基于有约束CNMF的遥感高光谱多光谱图像融合

针对高光谱图像空间分辨率较低的问题,设计了一种基于光谱解混的高光谱、多光谱图像融合算法（VSC-CNMF）. 结合遥感图像的实际物理特性,在混合像元分解时加入端元单形体最小体积约束和丰度稀疏约束,通过光谱退化、空间退化和迭代解混,实现不同图像间端元和丰度的匹配,获得了具有高空间分辨率的融合图像. 仿真实验表明,VSC-CNMF可得到具有更高空间质量和光谱质量的融合图像.     

一种边缘增强的光谱响应曲线分形维计算方法

提出了一种用于高光谱影像边缘增强的光谱响应曲线差分步长分形维特征值计算方法. 该方法首先对高光谱响应曲线进行差分处理,并利用步长分形维算法计算差分光谱曲线分形维值,最后根据差分分形维值计算高光谱特征影像. 实验结果表明,本文提出的差分步长分形维算法较原始步长法更能保持光谱影像细节并增强边缘,同时减弱噪声影响,可用于高光谱影像特征提取、分析和解译.     

一种基于光谱距离约束的非负矩阵分解算法

在处理混合像元分解问题中,非负矩阵分解算法是一种比较热门的算法,因其算法模型与线性光谱模型有着相似性和解出的结果符合现实要求而被广泛应用。现有的非负矩阵分解方法在针对端元之间差异性的同时,并没有考虑到有部分端元可能会有相似的光谱特征的存在。因此,提出一种基于光谱距离约束的非负矩阵分解算法,该方法在对图像中所有类别进行解混的同时,既考虑到不同物质端元之间的可分性,也考虑到具有相似光谱特征物质之间的端元相似性。实验结果表明了所提方法的有效性。     

一种优化的迭代误差分析端元提取方法

以迭代误差分析方法为依据,提出一种优化的迭代误差分析方法。该方法通过一个局部窗口对由迭代误差分析方法获得的端元光谱进行优化,从而获得更加精确的端元光谱信息。真实的高光谱图像试验结果说明了该方法的有效性。     

高光谱图像分块压缩感知采样及谱间预测重构

压缩感知理论提供了一种新的数据采集思路. 基于该理论提出了一种高光谱数据采集和图像重构方法,以波段分组的方式将高光谱各波段分为参考波段和普通波段,对各波段图像单独采用分块压缩感知测量以获取高光谱数据. 在图像重构过程中,参考波段采用平滑投影Landweber算法重构. 对于普通波段,结合谱间预测和平滑投影Landweber提出了一种新算法: 先采用谱间双向预测得到预测图像,然后对预测图像进行分块压缩感知测量获得测量值,并计算它与该波段原测量值之间的差值,再由测量差值重构预测差值来迭代恢复原波段图像. 该方法在数据重构过程中充分考虑了高光谱图像的谱间相关性和空间相关性,能提高图像重构精度. 实验结果表明,利用所提出的方法重构高光谱图像,其性能优于多向量压缩感知方法和分块压缩感知测量后直接对各波段图像单独重构的方法.     

基于分数群稀疏混合范式和空间正则化的高光谱解混

高光谱稀疏解混合方法旨在寻找光谱库的最佳子集以对场景中的混合像元进行建模。大多数稀疏解混合方法使用美国地质调查局光谱库，易造成与所研究的高光谱数据失配。利用顶点分量分析和概率输出支持向量机，设计了一种结合空间和光谱信息的基于图像的端元光谱库提取方法。由于提取的端元光谱库具有群结构，即多个端元光谱代表一类材料，因此估计的丰度也具有群体结构。提出了基于分数群稀疏混合范式和空间正则化的解混算法，用来解决丰度估计优化问题。分数混合范式诱导丰度群内和群间稀疏性，全变分(Total variation, TV)空间正则化诱导丰度群空间平滑。在模拟数据集和真实数据集上的实验结果表明，与传统稀疏解混合方法相比，该方法可以显著提高解混性能。     

基于高斯低通滤波的超光谱遥感图像分类研究

在超光谱遥感图像的分类中,图像的类别可分性代表了图像的自然属性并决定了分类器能够达到的最优性能。在研究影响分类效果诸因素的基础上,提出了利用高斯低通滤波提高类别可分性的方法,在假设数据为多元正态分布的基础上,用Bhattacharyya距离衡量滤波前后样本集的类别可分性。在此基础上,构造了分类器,并进行了实际的分类测试。实验结果说明高斯低通滤波器能够提高类别可分性,因而能够提高分类精度。     

引力搜索算法优化脉冲耦合网络的图像检索方法

启发于脉冲耦合网络(PCN)在视觉特征表示方面的优势,提出使用引力搜索算法(GSA)优化脉冲耦合网络(PCN)来提取图像的视觉特征,对PCN的参数使用优化机制来提高所获取的特征质量,由此来提高基于内容的图像检索(CBIR)的分类和检索结果.首先对学习的图像用PCN生成特征码;然后计算特征码间的距离,距离变量作为适应度函数的输入;最后利用引力搜索算法优化PCN的几个变量,进行参数更新.在Caltech256和Corel数据库上的实验结果表明提出方法的有效性,相比于改进的相关反馈方法(IRF)、颜色边缘结合离散小波变换方法(CE-DWT)和色矩结合局部二进制模式方法(CM-LBP),提出的方法检索精确度至少提高了5%,查全率提高4%左右.     

基于二维主成分分析的高光谱遥感图像降维

提出一种以高光谱图像分析为目标的基于二维主成分分析的高光谱遥感图像的降维方法。通过多变量线性变换对高光谱数据进行特征提取,应用二维主成分分析的方法对高光谱遥感图像进行降维。对AVIRIS图像应用二维主成分分析的方法,可将能量主要集中在少数几个特征值中,这就为降维提供了可能。计算机仿真结果表明,该算法计算量小,方差小,峰值信噪比(PSNR)、分类准确性均显著提高,MSE有所下降。     

LLE方法在图像检索中的应用

在基于内容的图像检索中,图像特征的维数往往随着图像特征描述的详尽而剧烈的增加,在建立图像库时高维特征的存储空间度以及度量图像之间相似性的运算复杂度都将非常高.采取一个颜色均匀性谓词对图像进行多层分解来提取图像的颜色特征,在此基础上与LLE算法相结合对图像的高维特征进行降维.实验表明,该相关算法具有较好的性能.     

用随机决策树群算法进行高光谱遥感影像分类

摘要： 高光谱影像具有丰富的光谱信息,与全色、多光谱影像相比能更好地进行地面目标的分类识别. 该文对决策树分类算法的优劣进行分析,引入随机决策树群算法,对青海省祁连县Hyperion高光谱影像和IRS-P6影像数据进行实验,使用子空间划分和光谱距离进行降维后,分别采用支持向量机、神经网络、最大似然法进行分类,并与随机决策树群算法分类结果进行比较. 结果表明,该算法表现最优且无需降维预处理,可广泛应用于高光谱遥感领域.     

视觉机制模拟中的局部参数自组织映射方法

为模拟视觉系统对彩色场景进行初步处理的机制,提出一种局部参数自组织映射方法. 以局部颜色均值、局部颜色对比度以及位置作为特征,用自组织映射进行分类,实现图像分割、边缘检测和轮廓分离等功能. 对仿真及自然彩色图像的实验结果表明,该方法能并行实现上述功能,将具有不同类型特征的部分映射到输出空间的不同位置,符合视觉系统的特征映射和并行处理的特性. 该方法为研究和模拟视觉系统的机制提供了参考,也可用于图像处理中的多任务并行处理.     

基于图像Bag-of-Words模型的无载体信息隐藏

介绍一种基于bag-of-words（BOW）模型的无载体信息隐藏方法。该方法使用BOW模型提取图像的视觉关键词（visual words,VW）以表达待隐藏的文本信息,从而实现文本信息在图像中的隐藏。首先使用BOW模型提取图像集中每幅图像的VW,构建文本信息的关键词和VW的映射关系库;然后把每幅图像分为若干子图像,统计每一幅子图像的VW频数直方图,选择频数最高的VW表示该子图像;最后根据构建的文本关键词和子图像VW的映射关系库,搜索出与待隐藏文本信息存在映射关系的子图像序列,将含有这些子图像的图像作为含密图像进行传递。实验结果和分析表明,该隐藏算法在抗隐写分析、鲁棒性和安全性方面均有良好的表现。     

利用通道间相关性的CFA图像盲取证

数码相机大多采用单传感器通过颜色滤波阵列（color filter array, CFA）插值获取彩色图像. 为此, 利用通道间CFA 插值引入的频谱相关性鉴别图像真实性. 分析插值图像与自然图像的频谱差异,基于绿-红分量频谱差的高频区域提取取证特征;对待鉴定图像重新插值,根据重插值前后的取证特征变化检测图像篡改. 实验结果表明,该方法可以定位图像篡改且对JPEG 压缩有较强的鲁棒性.     

基于局部加权低秩先验的高光谱稀疏解混方法

为了充分挖掘丰度系数的内在本质属性，提升高光谱图像稀疏解混精度，提出一种基于局部加权低秩先验的稀疏解混方法.该低秩先验主要基于这一事实：高光谱图像中的局部立方体块具有较高的相空间关性和光谱相关性.加权的低秩先验能够挖掘局部块内在的低维结构特征，有效地抑制噪声，保持数据的细节结构.该先验联合全变差正则项、协同稀疏正则项，能够更好地刻画丰度系数的细节结构、局部平滑性以及行稀疏性.利用模拟数据和真实高光谱数据进行的实验表明，所提方法与现有方法相比能够更好地保持数据的细节信息，提升解混精度.     

联合压缩感知和颜色向量角的彩色图像哈希方法

提出一种联合压缩感知和颜色向量角的彩色图像哈希方法.该方法先对输入图像进行预处理,并计算其颜色向量角矩阵,然后对矩阵进行非重叠分块,再将每一块进行压缩感知测量,用测量向量的均值构成哈希值.实验表明,该方法对常见数字操作稳健并有良好的唯一性,分类性能优于3种现有方法.     

基于自适应核方法的正交子空间投影异常检测算法

在高光谱图像的异常目标检测核方法中,高斯径向基核函数的宽度决定因子(即核参数)选择恰当与否是决定算法性能的重要因素。针对这一问题,提出了一种基于自适应核方法的正交子空间投影高光谱图像异常检测算法,有效的解决了统一的全局检测参数在复杂多变背景环境下检测性能下降的问题。这不仅提高了算法的通用性,也降低了检测的计算量。用AVIRIS高光谱数据进行了仿真实验,取得了较好的检测效果。将该算法与其他算法进行比较,结果表明,所提出算法的检测性能明显地优于传统算法,降低了虚警概率。     

基于小波的遥感影像特征信息融合模式研究

在数字图像小波多分辨率分析的理论基础上,采用小波变换方法对高分辨遥感图像的目标地物边缘进行信息增强,然后与多光谱遥感图像进行特征信息融合.在融合过程中,首先对多光谱图像中的R、G、B 3个波段的图像进行小波分解,得到相应的低频图像,并对特征增强后的高分辨率图像进行小波分解,再将分解后的高频图像分别与低频图像进行融合,然后经RGB合成为彩色图像.该方法既改善了图像的清晰度和分辨率,同时也保留了原图像的光谱信息.最后通过融合实验验证了上述结论.