高光谱遥感图像最大似然分类问题及解决方法

利用最大似然分类器对高光谱遥感图像分类时,由于波段数目多、波段间的相关度大,使协方差矩阵的行列式近似于奇异,因而导致了不合理的分类结果。本文调整了波段协方差矩阵对分类的影响。改进了最大似然分类判决函数,利用改进后的判决函数进行分类,试验证明这种方法是有效的。另外,根据图像特征和经验对图像进行波段选择,也是改善高光谱遥感分类效果的有效途径。     

对数正态分布参数的最大似然估计

对数正态分布是工程、医学、生物学中常见的分布之一。讨论分组数据情况下,对数正态分布参数的最大似然估计,给出分布函数似然方程组解的唯一性的一种证明方法。     

基于模糊先验的惩罚最大似然重建算法

传统的二次先验算法不能有效的保持图像的边缘信息.为了解决这些问题,在最大似然算法中引入Hubber先验,同时结合模糊数学知识,形成了基于模糊先验的惩罚最大似然估计重建算法(PML-FuzzyHubber).仿真结果表明,相对于基于传统的Hubber先验等传统算法,PML-FuzzyHubber算法参数选择简单方便,能有效的抑制噪声和保持图像的边缘信息,重建出高质量的图像.     

关于最大似然谱估计

该文给出了有关最大似然谱估计的相容性若干定理。其证明是基于过程的一个现实，它不同于Ｐｅｓａｒｅｎｋｏ基于独立性样本段的证明。     

Sign-LMS盲最大似然估计算法的研究

简要阐述了Sign-LMS盲最大似然估计算法的基本原理。通过计算机仿真试验,在典型电话信道,对称信道以及普通信道中,对该算法与传统的LMS盲最大似然估计算法性能作了比较,并证明了该算法在收敛速度、均方误差等方面均优于传统算法。从理论上证明了该算法的复杂度,但是该算法的简单是以牺牲稳态性能为代价的,并提出了今后Sign-LMS盲最大似然估计算法的研究方向———如何减少稳态剩余误差。     

基于信号强度的最大似然振幅估计迭代算法

为避免频率和相位估计所带来的误差,研究只根据接收到的信号幅值即信号强度就可以进行振幅估计的算法。针对已知噪声方差的情况,采用最大似然原理推导出含振幅估计的等式,提出了两种迭代算法,并对其平均迭代次数及计算复杂度进行了比较。仿真试验结果显示,两种迭代算法性能几乎相同且均优于传统振幅估计算法,其中牛顿迭代法计算复杂度略高,但其平均迭代次数小于阶梯迭代法,尤其是在低信噪比下。由此可见,基于信号强度的最大似然振幅估计牛顿迭代法优于其他振幅估计算法。     

基于最大似然估计的多目标定位

宽带高分辨雷达多目标定位问题一般是先进行精确时延估计，再进行源定位。本文提出了一种在频域运用最大似然估计进行目标位置反演的方法，归结为全局搜索--目标函数的极值。通过对仿真数据的处理，结果显示该方法可以准确的估计出多目标位置。     

基于数据外推的限带信号最大似然谱估计

针对高距离分辨率雷达应用背景,提出了一种在数据外推的基础上运用最大似然准则对限带信号的频谱进行估计的新方法(DE-ML).该方法首先根据常规DFT分析获得限带信号的频谱范围,然后对频域高采样率离散频谱进行最大似然估计.理论分析和实验结果表明,该方法与常规的DFT方法相比,具有更好的分辨性能;与一般的超分辨伪谱估计方法相比,具有更好的幅度估计性能以及抗噪声能力;与现有的数据外推谱估计方法相比,所需的运算量更少.     

基于EM算法的极大似然参数估计探讨

首先介绍了EM算法，然后研究了基于EM算法的混合密度极大似然参数估计，最后利用计算机仿真验证了此算法的收敛性和有效性。     

基于最大似然估计的自适应阈值视频被动取证

基于分块级的模式噪声,提出一种基于最大似然估计的自适应阈值视频被动取证方法.它采用小波去噪和维纳滤波提取传感器的模式噪声,并通过固定大小的滑动窗口,计算分块级的能量梯度、信噪比和相邻帧相同位置块模式噪声的相关性构造特征值向量.在此基础上,采用最大似然估计得到判别篡改区域的自适应阈值.仿真实验结果表明,提出的方法对于复制-粘贴的视频内容篡改取得了较好的取证效果,并且能够对较小区域的篡改进行定位.     

基于卫星遥感图像的农作物分类算法

为提高遥感图像对农作物的预估精度和农业种植效率, 设计了基于卫星遥感图像的农作物分类算法。 以2018 年 7 月 30 日哨兵二号(Sentinel-2)卫星拍摄的高分辨率哈尔滨市农业示范基地卫星影像为实验数据, 在不同光谱波段内(含红边波段), 通过使用最大似然法、 支持向量机法、 神经网络法分别对影像中水稻、 大豆、玉米、 高粱等农作物特征进行提取、 分类, 获得到农作物分类图;将统计结果与真实的参数进行比较, 分析了相同算法下使用不同数据源, 不同算法使用相同数据源, 这两种情况下的分类精度与可靠性。 实验结果表明,通过神经网络法得到的分类结果精度最高, 可靠性最强, 适合于全国范围内推广。     

关于对数正态分布参数极大似然估计的讨论

利用图解法研究了由EM算法得出的有数据删失情况下对数正态分布参数的极大似然估计,得到了在Matlab中利用迭代算法计算参数估计值的方法.     

基于模糊C均值聚类改进的最大似然分类法

基于参数密度分布模型的最大似然分类法(MLC)是遥感影像经典分类方法之一,它具有清晰的参数解释能力、易于与先验知识融合和算法简单而易于实施等优点,但是由于遥感数据具有高度的模糊性和随机性,使得贝叶斯(Bayes)判别函数中的均值向量和协方差矩阵很难准确确定。因此首先利用模糊C均值聚类得到模糊划分矩阵,然后基于模糊划分矩阵计算出每一个聚类类别模糊均值和模糊协方差矩阵,并利用模糊均值和模糊协方差矩阵来代替贝叶斯判别函数中的均值向量和协方差矩阵从而建立一个新的判别函数,最后与传统的最大似然分类结果进行比较,结果表明改进后的最大似然分类法在总体精度、Kappa系数均优于传统的最大似然分类方法。     

矩阵正态分布参数的完全极大似然估计

得到了矩阵正态分布的均值和方差的完全极大似然估计,它们都是无偏估计,并且证明了它们是相互独立的。     

植被高光谱遥感分类方法研究

结合具体的OMISI高光谱遥感数据,对各种常用植被高光谱遥感分类方法进行分类训练,通过比较分类性能,得到各种方法在植被高光谱分类中的若干应用规律和分类过程中选择最优分类方法的一些技巧。在此基础上,提出将传统分类方法与基于光谱特征匹配的分类方法相结合对高光谱图像进行分类的方法。     

遥感图像分类的多核SVDD算法

将K型核函数和指数径向基核函数分别与径向基核函数组合成多核函数,并利用其构造出性能更加优越的支持向量域描述(SVDD)算法.将提取的遥感图像各波段光谱特征组成特征向量,分别用基于径向基核函数和多核函数的SVDD算法进行遥感图像分类.仿真实验结果表明:改进核函数的SVDD分类算法提高了分类精度,缩短了训练时间.     

不完全数据情形下指数分布参数的极大似然估计

处理生存分析观测数据使用的参数估计方法有很多,极大似然估计法是最常见的一种估计方法。当寿命分布为指数分布时,给出了定时截尾数据、定数截尾数据情形的极大似然估计,以及随机右删失下参数极大似然估计的一般表达式。此外,还提出了分组数据场合参数极大似然估计的图解求法。     

遥感影像监督分类与非监督分类的比较

遥感影像的分类方法按照是否有先验类别可以分为监督分类和非监督分类,这两种分类法有着本质的区别但也存在一定的联系．从分类原理、分类过程、分类方法等不同角度分析了这两种方法的区别与联系,并展望了遥感影像分类的发展趋势与发展前景．     

基于独立分量分析的遥感影像分类方法

多光谱遥感影像反映了不同地物的光谱特征,其分类是遥感应用的基础。独立分量分析对未知的源信号的混合信号进行估计,可以获得相互独立的源信号的近似。独立分量分析利用了信号的高阶统计信息,对于多光谱遥感影像而言,其去除了波段影像之间的相关性,获得的波段影像是相互独立的。最后通过TM遥感影像数据的分类试验,验证了基于独立分量分析的线性光谱混合分析模型应用于多光谱遥感影像非监督分类的有效性。