基于非一致性自适应变异的克隆选择算法

提出了一种基于非一致性自适应变异的克隆选择算法.该算法根据抗体的亲和力自适应地确定相应抗体的变异率,同时采用非一致性变异方法来提高算法的效率.实验证明.与传统的克隆选择算法相比,本文提出的方法所需要的收敛时间更少,且能快速地找到最优解,具有一定的实用价值.     

基于核函数度量相似性的遥感影像变化检测

提出了一种基于核函数度量相似性的遥感影像变化检测算法。该算法通过比较两个时相特征向量的概率密度进行变化判别,将概率密度的比较转化成核函数的形式,利用核函数的相似度量功能进行变化判别,通过指定的核函数避开概率密度的估计,达到概率密度比较的目的。     

基于自动搜索和光谱匹配技术的训练样本纯化算法

提出了一种基于局部自动搜索和光谱匹配技术的监督分类训练样本的纯化方法。该方法首先利用遥感影像中像元的灰度信息在图像上局部范围内自动搜索和选择最佳样区位置，然后利用光谱匹配的思想对寻找到的最佳样区在光谱空间上进一步纯化。实验结果证明，通过手工选择样区的辅助，该算法能够自动有效地搜寻到最佳样区的位置，并对最佳样区进行纯化处理。原始遥感图像经过本文的样区纯化算法处理后，无论是目视判读效果，还是分类后混淆矩阵的统计及分类精度，均优于纯化处理前的分类结果，具有一定的实用价值。     

采用螺旋散射的SAR极化定标参考地物提取方法

极化合成孔径雷达观测系统获取的影像需要经过极化定标处理才能进行定量的分析与应用。当前的极化定标方案普遍采用分布式地物解算串扰和交叉极化通道不平衡误差,需要在定标前选取满足一定散射特征的分布式地物作为定标参考样本。利用螺旋散射的极化特征与分布特点,提出了一种新的极化定标参考地物自动提取方法。该方法根据极化目标分解构建螺旋散射比率特征,并采用自适应阈值分割方法自动提取地物样本。采用C波段机载极化雷达影像进行实验,结果表明,所提方法能够保持影像极化定标的准确性,并能提高极化定标的精度。     

极化SAR影像弱散射地物统计分类

针对Wishart分类器对功率具有较强的依赖性, 不易区分极化SAR影像上水体、道路、裸土、阴影等弱后向散射地物的问题, 提出一种利用极化目标分解和假设检验的弱散射地物统计分类方法。即在H-α初始化的基础上, 使用似然比检验得出像元与每个类中心的相似性, 并将其作为像元与类中心的距离测度。根据第一类错误概率和统计量的概率分布, 将相似性很小的强散射点归为拒绝类, 减少对分类的影响;对不能显著拒绝的像元归入具有最小统计量的类别中。通过使用E-SAR L波段和Radarsat-2 C波段全极化数据进行实验, 结果表明本文方法有利于弱散射地物极化信息的利用, 能够实现水体、道路、裸露的土壤和阴影等的精确分类。     

一种顾及空间相关性遥感影像辐射度的地形校正算法

地形校正的目的是消除太阳光照对不规则地面地物辐射值的影响。这种影响会使相似植被类型地物的辐射值发生很大的变化。因此,在地形复杂的地区,地形校正是影像预处理的一个重要步骤。传统的基于单像素的地形校正方法,虽然减小了辐射值的变化,但在太阳入射角低的地区常常出现校正过度的情况。针对这种误差进行分析,提出一种考虑了空间相关性的校正算法,并且利用鄂西地区的Landsat7卫星影像进行的试验证明,该算法优于传统的地形校正模型。     

基于极化相干最优与极化总功率的Wishart-H/Alpha分类

Wishart-H/Alpha法进行聚类可以实现复杂场景的高精度分类。然而在聚类的过程中,由于各类中心所对应的散射机理发生了混淆,使得不透水层代表之一的水泥路面与裸露土壤发生了混淆,这对实际应用不利。提出了利用最优相干系数与极化总功率系数构成的二维直方图空间进行阈值分割,将Wishart-H/Al-pha分类方法中混淆的水泥道路与裸露土壤重新分离出来,并通过国内机载X波段双天线极化干涉实验,验证了本方法的有效性。     

遥感影像清晰度评价方法的比较

清晰度是反映影像质量的重要因素。首先对遥感影像的清晰度评价方法进行了总结,重点介绍了平均梯度、灰度-梯度共生矩阵和Q指数3种方法,并通过大量测试比较了3种方法的优劣。实验结果表明,Q指数要明显优于前2种方法,是一个较好的遥感影像清晰度评价指标。     

改进剖面匹配和EKF对SAR影像道路半自动提取

道路提取作为典型的线状目标提取,是遥感影像目标解译的研究热点。合成孔径雷达（SAR）影像包含了丰富的物理特性,能够全天时、全天候地获取影像数据,已广泛应用于道路提取中。传统的道路提取方法分为全自动和半自动方法。全自动道路提取会出现漏检和错检,需要大量的人工后处理。半自动方法结合人工干预,是对计算机的计算能力和人工解译准确性的有效折中。提出了用一种改进剖面匹配和扩展卡尔曼滤波（EKF）的方法对SAR影像道路进行半自动提取的方法。首先构建了道路提取模型,其次通过改进剖面匹配算法获取准确的观测值,最后利用EKF对观测值进行更新获取道路最优估计值。选取美国缅因州Howland地区L波段UAVSAR数据和海南陵水地区X波段机载SAR数据进行实验,结果表明,该方法在较少人工干预的情况下,能够对复杂场景道路进行有效稳健的提取。     

基于CFAR的高分PolSAR影像桥梁自动识别方法

桥梁的自动解译具有重要的应用价值,而在影像分辨率为分米级、桥梁场景复杂、桥梁目标较小的复杂情况下,准确地进行桥梁目标的自动识别比较困难。在分析高分辨率SAR（synthetic aperture radar）影像的统计特征和桥梁特征的基础上,提出了一种新的桥梁自动识别方法。首先采用基于Weibull分布的CFAR（constant false alarm rate）算法检测出潜在桥梁目标,然后基于Wishart-H-Alpha分类和形态学处理提取出桥梁场景区域,随后引入霍夫变换并利用桥梁的场景特征、几何特征和散射特征识别出桥梁目标。采用国产机载XSAR数据和美国AIRSAR数据进行验证,结果表明,该识别方法在复杂情况下能够取得令人满意的识别结果,具有较好的适应性。