结合空-谱信息的高光谱图像分类方法

针对传统高光谱遥感图像分类中单纯利用光谱信息而忽略空间信息这一情况,研究空间信息在分类中的两种有效利用方法:其一是先基于方向线理论提取空间特征,然后将其与光谱特征相结合进行高光谱图像分类;其二是采用空间邻域信息继续对分类结果进行智能性修正。实验结果表明,空间信息的利用有助于进一步提高高光谱图像的分类精度。     

基于Fuzzy - ARTMAP网络的高光谱遥感图像分类方法

神经网络是一种重要的高光谱图像分类方法.本文提出了四边形隶属函数和Fuzzy-ARTMAP神经网络相结合的高光谱图像分类方法.该方法不局限与隶属度函数的选择,使网络更具有广泛的适用性.将其应用于高光谱图像的分类中,其分类精度高于ARTMAP神经网络,且性能稳定.     

基于非负矩阵分解和均方根误差的遥感图像分类方法

在利用非负矩阵分解(NMF)对高光谱图像进行降维时,并没有考虑图像中的噪声信息。因此,在利用NMF对图像进行分类时,往往不能获得很好的分类精度。基于此,提出了一种新的分类方法,该方法先利用均方根误差(RMSE)对图像进行去噪,然后再利用NMF对图像进行分类。     

一种优化的高光谱图像特征提取方法

众所周知,特征提取方法在降低计算复杂度和增加高光谱图像分类精确度方面十分有效,针对此,提出了一种优化的图像融合和迭代率波的特征提取方法。首先,将高光谱图像分割成多个相邻波段的子集;然后,通过均值法把每个子集中的各个波段融合在一起;最后,对融合后的波段进行递归滤波处理,获得分类的特征信息。结果表明,该方法展示出较高的分类精确度。     

面向密文图像信息隐藏的随机插值方法

传统图像插值方法应用于密文域图像信息隐藏时会降低信息隐藏系统的安全性.为此利用随机分配插值权重的策略设计了一种密文图像随机插值方法.该方法首先生成大小为密文图像两倍的初始插值图像，对于插值图像的奇数行和奇数列像素，直接用密文图像的相应像素填充；对于其他位置的像素，先用伪随机函数生成随机值，再结合像素的具体位置来计算插值结果.实验结果表明，所提方法生成的密文图像的插值图像，其直方图近似均匀分布.对比结果显示该随机插值方法在安全性方面优于3种文献插值方法.     

基于块分类的密文域多重嵌入可逆信息隐藏算法

针对现有密文域可逆信息隐藏方法中图像块利用不充分,使得嵌入秘密信息量不高的问题,提出了一种基于块分类的多重嵌入可逆信息隐藏算法。首先将原始图像用流密码加密,加密图像被分成若干个不重叠的块。然后,用最高有效位（most significant bit, MSB）自适应预测算法对块内的第1个像素和其他像素进行预测,将每一个块标记为可用块或非可用块。进一步对可用块进行重构嵌入,同时用中值边缘检测器（median-edge detector, MED）预测算法对非可用块进行二次嵌入,最终实现秘密信息的嵌入。当接收方接收到含密图像时,通过嵌入密钥实现秘密信息的正确提取,同时利用加密密钥恢复原始图像。实验证明,该文提出的方法在相同图像恢复质量的情况下能够显著提升秘密信息的嵌入量,在嵌入容量和图像恢复质量上均优于已有的方法。     

具有距离保持特性的高光谱彩色可视化模型

提出一种将高维的高光谱图像非线性优化到三维彩色空间的可视化方法. 以距离保持特性作为主要设计标准,同时保证生成的图像具有尽可能大的类间可分性,使生成图像的各像元间的距离差与高光谱数据各光谱间距离差高度相关. 该方法由以下四部分组成：1)将高光谱图像中各端元光谱降维到二维空间作为色品坐标;2)由第3维亮度值的优化使相关性达到最优,进而确定各端元的颜色标签;3)根据像素所含各类别的丰度值进行颜色的线性混合;4)利用局部优化方法对彩色图像进行优化校正,最终实现整幅图像的彩色可视化. 实验表明,该方法合理可行,生成的图像具有较好的视觉效果,并能获得较好的距离保持特性及可分性,适用于高光谱数据的可视化显示.     

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.     

面向地理国情监测的CRF遥感影像分类

针对地理国情监测中地表覆盖信息的提取,提出了一种基于条件随机场的高分辨率遥感影像自动分类方法.与面向对象的传统分类方法不同,该方法基于概率图模型分别计算像素级和对象级的势函数,以及像素与它所属对象之间的层间势函数,将所得势函数统一到一个CRF模型中进行图割求解.该方法较充分地表达了像素与对象之间的关系,从而降低了对象分割误差传递对影像分类结果的影响.以“高分1号”遥感影像为实验数据,借鉴地理国情普查中地表覆盖分类体系进行实验验证.分类总体精度和平均精度分别达到91.08%和86.95%,远高于基于面向对象的分类结果.     

曲波变换域侧扫声纳图像海底底质分类

通过快速曲波变换将海底声纳图像分解为低频子带和各方向子带. 用低频子带的标准差描述声图的整体不均匀度,各方向子带的纹理能量测度描述声图纹理的方向性和粗糙性. 将构成的特征向量按SVM分类算法用于对侧扫声纳海底图像进行底质分类. 对沙、泥、石3 种类型海底的侧扫声纳图像进行分类实验,并与空域、小波域的分类方法相比较,表明文中方法能较好地用于海底底质分类.