基于模糊推理的最大似然分类算法研究

本文将模糊集理论与最大似然分类原理相结合,用模糊均值和模糊协方差代替传统最大似然分类的均值和协方差矩阵,依据极大隶属度原则,对最大似然分类算法进行改进。并尝试采用一种基于相异像素空间分布算法的分类精度评定方法,得到相异像素空间分布图,依据该空间分布图对不同的分类方法进行精度评定。实验结果表明,改进后的最大似然分类法的正确率、Kappa系数均优于传统的最大似然分类方法,所采用的精度评定方法也较传统方法在有效性、效率等方面有所改善。     

SVM后验概率结合改进多尺度MRF的遥感影像分割方法

采用SVM方法估计似然概率,克服了混合高斯模型对观测场建模不准确的问题;通过改进的多尺度MRF模型,在标记场建模时充分考虑了各尺度之间和同一尺度内的相关性,进一步准确描述了标记场的统计特性.最后利用改进的建模方法,在序贯最大后验概率估计算法框架下进行影像分割.通过对人工合成影像和实际遥感影像的分割实验结果分析,证明了本文方法能够有效提高分割效果.     

基于K2结构学习算法的多光谱影像贝叶斯网络分类器

用基于启发式搜索的结构学习算法,学习得到多光谱影像的贝叶斯网络结构,分析了TM的波段（特征）间条件独立性假设的合理性,给出了贝叶斯推理中后验概率计算的公式,并通过和最大似然法对比试验分析了简单贝叶斯网络应用于多光谱影像分类的优势。     

最大似然估计的改进多基线InSAR解缠算法

多基线InSAR相位解缠算法能够突破相位欠采样及相位连续性假设的问题,可获得比单基线更为精确的解缠结果,但现有的多基线相位解缠算法存在噪声鲁棒性差或运行时间长的缺点。为提升精度减少运行时间,该文提出了结合最大似然估计算法与扩展卡尔曼滤波算法的多基线相位解缠算法。该算法首先对基于最大似然估计算法重建的预估地形高程进行误差点判断,之后利用扩展卡尔曼滤波的方法对误差点高程进行重建,获得最终估计的地形高程。为验证算法的适用性,采用模拟数据和实测数据进行实验处理,以归一化均方根误差和算法运行时间作为评价指标,将此算法与最长单基线最小费用流解缠算法、最大似然估计多基线解缠算法和最大后验估计多基线解缠算法进行比较,实验结果表明该方法精度较高、运行时间较短。     

基于空间模糊C均值聚类和贝叶斯网络的高分一号遥感影像变化检测

在目前经典的变化检测算法中,后验概率空间变化向量分析(CVAPS)方法广泛用于遥感影像的变化检测。然而,基于支持向量机(SVM)的CVAPS法无法有效处理高分一号影像中等分辨率遥感影像中的混合像元问题,且难以有效保证变化检测的精度。因此,本文通过引入空间信息,使用空间模糊C均值聚类(Spatial Fuzzy C Means, SFCM)有效地实现高分一号影像混合像元的分解,并结合简单贝叶斯网络(SBN),提出一种新的后验概率空间变化向量分析法SFCM-SBN-CVAPS。实验结果表明,本文算法的总体精度和Kappa系数均高于基于普通模糊C均值聚类(Fuzzy C Means, FCM)的CVAPS算法,且耗时更短,本文所提出的算法有助于提高遥感影像变化检测的精度和效率。     

高分辨率遥感影像超像素的模糊聚类分割法

传统模糊C均值聚类在影像分割中只考虑影像的灰度特征,导致该算法用于高空间分辨率遥感影像分割时分割结果不理想。针对该问题,本文提出了一种高分辨率遥感影像超像素的模糊聚类分割方法。该方法首先利用分水岭变换算法产生多个超像素子区域;然后比较各个子区域间光谱特征的相似性;最后利用融合光谱特征的模糊C均值聚类对这些超像素子区域进行合并。试验选用4组不同场景的遥感影像,采用定性和定量相结合的方法评价试验结果。试验结果表明,该方法有效提高了分割区域的分割精度,并取得了较好的分割视觉效果。     

基于半监督核模糊c-均值算法的北京一号小卫星多光谱图像分类

针对遥感图像数据大多不服从高斯分布以及遥感图像分类存在非线性、模糊性和标记数据少等问题,提出基于半监督核模糊c-均值算法的多光谱遥感图像分类方法.首先,把半监督学习理论和核理论同时引入模糊c-均值算法,形成半监督核模糊c-均值算法.然后,用该算法与k-均值算法、最大似然算法、多类支持向量、半监督核支持向量、模糊c-均值...     

顾及超像素光谱特征的无人机影像自动模糊聚类分割法EI北大核心CSCD

针对现有流行模糊C均值聚类在影像分割中存在边界依附能力弱,分割不稳定及需要手动设置聚类数目等问题,提出一种顾及超像素光谱特征的无人机影像自动模糊聚类分割方法。相对于传统分水岭变换算法,该方法首先采用两步边界推进准则,生成轮廓更加精确、形状规则更加紧凑的超像素子区域;然后,提取子区域光谱特征并结合重缩放密度峰值算法自动获取聚类数目;最后,综合利用超像素光谱特征与隐式马尔可夫随机场思想对模糊聚类进行改进,实现超像素精确合并。通过两组影像数据的定性分析和定量评价表明,本文方法能准确定位目标边界,获得较好的视觉分割结果,同时有效提高了影像分割精度。     

图象分割中随机噪音的影响

该文在生成的灰度图象上加上随机噪音，用最大后验（ＭＡＰ）估计方法、模糊Ｃ－均值方法和Ｏｔｓｕ阈值方法进行了分割计算，对结果进行了对比分析，绘出了分割随噪音的标准差变化曲线，对噪音图象使用了不同的滤波方法处理之后，并进行计算。     

结合光谱角的最大似然法遥感影像分类

遥感影像含有丰富的信息,反映了地物特征。其中光谱角侧重描述了光谱的形状特征,具有对多光谱图像增益不敏感的特点。最大似然法是遥感影像分类最常用的方法之一,文中对该方法的后验概率判别函数进行修改,将光谱角以概率因子的形式加入到判别函数中构造一种新的判别函数,有机地将光谱角这一特征信息加入影像分类。通过实验,并与最大似然法和光谱角匹配法分类结果进行比较,结果表明,结合光谱角的最大似然分类法的分类精度得到提高。     

一种利用像素邻域信息的模糊聚类图像分割算法

本文提出一种结合空间信息的模糊C均值聚类图像分割算法。该方法是利用每个像素的邻域像素的隶属度来修正FCM算法的隶属度函数,从而引入图像的空间信息,对隶属函数做了改进;依据平方误差和最小准则,从而确定模糊分类矩阵及聚类中心;并依据最大隶属度原则,划分图像像素的类别归属。实验结果表明,该方法能快速有效地分割图像,并且具有较强的抗噪能力。     

利用改进的FCM方法分割高分辨率遥感影像

传统的模糊C均值聚类算法进行图像分割时只考虑了图像的灰度特征,而忽略了图像中丰富的空间邻域信息,从而导致该算法对噪声很敏感,并得到错误的分割结果。提出两种利用空间信息改进的模糊C均值聚类算法分割高分辨率遥感影像,并通过大量试验验证其有效性,该算法可减少错误分类像素的数目,降低噪声的影响,提高分割结果的精度。     

全极化SAR数据的最大后验概率分类

结合后验概率对分类的影响和全极化SAR数据特点,提出了一种全极化SAR数据分类方法。首先将全极化SAR数据的协方差矩阵转换为9个服从正态分布的强度量;然后通过迭代分类计算类别出现的概率,对9个强度量进行基于最大后验概率的分类。以黑龙江省逊克县境内的一景ALOS PALSAR全极化数据为例,用该方法进行分类,总体精度和Kappa系数分别达到81.34%和0.84,优于传统的最大似然分类方法。     

高光谱影像的改进K-均值监督式聚类分析方法

针对K-均值聚类存在的初始聚类中心不稳定、聚类数目难以确定的问题,提出利用正交投影散度(OPD)优化K-均值算法的初始聚类中心,设计了RD指标函数用于估计聚类数目k。将所提出的算法应用于高光谱影像特征提取与端元提取分析,实验结果表明,所提出算法的性能高于已有的类似算法。     

改进的模糊聚类遥感影像分割

聚类是数据挖掘的重要分支之一,引入模糊理论的模糊聚类分析为显示数据提供了模糊处理能力,在许多领域被广泛应用。本文应用考虑邻域关系的约束模糊C均值(Fuzzy C-Means with Constrains,FCM_S)算法,将邻域像素引入到目标函数中,进而有效地利用邻域像素信息,提高分割精度。本文应用FCM_S算法对模拟彩色纹理图像进行分割,计算其混淆矩阵,定性定量地与FCM算法进行对比分析,证明了该算法的鲁棒性。     

遥感图像最大似然分类方法的EM改进算法

基于参数化密度分布模型的最大似然方法（MLC）是遥感影像分类最常用手段之一，与其他非参数方法（如神经网络）相比较，它具有清晰的参数解释能力、易于与先验知识融合和算法简单而易于实施等优点。但是由于遥感信息的统计分布具有高度的复杂性和随机性，当特征空间中类别的分布比较离散而导致不能服从预先假设的分布，或者样本的选取不具有代表性，往往得到的分类结果会偏离实际情况。首先介绍了用基于有限混合密度理论的期望最大（EM）算法来作为最大似然函数（MLC）参数估计的方法－EM－MLC。该模型首先假设总体混合密度分布可被分解为有限个参数化的高斯密度分布，然后把具有先验知识的样本与随机选取的未知样本混合在一起，通过EM迭代计算来估计出各密度分布的最大似然函数的参数集，从而一定程度上避免了参数估计可能出现的偏离。最后，本文提出了基于EM－MLC遥感影像分类的具体实施流程和应用示范，并与一般最大似然方法（MLC）得到的分类结果进行了定性和定量的综合比较，认为EM－MLC在精度上得到了提高。     

用模糊ARTMAP算法对CBERS-2数据进行分类

用模糊ARTMAP（fuzzy adaptive resonance theorymap）神经网络算法对CBERS-2数据进行了分类实践。首先介绍了模糊ARTMAP神经网络的算法原理和具体训练分类过程；然后用2004年9月新疆石河子地区的影像数据进行土地利用分类试验，并将分类结果与基于统计的最大似然法（MLC）、反向传播神经网络（BP）的分类结果作比较，总分类精度比MLC和BP算法分别提高9．9％和4．6％。结果表明，模糊ARTMAP对试验区CBERS-2影像上的裸地识别能力很强，对高分辨率的CBERS-2影像可获得很好的分类结果。     

遥感影像直觉模糊集分割法

针对传统模糊聚类算法在影像分割中忽略影像成像过程带来的光谱测度不确定性及聚类过程中像素类属非隶属性的问题,本文提出了一种基于直觉模糊集的遥感影像分割算法。首先,设计直觉模糊发生器,并通过最大熵法分析影像光谱测度不确定性,求解波段指数以将遥感影像转化为直觉模糊集,从而对影像的光谱测度不确定性进行建模。然后,在聚类过程中同时考虑像素类属隶属度和像素类属非隶属度,结合直觉模糊集间距离定义目标函数,提高算法对类属模糊信息的处理能力,实现遥感影像的精准分割。最后,分别利用本文算法和比较算法对模拟影像和真彩色遥感影像进行分割试验。分割结果的定性、定量评价表明,本文算法能够更好地处理影像本身和聚类过程中的不确定性,获得更高精度的影像分割结果。     

基于极大似然估计采样一致性准则的遥感影像配准参数解算方法研究

本文提出运用最大似然采样一致性准则解算遥感影像配准系数的方法。该方法基于极大似然估计理论,首先对初始匹配点的坐标残差进行概率建模,计算概率模型成立时的似然函数值并选择似然函数值最大时的参数为正确结果,最终剔除错误点保留正确匹配点。该方法较之传统的最小二乘方法更为准确地计算配准系数,并可以解决随机采样一致性准则解算配准参数时,对阈值的依赖问题。试验证明,该方法可提高配准参数解算的稳健性和精度。     

一种基于SVM后验概率的MRF分割方法

提出了一种基于SVM后验概率的MRF分割方法,将支持向量机的后验概率应用于Markov随机场方法中,通过贝叶斯公式将对样本条件概率的估计转换为后验概率估计,再通过对SVM决策函数输出的映射来产生后验概率,并将SVM估计的后验概率信息带入MRF模型实现分割,从而完成了一种新的Markov随机场模型的分割方法.实验结果表明,采用此方法分割纹理图像可以获得较好的分割结果.