基于数据约减和中心化的像元纯净指数端元提取方法

像元纯净指数(pixel purity index, PPI)算法是最为常用的端元提取算法之一,但算法中投影向量的随机性导致多次运行的端元提取结果不一致。为此,提出一种基于数据约减和中心化的像元纯净指数端元提取方法(pixel purity index endmember extraction algorithm based on data reduction and centralization, DRC-PPI)。首先利用自动目标生成算法生成候选端元,并进行无约束最小二乘解混,将解混丰度为负的像元从原始数据中移除得到约减数据。其次,对约减数据进行数据中心化进而获得投影向量,将约减数据投影到这些向量上,然后根据样本点的像元纯净指数选择端元光谱。仿真数据和真实高光谱数据实验结果表明,DRC-PPI算法克服了PPI端元提取结果不一致性,大大减少了投影计算量,其端元提取精度总体上高于PPI算法。     

一种波段降维的VCA高光谱端元提取算法研究

高光谱图像解混过程一般包括三个方面,即波段降维、端元提取和光谱反演。这其中,高光谱图像端元提取算法研究是一个核心问题。VCA(Vertex Component Analysis,顶点成分分析)算法是一个经典的基于凸面几何学的端元提取方法。通过研究,对原始的VCA算法进行改进,首先计算出波段间的相关系数,然后将相关系数相同的波段保留一个其他去除,最后通过剩余的波段再利用VCA算法进行端元提取。仿真结果表明,该方法可以有效提取出图像中含有的端元成分,提高了计算效率。     

基于加权仿射变换算法的高光谱数据降维

提出一种基于噪声白化和端元提取的加权仿射变换算法用于高光谱图像数据降维,相比较于基于端元提取的仿射变换算法,通过该算法降维后数据的信噪比更高,同时对原始信息的保存量更大,波段之间的相关性更低,从而表明了该算法的有效性.     

改进的SGA端元选择的快速方法

SGA算法因其自动性和高效性受到广泛欢迎,针对该算法包含大量的体积计算导致该算法的运算速度较慢的问题,采用在高维空间中构造超平面的方法,提出了一种SGA的改进方法.该改进算法把复杂的体积比较转化成简单的点到超平面的距离比较,从而将算法的复杂度由空间维度的3次关系降至线性关系.实验表明,快速SGA与原始SGA在端元选择的结果上保持一致,而在端元选择的速度上前者较后者有大幅度提高,尤其是要选择的端元数目越大时,效果越明显.     

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...     

基于零空间最大距离的高光谱图像端元提取算法

端元提取是高光谱图像分析中的一项重要而具有挑战性的任务,它是解决高光谱图像混合像元分解最关键的步骤.文中给出了基于零空间的距离计算方法,在此基础上提出了零空间最大距离算法快速地提取端元.利用零空间与端元所张子空间之间正交补的关系,在数学上严格证明了当数据完全符合单形体条件时,算法能够准确地提取所有的端元,为基于最大距离的端元提取提供了重要的理论依据.算法通过了真实高光谱图像的检验,实验结果表明,零空间最大距离算法具有较好的端元提取效果.     

基于空间光谱信息协同的城市不透水层提取方法比较研究

【目的】利用不同的端元提取方法及混合像元分解算法计算南京市2018年城市不透水层覆盖度,评估各方法的精度,为城市可持续发展提供可靠的基础数据支撑。【方法】采用Landsat 8 OLI遥感影像,基于像元纯度指数(pixel purity index,PPI)并考虑空间光谱信息协同提出空间像元纯度指数(spatial pixel purity index,SPPI),精炼提纯植被、裸土、高反照度不透水层及低反照度不透水层4种类型端元,利用线性混合光谱模型(linear mixed spectral model,LMM)、混合调制匹配滤波(mixture tuned matched filtering,MTMF)、双线性混合光谱模型(bilinear mixed spectral model,BMM)及BP神经网络(BP neural network,BPNN)算法提取南京城市不透水层,采用同年的Google Earth遥感影像目视解译结果对提取的不透水层丰度进行精度验证。【结果】SPPI能有效结合多光谱波段的光谱信息和全色波段的空间信息,提高端元提取精度并减少计算量;同时,基于SPPI的BP神经网络算法提取精度最高,为90.45%;而基于PPI的线性混合光谱模型精度最低,为80.62%。BP神经网络算法在复杂城市中的解混精度高于线性混合光谱模型、混合调制匹配滤波和双线性混合光谱模型。【结论】采用全色波段像元亮度空间异质性辅助提取端元的方法,用空间信息弥补多光谱波段光谱信息较少的缺点,对于改进或发展适用于中/高分辨率多光谱影像的端元提取方法具有一定的参考价值,将其与神经网络模型结合可以在城市不透水层提取中推广应用。     

解变分不等式的一种投影算法

文【1]在有限维欧式空间Rn中提出了一种解经典变分不等式的投影算法。本文通过引入F（x）来构造超平面，对该算法进行了推广。并证明了该算法生成的无穷序列{x}收敛到变分不等式的一个解。     

向量均衡问题的一个投影迭代解法

将用于求解欧氏空间上数量均衡问题的一种投影迭代法进行了推广,并将这种推广的投影迭代法用于求解欧氏空间上的向量均衡问题.利用非线性标量化函数,将向量优化问题化为相应的数量优化问题,研究了投影迭代法对向量均衡问题的收敛性.结果表明推广的投影迭代法对满足一定条件的向量均衡问题是收敛的.     

滤光片阵列多光谱图像拼接与灰度调整算法

针对滤光片阵列多光谱图像拼接后单波段图像中地物灰度不一致问题,提出各波段重叠区域灰度均值比的均值统调算法。首先,根据各条带有效区域构建多光谱图像模板,利用平台姿态信息对多光谱图像及图像模板进行投影变换,再利用SURF(Speeded Up Robust Features)算法提取图像匹配点并计算相邻图像间单应性转换矩阵,选择中间序列图像为参考图像,对投影后的图像及其模板进行配准;其次,计算投影后各单波段图像重叠区域灰度平均值比的均值作为图像灰度调整系数,并以参考图像为基准,依次调整配准后图像灰度;最后,利用灰度调整后多光谱图像和配准后图像模板得到各单波段序列图像,通过图像拼接得到灰度一致的大区域单波段图像。理论分析与实验结果表明：该方法不仅可以有效解决滤光片阵列多光谱图像地物灰度不一致的问题,而且能够最大限度保持地物在不同波段下的光谱信息特征。     

迭代算法求解支持向量机中的分离超平面

支持向量机的关键在于获取分离超平面,一般是基于规划的学习算法,把求解问题转化成凸二次规划问题.采用感知机的迭代算法思路求解支持向量机的分离超平面,算法包括两个迭代过程,首先利用感知机的迭代算法获取一个分离超平面作为初始分离超平面;然后将初始分离超平面不断地旋转和平移,直至正类集和负类集的支持向量到分离超平面的距离相等,此时的分离超平面就是支持向量机的分离超平面.最后分别采用解凸二次规划方法和迭代算法对鸢花分类数据进行学习,获得的支持向量和分离超平面完全一致,说明该迭代算法简单有效.     

计数器画线算法及其三维推广

计数器画线算法,可用于二维直线的生成.然后利用直线在两个坐标平面内的投影,将二维计数器画线算法推广到三维,通过实例分析计算误差和算法效率.结果表明,三维计数器画线算法具有高效和高精度的特点,在实际工作中用于空间直线生成、空间直线插补和运动控制等方面.图6,表3,参10.     

基于CCA的图像特征匹配算法

基于典型相关分析的思想,提出一种可以解决具有相同数目特征点的图像特征匹配算法.算法利用典型相关分析将提取的2幅图像的特征点投影到新的特征空间上,将获得的投影向量作为匹配特征构造匹配矩阵,最后根据匹配矩阵元素的大小判断特征点的匹配关系.仿真实验结果验证了该算法的有效性和稳健性.     

解变分不等式的两种新的投影算法

运用Armijo型线性搜寻程序构造了一类新的超平面.借助这些超平面,运用不同的投影方式,建立了一类新的二次投影算法和自适性投影算法.在较弱的条件下,这些算法是全局收敛的.数值试验证明这些新算法是有效的.     

欧氏空间中点到超平面的距离研究

总结了n维欧氏空间中点(或向量)到超平面(子空间)的距离的几种求法,证明了两个新的点(或向量)到超平面的距离公式,推出了向量到子空间距离的一个公式,利用矩阵广义逆给出了点(或向量)在超平面上的射影公式。     

基于均值漂移聚类的端元束提取

为了能够在不需要事先知道地物类别数目的情况下进行光谱的有效聚类,采用均值漂移算法完成聚类这一步骤。根据同一种地物光谱存在变异性的情况,使用了光谱角距离作为均值漂移聚类算法的相似性准则。用模拟高光谱数据和真实高光谱数据进行实验,结果表明基于改进后的均值漂移聚类的端元束提取方法较传统的K均值算法更能有效地形成代表每种地物类别的端元束。     

一种基于ICA-SVM的故障诊断方法

提出了一种基于独立分量分析和支撑向量机(ICA SVM)对系统性能进行监控的整体框架.这一框架包括特征提取和故障识别两部分.独立分量分析被用于从当前工况的数据矩阵中提取出代表当前工况特征的投影系数矩阵,而这些投影系数矩阵则被用于训练多个支撑向量机,以实现故障类型的识别.TennesseeEastman过程的仿真结果证明了该算法的有效性.     

基于改进稀疏编码模型的图像分类算法

针对图像表示,提出了一种基于改进稀疏编码模型的图像分类算法.首先,提取表示图像视觉局部特征的SIFT (Scale Invariant Feature Transform) 描述子;然后,利用稀疏编码方法生成基于SIFT描述子的视觉词汇库,将SIFT描述子编成稀疏向量;通过有效稀疏向量的区域融合和空间结合而获取整体的稀疏向量并用于图像表示;最后,采用随机森林多分类器对稀疏向量进行训练和测试.结果表明,与现有的算法相比,该算法的性能更佳,可以有效表示图像的特性并提高其分类的准确率.     

基于核方法协同表示的高光谱图像分类

为进一步利用高光谱图像在同一区域内像素点的相似特性完成地物分类,提出了一种基于核方法协同表示与绝对距离融合的分类算法。通过核函数将原始数据投影到高维核空间,在特征空间中用全部训练样本表示待测样本,再计算吉洪诺夫正则化下待测像元的重构残差和每个类别表示系数绝对值向量,使用不同权重予以融合作为分类依据。在实验中使用Indian Pines和Pavia University两种高光谱图像数据对该方法进行实验验证,实验结果表明:与原协同表示(CRC)及支持向量机(SVM)相比,改进后分类算法总体分类精度和平均分类精度都有更好的表现,均达到94%以上,具有较好的鲁棒性。     

基于简单比值型水体指数(SRWI)的水体信息提取研究

以闽江口Landsat TM影像为研究对象,通过研究水体及其背景地物光谱特征,根据水体在绿光波段(TM2)的亮度值高于中红外波段(TM5),而水体背景地物在绿光波段(TM2)亮度值低于中红外波段(TM5)的特点,提出了简单比值型水体指数(SRWI).该指数中的水体与其背景地物具有较好的可分性,将本依据应用用于不同类型的水体提取上,均取得了良好的效果.实验表明SRWI方法适用于多源遥感数据的水体提取,且操作简单方便,对水体信息快速提取有较强的应用意义.