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.     

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.     

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。     

基于压缩感知的遥感图像重构方法研究

针对遥感成像高分辨率、高光谱和多时相趋势所带来的高数据率的问题,应用ShannonNyquist采样技术难以胜任未来遥感应用中对海量信息的处理需求。为解决遥感图像采样数据量大、采样时间长以及数据传输存储量大等资源浪费的问题,提出了一种基于压缩感知的遥感图像重构方法。基于遥感图像的先验知识得到改进联合稀疏表示模型,并采用一种广义迭代收缩方法对该模型进行有效求解,实现了低采样率、低复杂度的遥感图像重构算法,获得了较高质量的图像重构效果。实验结果表明,所提出的重构算法具有一定的正确性和有效性,并且在PSNR方面比目前的主流算法要好。     

小波系数插值支持下的遥感影像混合像元分解

针对遥感混合像元分解中不能有效利用空间邻域信息的问题,提出一种基于超分辨率重建的分解方法. 通过小波系数双线性插值获得遥感影像的超分辨率影像,对超分辨率影像进行监督分类生成超分辨率分类图,最后通过窗口统计得到原始分辨率下各地物的丰度图. 广州城区的模拟TM遥感影像试验表明,该方法的分解精度
在3种方法中最优,能够较充分利用空间邻域信息,提高混合像元分解精度,为混合像元分解提供了新的途径.     

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法.该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作.考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像...     

基于低概率检测的高光谱异常目标检测算法研究

在深入分析高光谱数据特点的基础上,系统研究了基于低概率检测的高光谱图像异常检测方法。首先针对高光谱图像数据维数高的特点研究高光谱图像降维方法,重点研究自适应子空间分解(ASD)算法对高光谱图像进行降维;然后研究高光谱图像异常目标检测算法,异常检测算法能够在没有先验光谱信息的情况下检测到与周围环境存在光谱差异的目标,具有较强的实用性,成为一个重要的研究热点,重点研究低概率检测(LPD)算法,并用此算法对高光谱图像进行异常检测。此外,还研究了其它算法如RX算法,并与LPD算法进行比较,在此基础上对LPD算法进行改进,寻求以较高的鲁棒性进行高光谱异常目标检测,最终用基于特征融合的低概率检测算法对LPD算法进行改进。     

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.     

一种基于零水印的医学图像真伪性认证算法

提出一种基于零水印的医学图像真伪性认证算法.该算法对原始医学图像进行分块整数小波变换,在每个分块的低频和高频分别提取4个系数,取其最低有效位与文本水印的对应位相异或,得到2个密钥作为零水印,认证时使用这2个密钥恢复水印信息.算法复杂性低安全性高,不改变原始医学图像.结果表明,该算法能够实现对医学图像的真伪性认证,具有较好的篡改定位能力.     

多窗口融合判别子空间的高光谱图像异常检测

由于高光谱图像异常检测受到不规则背景和噪声的干扰,直接应用传统的RX异常检测算法会造成很高的虚警和很大的运算量.针对这一问题,提出了一种基于判别子空间的结合多窗口融合的RX算法.首先在无先验信息的前提下采用聚类的方式得到样本类别,并对占优聚类样本进行判别特征提取;然后利用正交子空间投影使背景和目标信息达到最大程度的分离以实现对背景的抑制,从而在抑制背景的基础上利用局部多窗口融合的RX算法进行异常检测;最后将AUC值作为评价检测方法性能的指标. NUANCE和HYDICE高光谱数据异常目标检测实验的AUC值统计结果表明:多窗口融合算法在检测性能方面优于经典的全局和局部RX算法,它对背景和噪声有更强的抑制作用,且检测到的异常目标精确,可见该算法是有效而可行的.     

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法。该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作。考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像这3个方向的边缘变化情况,从而利用图像不同方向的高频分量来刻画图像像素点不同方向的突变程度。根据这个突变程度来实现循环平移操作的自适应融合过程,这样可以避免过度抑制边缘细节信息。最后对重建的高分辨率图像小波分解后的高频分量使用非线性增强函数,提高图像对比度,突出边缘和轮廓信息。实验结果表明,该算法在增强图像空间分辨率和对比度的同时,保留了原图像包含的边缘和轮廓信息,不仅有较好的视觉效果,还有一定的抗噪能力。     

三维光声图像重建的交替方向加权算法

为了在探测器数目有限的欠采样条件下提高三维光声重建图像的精度和空间分辨率,提出了一种基于结构先验信息加权的稀疏重建算法.利用待成像组织的结构先验信息对传统交替方向算法的迭代过程加以约束并对算法流程进行改进,将重建结果与最小平方QR分解法以及传统交替方向法进行对比.仿真实验结果表明,所提算法在欠采样条件下能够有效地抑制伪影,重建出空间分辨率和精度更高的三维光声图像.     

一种基于边缘和小波变换的图像插值的实现

针对常规插值方法在图像放大时出现的边缘模糊现象,提出了一种基于边缘和小波变换的图像插值算法,小波变换提高了插值图像的边缘高频细节信息.算法首先使用小波变换提取图像边缘,通过边缘检测将图像分为边缘和非边缘这两个区域;对不同的区域分别进行图像插值.实验结果表明,用该方法对图像放大,能提高插值图像边缘的清晰度.     

基于多组耦合字典及交替学习的图像超分辨率重建

本文提出多组耦合字典及其交替学习算法,实现图像超分辨率重建. 在字典学习阶段将训练图像视为高分辨率图像,将它先缩小再放大得到低分辨率图像. 两图像之差为残差图像. 从残差图像块和低分辨率图像块特征的联合数据中学习耦合字典,得到残差图像和低分辨率图像间的映射关系. 针对图像块具有不同纹理和结构以及
字典学习效率的问题,提出多组耦合字典和字典交替学习算法. 在重建阶段先将输入图像插值放大,视为低分辨率图像. 求出低分辨率图像块对于每组耦合字典中低分辨率部分的稀疏表示误差,取表示误差最小的耦合字典中残差部分重建残差图像,与低分辨率图像融合得到高分辨率图像. 实验结果表明该方法具有良好的重建效果.     

农田遥感识别方法与应用

农田识别是进行作物的长势监测、产量预报和时空特性研究的基础,能够为国家农业政策的制定提供数据支撑。基于像元的传统农田遥感识别方法只利用了影像像元的属性信息,造成农田识别精度不高。面向对象的识别方法根据多尺度分割后得到对象的光谱、形状和纹理属性分类,提高了农田识别的精度。随着航天技术快速发展,与中低分辨率影像相比,高分辨率遥感影像能够提供更丰富的光谱、形状和纹理特征的目标地物,但同时信息量和数据量呈几何级数增加的高分辨率遥感影像给现有的农田遥感识别方法带来极大挑战。回顾了中低分辨率和高分辨率的农田遥感识别方法的研究进展,重点阐述了多尺度分割与三种监督型机器学习算法组合的面向对象的识别方法。结果表明,以机器学习算法为基础的面向对象分类的总体精度都高于96%,卡帕系数均超过0.93。     

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。     

基于小波变换的图像融合算法研究

针对可见光和红外热像仪各自的成像特性,提出了一种新的基于小波变换的图像融合算法,将配准完成的电视图像和红外图像分别进行小波分解,得到低频图像和高频图像。采用不同的规则分别对低频图像和高频图像进行融合,并进行小波逆变换,得到最终的融合图像。最后采用实验验证了算法的有效性,结果表明,该算法明显优于传统小波变换算法。     

新边缘导向插值对CT成像质量的影响研究

将新边缘导向插值方法应用于CT图像重建的投影域,对投影数据进行恢复,并采用滤波反投影算法重建图像,以解决CT稀疏采样中投影数据的不完备而导致重建图像质量较差的问题.实验结果表明,与经典的双线性插值算法相比,基于新边缘导向插值方法得到的投影数据重建出的图像质量更高.