基于SVM算法和GLCM的侧扫声纳影像分类研究

根据侧扫声纳影像的特征,提出一种基于SVM和GLCM的侧扫声纳影像分类方法,利用灰度共生矩阵提取其纹理特征,采用主成分分析法对纹理特征进行筛选,选择适合侧扫声纳影像的最佳纹理特征,结合侧扫声纳影像的回波强度,应用支持向量机对侧扫声纳影像进行分类。研究结果表明,纹理特征结合回波强度的支持向量机分类精度高于只依靠回波强度的支持向量机分类精度。     

基于GLCM的侧扫声纳影像纹理数据库设计

根据侧扫声纳影像的特征,提出了基于灰度共生矩阵(gray level co-occurrence matrix,GLCM)纹理分析的声纳影像纹理提取方法,对不同的纹理特征参数进行量化分析,生成侧扫声纳纹理图像,并建立侧扫声纳图像纹理数据库,实验结果验证了该算法的有效性和可行性。     

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。     

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。     

基于空间特征与纹理信息的高光谱图像半监督分类

传统高光谱图像分类方法主要使用图像的光谱特征信息,没有充分利用高光谱图像的空间特性及样本的其他信息。本文提出了一种基于空间特征与纹理信息的高光谱图像半监督分类方法。首先,将高光谱图像每一像素的光谱特征与其邻域范围内的光谱特征进行结合,得到了这一像素的空-谱特征;然后用灰度共生矩阵提取了高光谱图像的纹理特征,并与空-谱特征进行了融合;最后,用基于图的半监督分类算法进行了分类。通过在Indian Pines数据集和PaviaU数据集上进行试验,结果表明本文提出的方法能取得较高的分类结果。     

基于SURF的声纳图像配准与融合方法研究

针对侧扫声纳图像分辨率高测深精度低而多波束声纳图像分辨率低测深精度高的特点,提出了一种基于SUFR的声纳图像自动配准与融合方法。该算法检测同一区域内侧扫声纳图像和多波束图像的特征点,通过最近邻匹配获得匹配点后,计算图像间的变换矩阵,利用空间变换完成配准,采用加权融合法实现两者的融合。实验结果表明该算法具有很好的鲁棒性,配准精度达到像素级,可实现两者的高精度自动配准与融合,取得了理想的效果。     

基于分形和灰度共生矩阵纹理特征的种植型药用植物遥感分类

遥感技术应用已成为中国中药资源普查的一个重要探索方向。以红花(Carthams Tinctorius L.)为种植型药用植物实验样本品种,分别基于分形理论和灰度共生矩阵(GLCM)两种方法提取不同的纹理特征,结合光谱信息对资源三号卫星(ZY-3)影像进行最大似然方法的监督分类,对比分析分类效果和精度评价。结果显示:加入纹理特征后,总体分类精度提高了0.49%—5.31%,Kappa系数提高了0.01—0.07,结合基于双毯法的分形纹理较GLCM纹理分类总体效果提高至少两倍,其中在Matlab环境下,使用5×5滑动窗口提取的分形纹理特征的分类效果最显著,总体分类精度提高了5.31%,Kappa系数提高了0.07。对于红花分类精度,引入分形纹理特征的分类精度提高到了100%,识别的红花样地效果最完整,破碎程度最小,与其他类别区分度最高;而引入GLCM的分类精度却降低了0.55%—1.28%,可见采用分形理论比采用GLCM提取纹理特征能够更加有效地辅助ZY-3影像识别种植型药用植物。     

基于K-L变换的自组织竞争神经网络在海底底质分类中的应用

针对海底质地的特点,利用灰度纹理共生矩阵作为特征参数,K-L变换对海底底质图像进行降维,采用自组织竞争神经网络对图像进行自动分类,对各分类方法精度进行对比。以海底侧扫声纳图像为例,通过实测数据验算,取得理想的效果。     

侧扫声纳标准数据存储格式制定及应用

为了解决我国近海专项调查获取的大量格式不同的侧扫声纳数据统一管理及应用问题,本文在XTF、SDF、Qmips、JSF等几种常用侧扫声纳数据格式解析的基础上,根据实际工作需要,以XTF格式为基础,制定一种新的侧扫声纳数据存储格式(SSF)作为标准数据格式。同时编制程序软件将不同格式的侧扫声纳数据转换成标准格式,并将测线信息、元数据信息统一输出,实现了海量多源异构侧扫声纳数据的统一管理,建构起不同格式侧扫声纳数据管理与应用之间的桥梁,利于更好地将侧扫声纳数据应用于海底地形地貌及海底信息的研究中。     

基于 XTF 格式的侧扫声纳数据解码及可视化

从侧扫声纳原理出发,深入研究XTF格式的侧扫声纳数据结构,对其进行自动解码,提取各种统计参数及声纳回波强度信息,编程自动生成侧扫声纳瀑布图,实现侧扫声纳数据可视化。以南海某海域实测XTF格式侧扫声纳数据为例,进行解码和可视化,实验结果表明形成的侧扫声纳图像完全满足海洋地质调查需求,对识别海底微地形地貌提供精确可靠的依据。     

不同型号侧扫声呐分辨能力和扫宽能力的比较分析

侧扫声呐是海洋科学调查中常用的仪器设备,针对此类声学探测设备出台相关检测、检定等计量化的标准势在必行。本文介绍了侧扫声呐的工作原理和技术参数,针对侧扫声呐分辨能力和扫宽能力这两个性能指标,提出了一种评价方法。最后通过海上试验,对比分析了3种常用的侧扫声呐仪器的分辨能力和扫宽能力,为侧扫声呐系统的选用和引进提供参考。     

多波束与侧扫声呐图像的迭代自适应配准方法EI北大核心CSCD

针对目前多波束与侧扫声呐图像配准方法未顾及图像形变细节信息及二者尺度差异,存在局部纹理失真的问题,本文提出了结合小波变换、仿射变换和Demons配准算法的迭代自适应配准方法。利用小波变换提取侧扫声呐图像低频信息并重构图像,先后采用仿射变换和Demons算法将重构图像与多波束图像进行迭代自适应配准,获取配准变换模型,利用该模型对侧扫声呐原图像进行整体配准变换,获得多波束图像地理坐标约束的侧扫声呐图像。实例验证结果表明:该方法能有效实现多波束与侧扫声呐图像配准,获得位置准确且纹理丰富的融合声呐图像。     

领域知识辅助下基于多尺度与主方向纹理的遥感影像土地利用分类

基于灰度共生矩阵(GLCM)的纹理特征在影像空间分析中具有重要作用,提出了一种在领域空间知识辅助下构建GLCM多尺度窗口与主方向权值的方法,从而提高纹理特征的有效性,并解决影像土地利用分类中存在的不确定性问题。为此,根据人类目视解译的特点,对GIS与RS数据进行集成计算:首先,在图像配准的基础上,利用经典的GIS空间数据挖掘算法,渐近式地提取领域形态知识;接着,采用关联分析法建立其与GLCM构造因子之间的响应机制,并设计了基于地类形状指数的多尺度窗口建立算法,以及基于地类主方向分布指数的方向权值测度算法。试验结果表明,领域形态知识与GLCM空间因子之间具有强相关关系,该方法提取出的纹理特征可以描述复杂地物的空间意义,算法复杂度低,性能优越,有效提高了影像土地利用分类的精度。     

基于支持向量机(SVM)单目标SAR图像分割

将考虑SAR图像局部灰度均值和方差及像素空间分布特征等统计量,以灰度共生矩阵产生的纹理统计量为特征向量,经过归一化后进行特征选择,然后输入到支持向量机中进行训练建模,利用支持向量机分类方法,以实现分割结果.最后,将此方法分类结果与传统方法进行了比较,从对比结果可以看出此方法行之有效.     

结合灰度和基于动态窗口的纹理特征的遥感影像分类

在基于灰度共生矩阵提取遥感影像纹理特征的基础上,针对固定窗口算法的局限性,提出了动态窗口算法;并将不同滑动窗口算法提取的纹理特征与影像灰度组合进行支持向量机(SVM)分类,对分类结果进行定性和定量比较分析。实验结果表明:影像灰度结合动态窗口算法提取的纹理特征进行SVM分类的分类精度优于灰度结合固定窗口算法提取的纹理特征的分类精度。因此,提出的算法较传统的固定窗口算法更具优势,是一种有效纹理信息提取方法。     

Texture-based classification of sub-Antarctic vegetation communities on Heard Island

This study was the first to use high-resolution IKONOS imagery to classify vegetation communities on sub-Antarctic Heard Island. We focused on the use of texture measures, in addition to standard multispectral information, to improve the classification of sub-Antarctic vegetation communities. Heard Island’s pristine and rapidly changing environment makes it a relevant and exciting location to study the regional effects of climate change. This study uses IKONOS imagery to provide automated, up-to-date, and non-invasive means to map vegetation as an important indicator for environmental change. Three classification techniques were compared: multispectral classification, texture based classification, and a combination of both. Texture features were calculated using the Grey Level Co-occurrence Matrix (GLCM). We investigated the effect of the texture window size on classification accuracy. The combined approach produced a higher accuracy than using multispectral bands alone. It was also found that the selection of GLCM texture features is critical. The highest accuracy (85%) was produced using all original spectral bands and three uncorrelated texture features. Incorporating texture improved classification accuracy by 6%.     

面向城市地物分类的 SAR 图像纹理特征提取与分析

合成孔径雷达（ SAR）图像含有丰富的纹理信息,特别是进行城市地物分类时,纹理特征对于图像的解译具有重要的意义。本文对基于灰度共生矩阵和Gabor变换两种纹理特征提取方法进行了研究,将灰度和不同纹理特征组合应用于SAR图像城市地物分类,并以ALOS PALSAR影像为数据源进行了实验。通过对不同分类结果进行定性和定量分析,结果表明,引入纹理特征后的SAR图像分类结果要优于无纹理信息参与的分类结果,基于不同纹理特征组合的SAR图像分类结果要优于基于单一纹理特征的分类结果。     

联合NSCT与多重分形的高噪声侧扫声呐图像分割

针对现有分割算法对高噪声侧扫声呐图像分割准确率低的问题,提出了一种综合利用NSCT(non-subsampled contourlet transform)分解图像、局部标准差和均值组合增强图像和多重分形判断图像奇异性的侧扫声呐图像分割方法。首先,借助NSCT分解图像,获得滤除高频噪声且保留轮廓信息的低频图像和一系列高频方向子带图像。然后,基于侧扫声呐图像中目标及其阴影伴随出现的特点,计算低频图像的局部标准差与均值的组合特征,获得分别突显目标及其阴影的特征图,使用多重分形分割方法分割特征图,获得低频图像分割结果;利用图像差分和非极大值抑制方法分割高频方向子带图像,获得高频分割结果;融合高低频分割结果获得目标及其阴影的精细边缘。最后通过试验验证了本文方法的有效性。