基于模糊聚类SVM的混合像元分类方法

针对遥感影像分类过程中混合像元难判别的问题, 提出一种基于Gustafson-Kessel模糊聚类算法的支持向量机（SVM）分类模型. 以Gustafson-Kessel算法优选训练样本方式提高支持向量机的分类性能. 为验证其有效性, 将该模型应用于森林覆盖类别分类, 并与标准支持向量机模型分类结果对比. 实验结果表明, 该方法能提高支持向量机对混合像元划分的精度.     

基于Landsat 8数据反演地表发射率的几种不同算法对比分析

为了分析研究不同地表发射率反演算法的精度和适用性,文中选取西安市的遥感影像Landsat 8为基础数据,运用ENVI,ArcGIS等软件,首先对Landsat 8数据进行预处理,提取西安市的NDVI影像;然后,建立决策树模型得到西安市地表分类影像,并基于像元二分模型反演得到植被覆盖度,基于NDVI得到4种不同算法的地表发射率;最后,以精度0. 01的MODIS LSE产品为标准数据,从像元尺度上对比分析了4种算法的精度,并依据回归决策树方法的分类结果,对比分析了不同算法在各类地表覆盖类型上的发射率反演差异。结果表明:在像元尺度上,植被指数混合模型法与NDVI~(TEM)改进算法精度较高且较为接近;从不同下垫面的反演差异来看,在植被区域4种算法之间的差异较小,而对于水体区域,4种算法之间的差异较大;从反演方法的适用性而言,植被指数混合模型法与NDVI~(TEM)改进算法较为适合本研究区。     

图像分形维数计算及其边缘提取

为提高遥感影像中地物边缘信息的提取精度,以离散分形布朗随机场(DFBR:Discrete Fractal Brown Random field)模型为依据,尝试设计并利用Matlab编程实现一种基于遥感影像单个像元的分形维数计算算法.该算法将影像的灰度空间映射成分形维数空间,然后在该空间进行变换和边缘检测.地物空间分布...     

基于模糊理论的混合像元分类方法

为了解决遥感影像中混合像元的分类问题,主要介绍遥感影像混合像元的模糊分类思想和模糊分类模型,研究模糊模型的分类优缺点以及其适用条件.并与最大似然分类进行分析和比较,结果表明:应用模糊分类模型对混合像元的分类更合理,精度更高,效果更好.验证了模糊理论对混合像元的分类的优势.     

流形正则化多核模型的模糊红外目标提取

针对模糊边缘的红外目标提取问题,提出一种基于流形正则化多核半监督分类的提取方法。首先应用最大类间方差法计算初始分割阈值,获得确定化的目标和背景区域以及待确定化的模糊边缘区域;然后建立各区域内像素点邻域空间集,并通过多核函数特征映射获得邻域空间中灰度均值和方差信息特征值,通过流形正则获得邻域空间中位置信息特征值;在特征值基础上,建立半监督分类模型对模糊边缘区域像素点邻域空间集进行类别划分;最后计算最佳分割阈值。对比实验结果表明,该方法提取模糊边缘红外目标效果好且运算效率高。     

城市绿地提取及动态变化监测方法

选择西安市城区三环以内作为研究区域,使用多时相LANDSAT TM影像,分别采用基于简单规则的决策树分类和支持向量机(SVM)分类法提取城市绿地信息并对其精度进行评价。针对TM影像绿地信息提取中存在的混合像元问题,将模糊C均值法(FCM)引入到绿地提取中。研究结果表明:SVM分类法相比于简单规则的决策树分类法,平均分类精度提高了15%,更有利于城市绿地信息的提取,然而对城区中心的绿化带、行道树等小面积绿地信息提取仍然不全面;引入FCM算法后,可根据像元中各类别的不同隶属度,进行更加精细和准确的分类,城市中面积较小的绿地信息都能被很好地提取出来,分类精度得到进一步提高,该算法很好地解决了绿地信息提取中的混合像元问题。     

高光谱影像感兴趣区域提取的活动轮廓模型研究

提出一种基于活动轮廓模型的高光谱影像感兴趣区域(ROI)提取方法,首先根据地物像元的标准反射率建立标准光谱反射率向量;然后,通过计算其与待处理像元的光谱向量的相关系数,得到像元相关系数偏差矩阵;最后,构造一种基于该偏差矩阵的C-V活动轮廓模型,并利用有限差分法对该模型求解,来提取感兴趣区域的像元.该方法可实现对高光谱区域宏观大类的快速提取,为高光谱影像压缩等进一步的信息处理奠定了基础.仿真实验验证了所提出方法的有效性.     

基于边缘检测的溢水标记分水岭算法

针对已有标记分水岭算法存在的过分割问题,提出一种基于边缘检测的溢水标记分水岭算法。首先,对遥感影像进行相位一致边缘检测,获取边缘信息。然后,基于获取的边缘信息进行区域增长,检测对象区域的微弱边界,并改善对象边界的位置精度。最后,利用提出的溢水模型生成新标记继续增长,直到得到最终分割结果。在卫星影像和航空影像数据集上的实验结果表明,所提出的算法有效地抑制了过分割现象,能够准确的提取对象区域。     

基于Hyperion高光谱遥感影像的植被覆盖度提取研究

基于Hyperion高光谱影像,对提取植被覆盖度的传统像元二分法进行了改进,提出通过地物分类来提高植被覆盖度提取精度的算法.该算法先对研究区进行分类,在较高分类精度的基础上,结合不同地物的NDVI频率累积图和实际情况得到各类地物的植被覆盖度,最后得到研究区域的整体植被覆盖度.结果表明,经支持向量机分类的总体精度为83.2%,Kappa系数为0.710;相同NDVI值,林地的植被覆盖度农田的植被覆盖度草地的植被覆盖度,实验结果与实际基本相符;改进的像元二分算法改善了传统像元二分法中存在的水体、裸地非植被覆盖区得到非0的植被覆盖度和高植被覆盖地区检测灵敏度下降等问题,丰富了传统像元二分法的细节信息,得到更符合实际的植被覆盖度.     

LS-WTSVM的遥感多光谱影像云检测

研究基于最小二乘小波孪生支持向量机(least squares wavelet twin support vector machines,简称LS-WTSVM)的遥感多光谱影像云检测.首先根据云在不同波段中大气的辐射特点,结合Landsat7 ETM+影像数据的光谱特性获得云像元的光谱特征,再通过提取每个图像块的灰度共生矩阵得到相应像元的纹理结构特征,根据像元的光谱特性和纹理结构特征构造特征向量,最后利用最小二乘小波孪生支持向量机多分类算法进行Landsat7 ETM+影像像元的云检测,实现不同类型云区的多分类识别.仿真实验结果表明,该算法能准确地检测出多光谱影像中的厚云和薄云.     

基于SVM分类与回归的图像去噪方法

提出一种基于SVM分类与回归技术的图像去噪方法,即:去噪过程先利用SVM分类器将含噪图像中的像素分为噪声或非噪声点;接着,非噪声点像素值被保留,而噪声点像素值则通过SVM进行回归估计,从而达到去噪的目的.针对椒盐和高斯噪声在MATLAB6.5环境下搭建实验平台,运用OSU_SVM3.0和LS_SVM 工具箱分别建立4邻域、8邻域和24邻域3种分类和回归模型.去噪实验证明,与已有的算法比较,该方法能达到较高的峰值信噪比,具有很好的去噪效果.     

基于类Haar纹理的非结构化道路消失点检测

在非结构化道路识别算法的研究中,因其在复杂道路环境下表现出较强的鲁棒性,基于纹理特征的道路消失点检测成为了学术研究的重点。因此,为了能够准确的检测出非结构化道路中的消失点,提出一种基于类Haar纹理的非结构化道路图像消失点的检测方法,即首先设计多尺度多方向的类Haar纹理的实部与虚部模板,利用积分图技术以及垂直投影法快速计算出图像像素的纹理主方向,再采用改进的局部软投票法选出分数最大的点作为初始消失点,最后通过现有两种不同的消失点检测方法与提出的算法进行对比实验。实验结果表明提出的算法可以显著提高非结构化道路消失点的检测性能。由此得出该方法具有良好的实时性、准确性和鲁棒性。     

基于Meanshift和图割的极化特征图像分类

图割法对极化SAR图像能达到很好的分类效果,但由于极化SAR数据比较庞大,直接用图割法进行分类,计算量太大,所以本文提出一种改进图割模型的分类方法．首先利用自适应的Meanshift算法结合多个极化特征把图像分成若干个同质区域,以这些同质区域的加权平均值作为超像素构建图模型,最后用图割法修正Meanshift过分割来得到最终的分类．实验证明该算法不仅在分类精度上有所提高,而且在速度上更能达到实时性的要求．     

结合Gabor滤波和同质性判定的高光谱图像分类

针对传统高光谱图像分类算法多利用目标类别光谱信息而忽略空间信息的问题,提出了一种综合利用空间信息与光谱信息的分类算法．首先,利用主成分分析（PCA）和无参数加权特征提取（NWFE）分别对高光谱数据进行特征提取;然后,在PCA第一主成分的基础上进行二维Gabor滤波得到像元纹理特征,结合纹理信息与光谱信息利用支持向量机对图像分类;最后利用多尺度区域同质性判定进一步改进图像分类精度．实验表明,该算法能够消除“噪声”像元,有效地提高图像分类精度．     

基于BP神经网络的湿地遥感分类

遥感图像分类的实质是通过计算机对图像像元进行数值处理，达到自动识别地物的目的．在对国内外湿地遥感分类研究的基础上，用BP神经网络方法对湿地遥感分类进行了研究，并与最大极然法进行精度比较分析．结果表明：BP神经网络分类法是一种有效的湿地分类技术，能够提高分类精度．     

基于几何分类的自适应图像插值算法

 图像插值是放大低分辨图像以适应目标屏幕的有效方法。低分辨率图像边缘特征保持越好,则插值图像的效果越好。根据低分辨图像的边缘分布特征对插值单元几何分类,提出了一种自适应图像插值算法。首先根据高分辨率图像中像素点的相对位置构造矩形插值单元和菱形插值单元,所有未知像素点位于矩形插值单元或菱形插值单元;然后从8个方向,特别是斜对角方向计算插值单元的图像边缘,并将边缘作为割线,根据割线对插值单元进行几何分类,可分为16类;最后根据未知像素点所属的插值单元分类计算未知像素值。实验证明,该算法比现有多种插值算法能够更好的保持图像边缘的尖锐特征。     

基于改进自适应阈值局部三值模式的遥感图像分类

遥感图像背景复杂,存在光照变化和噪声干扰,导致图像分类准确率不高。针对该问题,在计算邻域像素离散度的基础上,通过对其施加不同权重以细化阈值范围,提出一种改进的自适应阈值局部三值模式(ATLTP)纹理特征提取算法,以提高遥感图像分类精度。首先,对原始遥感图像进行灰度拉伸预处理以增强图像对比度;然后,采用改进自适应阈值局部三值模式提取遥感图像的纹理特征;最后,利用支持向量机对遥感图像进行分类。在标准遥感图像数据集中稀疏建筑物和密集建筑物分类的实验结果表明:采用改进后的局部三值模式纹理特征对遥感图像进行分类的性能要优于传统的局部三值模式,验证了改进算法的有效性。     

基于道路结构特征的自主车视觉导航

基于计算机视觉技术的道路检测,针对红旗轿车自主驾驶系统的视觉导航,提出并实现了一种基于道路结构特征的自主车视觉导航方法.该方法根据高速公路上道路标志线平行、等宽等特征,将车载摄像机获取的道路图像投影到道路平面上,再运用这些特征来提取标志线像素.在此基础上根据公路道路模型,建立参数空间搜索最优参数,得到道路标志线的参数表达,实现视觉导航,并给出了C市环城高速上的实验结果.     

基于粗糙集理论的SAR图像speckle滤波方法

针对合成孔径雷达(SAR)采用主动式相干波的成像方式,在从原始信号到图像的重建过程中存在斑点噪声的干扰的问题,根据粗糙集理论的条件属性把SAR图像像素分成三类:均匀区域类、非均匀区域类和包含分离点目标类.对不同的像素类采用不同的滤波方式,然后合并三类子图像得到SAR图像的speckle滤波的图像.该方法既可除去图像中的斑点噪声,又可保留图像中的细节特征,有利于对图像的后续处理.     

基于小波变换和RBF神经网络的交通标志识别

提出一种基于小波变换特征提取及采用两级神经网络分类器的交通标志识别方法.使用小波变换对图像进行处理,消除图像像素间的相关性,提取图像的整体特征作为神经网络分类器的输入向量.因交通标志类型较多,采用两级神经网络结构进行识别,图像特征先送入第一级分类器得到图像的粗分类型,再送入相应的二级子分类器进行细分.实验结果表明,这种方法具有良好的效果.