光流特征聚类的车载全景序列影像匹配方法

提出一种光流特征聚类的车载全景序列影像匹配方法.采用非参数化的均值漂移特征聚类思想,以SIFT多尺度特征匹配点的位置量和光流矢量,构建了影像特征空间的空域和值域;利用特征空间中对应的显著图像光流特征为聚类条件,实现了全景序列影像的匹配;最后以全景极线几何约束为条件进行粗差的剔除.通过相同、不同内点率以及不同数据的试验对比分析,本文方法在匹配正确点数和正确率方面要优于经典的Ransac法和金字塔Lucas-Kanade光流法,尤其在场景复杂造成的低内点率情况下,算法表现较为稳定,并可较好地剔除由重复纹理、运动物体、尺度变化等产生的匹配点粗差.     

基于标识的遥感影像部分监督模糊聚类

根据遥感影像的特点引入了部分监督模糊聚类的方法,并对其进行改进,加入了标识参数flagk,使其在训练过程中对参与计算的数据进行筛选,使得训练的速度加快,去除了非样本类数据对类心数据的影响,获得了较高精度的分类结果。     

基于数据场聚类的遥感影像分类方法研究

将数据场聚类方法引入到遥感影像分类中,将数据集映射到光谱空间,让光谱点对聚类的贡献通过势能充分表现出来。通过特征空间的建立、势能的计算及势能图像的分割等步骤实现了对遥感影像的分类,并讨论了辐射因子及辐射半径等对聚类的影响。     

聚类特征和SVM组合的高光谱影像半监督协同分类

本文提出了一种聚类特征和SVM组合的高光谱影像半监督协同分类方法。利用构建的协同分类框架能够将KSFCM聚类算法与半监督SVM分类器相结合,同时利用聚类和分类优势,提高分类器的分类准确率。其中,通过聚类损耗函数、分类一致函数、分类差异性、样本差异性四个指数用以构建协同分类框架,以充分利用少量类标签样本信息,避免高光谱类标签样本获取困难问题,在一定程度上解决SVM支持向量随着训练样本增加而线性增加的问题,从而寻求最佳分类结果。实验结果表明,本文所提方法得到的分类精度优于直接利用SVM进行半监督分类。     

基于特征的等高线数据聚类方法

针对地理线要素具有的分形特征,将小波分解算法和数值统计算法结合起来,提出并证明等高线小波分解后各层细节分量与复杂度之间具有对数线性的关系,从而计算出等高线的复杂度.再结合等高线自身的位置关系,给出等高线的分类标准,将等高线进行聚类,从而降低图形处理时等高线图形的密度和所需要的等高线的数据量,减少等高线相交的可能性.     

基于变分法与Markov随机场模糊局部信息聚类法的SAR影像变化检测

为了提高合成孔径雷达(synthetic aperture radar,SAR)影像变化检测的精度,提出一种基于变分法与马尔可夫随机场模糊局部信息聚类(Markov random field fuzzy local information C-means clustering,MRF-FLICM)的SAR影像变化检测方...     

基于Zernike矩的多时相遥感影像匹配方法研究

针对参与变化检测影像的特点,归纳多时相影像匹配方法应满足的条件,提出了一种基于Zernike矩的匹配策略。在进行多时相影像匹配时,该方法对灰度的线性变化不敏感,而且可以匹配存在较大旋转角度的影像。试验表明,该匹配策略具有较高的匹配正确率。     

核聚类改进的RBF神经网络遥感影像分类

为提高RBF神经网络遥感影像分类算法的分类效果,本文提出了一种基于核聚类的改进方法。文中采用武汉地区的SPOT影像为实验数据,比较了改进算法与传统基于K均值的RBF神经网络的分类结果,试验表明改进算法的总体精度和Kappa系数均高于传统算法。     

利用等边长正交格网进行层次聚合聚类

层次聚合聚类的典型算法可以体现研究数据的多尺度特征,但是典型算法的时空复杂度太高。通过将数据所在空间划分成等边长正交格网,结合3点间距离的传递性排除冗余计算,并将其推广到N维空间。设计了一种与典型算法遵循相同的单链规则,可即时计算类间距离且无需计算距离矩阵的算法,在获得与典型算法相同的多尺度聚类序列的同时,所需内存远小于典型算法。实验结果表明,该算法无需人工干预且不使用距离矩阵,能大幅降低层次聚合聚类的运行时间,但是效率优势随空间维数增长逐渐降低。     

基于不变矩的影像匹配搜索算法

矩在统计学中用于表征随机量的分布，直方图不变矩反映了图像灰度分布的统计特征。本文在对不变矩进行深入探讨的基础上，提出了基于圆表搜索模板的图像直方图不变矩搜索方法，并对两幅待融合影像进行了较高精度的灰度搜索匹配试验，取得了较好的结果。     

多视觉特征与K-centroid聚类的高分辨率遥感图像检索

目前基于单一内容的高分辨率遥感图像检索具有描述片面、信息不精确的问题。针对此问题,充分利用遥感图像的颜色、形状和纹理特征,将三者综合起来,形成多视觉特征的遥感图像检索,并通过一系列的迭代运算,得到这三种特征对待不同类遥感图像时各占的最佳比例系数,从而得到较好的检索结果。并针对分别计算遥感图像的颜色、形状和纹理特征,再将其融合导致在大图像库中进行检索时检索速度较慢这个问题,引入改进的K-centroid聚类算法,先对遥感图像库中的图像进行聚类,大大缩小了检索的范围,提高了检索速度。实验结果表明,该方法具有较好的检索结果。     

具有鲁棒性的彩色图像检索方法

提出了一种鲁棒的图像检索方法，它能够在检索大规模图像库时实现基于内容的快速匹配。匹配的索引来源于重量化HSV颜色空间得到的灰度图（Z值图）的区域特征。由于Z值图由反映色彩的聚类区域组成，并且使用矩方法来表达特征，因此该检索方法是鲁棒的，具有2维平移、尺度、旋转不变性，同时可以避免逐点匹配产生的时间耗费。     

基于颜色和纹理的森林影像分割方法

提出一种基于影像颜色散度和纹理信息的森林影像分割方法。对输入影像进行颜色量化,然后利用量化得到的索引矩阵计算各像素的颜色散度;基于多分辨率策略进行纹理分析,通过区域生长形成初始分割区域;统计各区域Laws纹理能量,合并过分割区域。实验表明,森林影像的分割结果与人的主观视觉感知具有良好的一致性,识别出的地面和树木可为匹配和三维建模提供可靠依据。     

基于视觉表象的彩色晕渲地图色彩设计

结合我国地形特点,设计出了一套切实可行的彩色晕渲地图设色方案,为数字环境中晕渲地图设计知识工程的建立奠定基础。     

一种改进的Hu不变矩多源影像匹配方法

Hu不变矩对多源影像进行匹配时,无法对抗大幅度旋转和灰度差异,而且计算量较大无法快速匹配。本文结合多源影像之间的区别和联系,针对Hu不变矩的适用性和计算过程,从匹配窗口设计、影像预处理、亮度因子、计算过程等4个方面进行改进。实验结果表明,改进后的Hu不变矩匹配方法可以抵抗大幅度影像旋转和灰度差异,而且提高了匹配准确度和速度。     

利用视觉词袋模型和颜色直方图进行遥感影像检索

基于内容的遥感影像检索已经成为遥感领域的研究热点,因此,本文提出了一种综合视觉词袋模型和颜色直方图的遥感影像检索方法,利用尺度不变特征算子提取影像的局部不变特征,通过视觉词袋模型组合局部特征,生成每幅影像的金字塔直方图,接着结合每幅影像的颜色直方图生成更有区分性的特征向量,利用新的特征向量集训练支持向量机分类器,通过分类器输出与查询属于一类的影像,完成遥感影像检索。试验结果表明,本文方法不仅提高了影像检索的查准率和查全率,并且验证了该方法能有效克服影像光照、噪声、方向等变化,鲁棒性较好。     

利用改进图割的彩色图像分割算法

针对基于多标签图割的分割算法因标签过多造成计算量大的问题,提出一种基于多组件图割的彩色图像分割算法。首先根据彩色梯度信息融合所提取的四元数cut-off窗口特征和ClE Lab颜色特征进行特征提取;然后使用多组件图割算法结合最大似然(ML)估计自动分割图像,在迭代过程中,每一个分割内不相邻的区域将作为该分割的多个组件以减少标签数;最后去除一些弱边界得到分割结果。理论和实验结果表明,新算法不仅具有收敛性,而且分割性能优于原始算法。     

颜色不变量与AKAZE特征相结合的无人机影像匹配算法

基于特征的影像匹配方法是无人机影像匹配中较为实用的一类方法。针对传统特征匹配方法主要以灰度影像作为输入量,难以利用颜色特征高效区分同名点这一问题,本文结合颜色不变量,设计了一种运用AKAZE特征的匹配算法,克服了传统无人机影像匹配忽略彩色信息的缺点;然后通过灰度级变换,使特征点数目大量减少而又不失其可靠性。试验表明,该方法不仅能够准确识别同名点,而且还提高了运行效率。     

彩色地图图像的自动分色

着重讨论了彩色地图图像的分色原理、色空间的选择,给出了分色的具体过程,并对算法进行了分析,对分色结果加以讨论。     

一种基于马尔科夫随机场模型的彩色纹理图像分割

提出了一种基于Gabor滤波和马尔科夫随机场的彩色纹理特征图像的分割算法。首先对色彩和纹理特征进行了分析,将RGB色彩空间非线性变换到CIE-LUV空间,构造颜色的特征向量;然后对原始彩色图像进行Gabor滤波和高斯平滑处理,得到恰当表示原图像的灰度纹理图像;再对原图像建立MRF分割模型,结合色彩和纹理信息,运用贝叶斯理论和迭代优化算法估计最大后验概率(MAP)。实验表明,本文方法可以有效地实现图像分割。