动态连接数据库将各模块集合成一有机整体,既保证了各模块处理的特色,又实现了不同格式的快速转换存储,使系统具有了很强的开放性和可扩展性。     

黄河口湿地典型地物类型高光谱分类方法

黄河口湿地地物类型具有复杂多样的特点,本文将线性光谱混合分析模型与归一化植被指数(NDVI)和归一化水体指数(NDWI)相结合,建立了一种新的滨海湿地遥感影像分类方法;开展了基于CHRIS高光谱影像的黄河口湿地芦苇、柽柳、碱蓬、大米草、潮滩和水体6种典型地物分类实验,整体分类精度为77.33%,Kappa 系数为 0.71,与经典的最大似然分类(MLC)方法相比较,整体分类精度提高1.6%,Kappa 系数提高0.02,尤其是芦苇、碱蓬、大米草和潮滩的分类精度明显提高。     

面向应用的成像光谱数据分类技术

提出了面向应用的成像光谱数据分类技术,旨在从根本上、全方位地削弱各种不利因素对分类精度的影响。该项技术主要包括利用IEM算法获取更为精确的类别分布信息,采用禁忌搜索算法进行原始特征空间的降维,运用基于混合规则的组合分类器来判断待识样本的类别标签。实验表明,按照该方法进行成像光谱数据的分类处理,可以得到很高精度的分类结果。     

基于Tabu搜索的高光谱影像特征选择

在高光谱影像的分类过程中,如何有效地降低特征空间的维数,又能保证原始数据所包含的丰富地物信息,是一项十分重要而繁琐的工作。在分析了传统降维方法所面临问题的基础上,将禁忌(Tabu)搜索算法引入到高光谱影像的特征选择研究,指出由于Tabu搜索算法所具有的良好全局寻优能力,因而在该类影像的降维研究中有着广阔的应用前景。实验表明,将Tabu搜索算法获取的波段进行高光谱影像分类,在求解的时间和分类结果的精度上都可达到令人满意的效果。     

高光谱分类EM算法及噪声的处理

简要介绍了高光谱遥感发展的现状,讲述了EM算法的工作原理及其在高光谱影像分类中的具体计算方法,对于噪声,采用一定的方法加以判断并予以剔除,对余下的未标识样本点给与适当的权值,并应用于EM算法的迭代过程中.通过实验验证,经过去噪处理的EM算法可以有效地改善高光谱影像分类结果.     

Kohonen网络在烟叶动态分类中的应用

针对输入为高维化学指标数据的烟叶分类问题 ,提出 1种改进的 Kohonen自组织特征映射神经网络的聚类方法。在数据预处理时 ,加入了领域专家经验 ,对输入特征向量中的各个分量分配不同的分类参与度 ;用 Gauss邻域函数替代了标准 Kohonen网络的方形邻域 ;在 2个学习阶段学习率和邻域宽度采用了不同的递减函数。通过应用证明了改进后的 Kohonen网络的收敛效果和聚类精度比 K- means聚类方法和标准的 Kohonen网络都有较大的提高。     

纯方位目标跟踪-直角坐标卡尔曼滤波算法

对于纯方位目标跟踪问题 ,在利用卡尔曼滤波算法进行处理时 ,首先要进行观测方程及状态方程的线性化处理 ,自然导致线性化误差 ,为减少它对目标跟踪的影响 ,该文利用衰减记忆的卡尔曼滤波算法 ,通过蒙特卡罗模拟仿真实验表明其跟踪效果在收敛速度和收敛率以及稳定性等方面有了较大的提高。     

基于深度置信网络(DBN)的赤潮高光谱遥感提取研究

赤潮是严重的海洋灾害,有效监测赤潮对于保护海洋生态环境具有重要意义。高光谱遥感具有光谱分辨率高、图谱合一等优势,适合于海洋赤潮监测。深度学习是机器学习领域的前沿,为高光谱遥感分类提供了新的思路。深度置信网络(Deep Belief Network,DBN)兼具监督分类与非监督分类的特点,通过构建DBN模型,将DBN应用于赤潮灾害遥感监测中,应用渤海机载高光谱遥感数据开展赤潮分类,以达到提取高光谱图像中赤潮水体范围的目的。通过设置对照实验,对比经典的SVM监督分类方法与ISODATA非监督分类方法,发现DBN模型在相同实验条件下具有更高的分类精度,赤潮遥感提取精度提高了3%～11%。     

基于成像高光谱数据的高低潮潮位线提取方法研究

以蓬莱西海岸西庄至栾家口岸段作为研究区,利用机载成像高光谱数据,对比航空垂直影像图和野外调查结果,通过分析砂质、黑泥砂质和黄泥砂质3种海岸类型的光谱特征,建立分类识别模型,完成了对3种海岸类型的分类处理,确定出湿滩和干滩范围,并进一步提取出高潮潮位线和低潮潮位线。