Hyperion 影像分形信号特征研究

高光谱影像具有“谱像合一”的特征, 因而可以从谱和像两个角度对高光谱影像进行分形分析。本文把计 算表面分形维的双层地毯法用于计算Hyperion 高光谱曲线的分形维, 根据每一像元的高光谱曲线计算出每一尺度 的上分形信号和下分形信号, 并对分形信号值及分形特征尺度进行分析。结果表明对于不同地物其分形信号在某些 特定尺度(分形特征尺度)有较大的差异, 而且对于Hyperion 高光谱影像, 下分形信号可更有效地突出地物特征。文 章最后简要讨论了上分形和下分形、起始计算尺度以及原始采样点数目对分形特征尺度的影     

多光谱影像纹理特征编码的算法研究

在基于单波段影像纹理分析方法的基础上,提出了多光谱纹理的概念,将局部区域的相关性分析和多维光谱变化特性采用二进制编码的形式来表征不同类型地物纹理特征,达到了区分和判别影像上不同纹理的目的。实践证明,该方法对提取地物纹理特性具有一定可行性     

关于多光谱和高光谱影像的纹理问题

提出了一种新的纹理概念,指出纹理是地物目标光谱空间到二维投影空间的映射模式,以表述多波段影像或高光谱影像的纹理,并蕴含了单波段或黑白影像纹理概念。同时,提出了实现空间映射的几种编码方式,即基于光谱相似性分析的编码、基于光谱空间密度分析的编码、以影像主成份分析为基础的编码、空间相关性的编码等五种方法。     

高分辨率遥感影像多特征协同地物分类方法

高空间分辨率遥感影像在提高对地物细节信息表达的同时,因地物类内光谱方差增大、类间光谱方差降低而造成了影像上地物识别与分类难度的增加。针对高分辨率遥感影像的地物分类问题,提出并实现了一种将光谱、纹理、形状等多特征综合协同的分类方法,并通过实验验证了该方法的有效性。     

面向土地利用分类的HJ-1 CCD影像最佳分形波段选择

环境一号卫星（HJ-1）CCD影像光谱波段较少,地物之间的准确分类识别有一定困难。采用分形纹理辅助地物分类识别是一种有效方法,而波段选择是提高分类识别精度的关键。本文以江西赣州定南县土地利用分类为例,采用双毯覆盖模型对HJ卫星CCD影像6类典型地物的波谱分形特征进行了分析,利用不同地物在不同波段上的分形区分度差异构建了最佳分形波段选择模型,并利用该模型挑选出最佳分形波段来辅助土地利用分类,最后对分类结果进行检验。结果表明：最佳分形波段选择模型能够综合权衡不同地物在不同波段上的分形区分度差异,利用挑选出来的最佳分形波段来辅助分类,其分类总体精度相对于原始影像分类提高了11.77%,相对于第1主成分分形辅助下的分类提高了1.56%。     

关于IKONOS卫星遥感图像的分形特征研究

通过计算IKONOS卫星遥感图像多波段数据各种地物类型的分形维数,分析IKONOS卫星遥感图像的空间结构特征.结果显示,IKONOS多光谱数据的空间特征对分析现实世界的空间特征具有重要的意义;不同地物的空间结构差异很大,具有各自的分形特征曲线;同一地物的不同波段图像中的图像结构也有差异.     

结合多尺度纹理特征的遥感影像面向对象分类

地物具有多尺度的特点,单一尺度难以准确描述遥感影像包含的地物纹理信息。利用我国自行研发的高分一号遥感影像数据,采用灰度共生矩阵对第一主成分进行纹理特征提取,利用Jeffries-Matusit距离选择多尺度组合,并通过单一纹理结合多光谱数据的分类精度,以及纹理特征间的相关性,最终选择多尺度纹理特征组合进行面向对象分类。研究结果表明:结合多尺度纹理特征组合的面向对象GF-1影像分类能有效提取地物信息,总体分类精度达到81.75%,Kappa系数0.78。     

辅助数据在遥感影像计算机分类中的应用

遥感影像计算机自动分类技术的基本原理,是根据地物类别在遥感影像上反映出来的光谱、纹理和时相等特征而对地物进行分类的,并在影像上确定每一地物类别的平面分布。以光谱特征为基础的模式识别方法,是当前遥感应用中最常见的计算机自动分类方法,它是根据不同地物类别的不同反射光谱特性、以地物影像光谱特征的相似性作为判别     

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。     

基于纹理质地子特征的影像纹理分形分析

本文发展了一种基于纹理质地子特征的影像纹理分形和分析方法。这一方法认为纹理的质地子本身具有自相似性和尺度伸缩性，因而在不同尺度上对各质地子特征检出的基础上，从不同侧面计算出相应于各纹理质地子的分形特征，有效地处理纹理特征的接取和融合，克服目前仅基于整体分维计算存在的难以描述同分维不同分形等现象，实现对纹理的多分辨率分析。     

顾及纹理特征贡献度的变化影像对象提取算法

遥感影像变化检测是全球变化研究的重要内容。基于两期遥感影像的变化检测方法存在数据条件要求苛刻、难以充分利用快速发展的多源遥感影像数据等问题。目前许多变化检测的参考数据中包含了一期分类矢量数据,矢量数据中往往包含了位置、形状、大小和类别属性等先验信息,充分利用这些先验信息将可提高变化检测精度。提取变化影像对象是结合矢量数据和遥感影像进行变化检测的核心步骤。本文提出了一种顾及纹理特征贡献度的变化影像对象提取方法。该方法利用矢量数据分割遥感影像,获取影像对象,计算影像对象纹理特征值。根据信息增益原理计算纹理特征参数的特征贡献度,选择特征参数。由贡献度指数大小确定纹理特征参数权重,计算影像对象与先验要素类别的相似度系数,提取变化影像对象。试验结果表明,基于纹理特征贡献度的特征参数选择,能有效地提高变化影像对象提取结果的精度。     

SAVR法──影像表面分维估计的新方法

本文在分形表面积与体积关系的基础上，导出了一种估计影像表面分维数的新方法──ＳＡＶＲ法。通过对合成的已知维数分形影像数据的测试，表明新方法在分维估值准确性和无标度区特性方面表现较优，进一步与ＢＬＡＮＫＥＴ法分维估计实验比较得出，ＳＡＶＲ法具有较强的保持多分辨影像分维估值的稳定性。最后提出了基于ＳＡＶＲ法方向分维的纹理特征度量并给出了在方向纹理分析中的应用实例。     

基于光谱相似性的多光谱数据纹理编码算法研究

基于多光谱纹理“映射模式”概念，提出了基于光谱数据相似性的多光谱、高光谱数据的编码方法。利用光谱相似测度对不同类型的纹理进行编码，表征地物的全局纹理特征，将纹理提取的算法扩展到多维光谱图像分析中，提出了多尺度纹理组合算法。试验证明，该方法合理有效，可大大提高分类的准确性和精度。     

影像纹理的多标度分形分析

引入目前在分形几何中发展起来的多标度分形理论,发展了影像纹理的多标度分形分析,能够描述纹理结构更多的分形特征,反映影像纹理的局部分维差别,抑制目前仅基于整体分维计算存在的不同分形同分维之弊端,实现影像纹理的多分辨率分析。尽管分维测度是纹理的一个非常重要的特征,但单纯的仅基于分维测度的分析,并不足以表征所有的纹理信息。     

图像分数维计算模型的改进

分数维作为一种图像纹理特征常用于遥感图像分类,提高图像分数维的测量有助于提高遥感分类精度。本文在介绍目前常用的基于分形布朗运动分数维计算方法的基础上,运用分形的相关理论,指出了现有方法存在的缺陷,提出了改进的分数维计算方法;并用SPOT全色影像中常见的5种地物进行了对比实验,实验结果表明,本文提出的改进方法获得的分数维测量结果比现有的方法更接近理论分析结果,更有利于地物的识别与分类。     

基于SOFM网络的声图非监督分类

利用局部窗口内的灰度纹理共生矩阵的统计量、灰度均值和两个分维数作为特征矢量,利用SOFM网络进行非监督分类侧扫声纳海底图像,通过实测数据验算,取得了理想的效果。     

基于遗传算法的BP网络实现海底底质分类

本文利用灰度纹理共生矩阵和两个分维数作为特征矢量,采用遗传算法训练BP网络,进行海底底质监督分类。以海底侧扫声纳图像为例,通过实测数据验算,取得了理想的效果。