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。     

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.     

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。     

一种利用单形体体积自动提取高光谱图像端元的算法

高光谱数据端元的提取是理解高光谱数据、继而对数据进行进一步分析（比如解混、填图等）的前提.基于高光谱数据在特征空间的几何特性提出了一种基于高维单形体体积的自动提取高光谱数据端元的快速算法，与N-FINDR方法中所用单形体体积公式受限于数据维数的缺陷相比，该方法适用于任何维数的数据，因而也更加合理和有效.利用在Cuprite获取的AVIRIS数据来验证此算法.     

面向像元-对象双尺度的不透水面遥感检测

为了改善像元级遥感不透水面提取时存在的椒盐现象,提出了一种面向像元-对象双尺度的不透水面遥感检测方法.首先基于建筑、植被、水体等多种光谱指数,在像元尺度上提取不透水面的分布范围,然后对遥感图像进行多尺度分割,并通过设置高阈值和低阈值来处理图中的碎斑和空洞.利用双尺度不透水面检测方法对天津市精武镇多年的遥感图像进行不透水面检测,结果表明,该方法检测的正确率为80%左右,漏检率低于10%,检测精度高于光谱指数方法.     

高光谱影像端元数目估计的HAHT模型

端元提取是高光谱遥感研究的重点内容之一,在高光谱影像信息识别、环境监测、资源探测和丰度反演等领域有着重要运用。为了实现有效的端元提取,如何准确估计（尤其是未知区域）高光谱影像中端元数目就显得更为关键,特别是在无人或境外地区的遥感探测方面极有实际价值。端元数目估计过多或者过少都会影响端元提取和混合像元分解的精度。本文基于谐波分析（Harmonic Analysis,HA）理论实现了高光谱影像有效去噪,并结合二元假设检验方法构建了一种高光谱影像端元数目估计的谐波分析假设检验（HA-Hypothesis Testing,HAHT）模型。通过AVIRIS和Hyperion高光谱影像的可行性分析与普适性验证,并与HFC（Harsanyi Farrand Chang）、特征值极大似然函数（Eigenvalue Likelihood Maximization, ELM）和最小误差高光谱信号辨识法（Hyperspectral Signal Identification by Minimum Error, Hysime）等常规的端元数估计算法应用成果相对比,表明HAHT模型所估计的端元数目与实际地物数具有更高的吻合度。同时,采用较成熟的连续最大角凸锥（Sequential Maximum Angle Convex Cone,SMACC）方法提取了端元波谱曲线,通过比较设置2（HFC估计数）、8（HAHT估计数）和14（Hysime估计数）不同端元数的提取结果,也证明HAHT模型在估计端元数目时具有较高准确性,以及较好的适用性和应用前景。     

基于端元提取的高光谱图像亚像元目标异常检测算法

针对高光谱图像异常检测因为背景复杂、存在亚像元目标而导致检测效果下降的问题,提出了一种新的检测方法。该方法首先对高光谱数据使用主成分分析法进行背景抑制,然后使用正交子空间投影方法进行端元提取,再使用光谱角度匹配技术进行异常检测。最后与其他两种检测方法比较,具有更好的检测效果,证明该方法的有效性。     

快速像元纯度指数算法

像元纯度指数（PPI）算法广泛应用于目标与背景的分离中，对于超光谱图像数据，它可以从混合像元中提取纯净的端元，用于目标的识别，但缺点是计算量大，不能自动提取。针对这一问题，本文基于PPI算法的原理提出一种非监督端元自动提取方法，使得提取时间大大缩短。     

面向混合像元分解的光谱维小波特征提取

根据线性混合模型的特点,探讨面向混合像元分解的光谱特征提取与选择,提出以小波低频系数为特征的混合像元分解方法.高光谱像元矢量进行离散二进小波变换后,提取光谱特征影像,再基于特征影像估计出混合像元的组分,并用AVIRIS合成影像验证该分解方法.实验结果表明,良好的光谱特征能够较大地提高遥感混合像元的分解精度,比原始波段分解的精度提高约23%.     

自适应主元提取算法在人脸图像特征提取中的应用

以统计主元分析为理论依据,研究了自适应主元提取（APEX）算法,并揭示了该算法的网络模型与统计模式识别之间的密切联系。最后,将APEX算法运用于ORL人脸数据库的特征提取中。仿真结果表明,APEX算法在人脸识别中是一种有效的特征提取方法。     

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。     

高光谱遥感在硅化带识别中的应用

硅化带是多个矿种的找矿指示性信息,快速地大面积探测硅化带信息是遥感技术在地质找矿应用领域一项重要的应用。随着遥感技术的不断发展,针对不同的遥感数据,出现了多种不同的硅化带提取方法。首先通过分析JHU(约翰霍普金斯大学)波谱库中10多种不同Si O_2的岩性光谱特征,研究与Si O_2含量密切相关的波段;其次,使用热红外地面光谱仪102F实测的样品光谱和样品的地球化学数据(Si O_2含量),通过线性回归方程统计出Si O_2含量的计算公式;最后,使用该公式对TASI航空高光谱热红外数据进行处理,获取研究区Si O_2含量图,提取高Si O_2条带;并在进行野外验证。实验结果表明:8.62μm和9.25~9.5μm是Si O_2含量相关性极大的波段;TASI(thermal airborne hyperspectral imager)数据中有多个Si O_2对应的波谱特征,B6(8.62μm)的发射峰、B6两侧的斜坡及B14、B17左侧的斜坡与Si O_2呈正相关关系;该方法提取研究区高Si O_2条带非常精确,在花岗岩区亦能识别出硅化带。     

基于图像欧氏距离流形降维的端元提取算法

由于多重反射和散射,高光谱图像中的混合像元实际上是非线性光谱混合传统的端元提取算法是以线性光谱混合模型为基础,因此提取精度不高针对高光谱图像的非线性结构.本文提出了基于图像欧氏距离非线性降维的高光谱遥感图像端元提取方法该方法结合高光谱数据的物理特性,将图像欧氏距离引入局部切空间排列进行非线性降维以更好的去除高光谱数据集中冗余的空间信息和光谱维度信息,然后对降维后的数据利用寻找最大单形体体积的方法提取端元.真实高光谱数据实验表明,提出方法对高光谱图像端元提取具有良好的效果,性能优于线性降维的主成分分析算法和原始的局部切空间排列算法.     

基于改进的最小二乘支持向量机的高光谱遥感图像分类

支持向量机因其适用高维特征、小样本与不确定性问题的优越性,是一种极具潜力的高光谱遥感分类方法.核函数是支持向量机的核心,核函数分为局部核函数与全局核函数两大类,不同的核函数将产生不同的分类效果.核函数也是支持向量机理论中比较难理解的一部分.在基本核函数中引入光谱匹配识别中的典型方法--光谱角度匹配法(SAM法),兼顾到光谱亮度与光谱向量方向的距离测度,结合最小二乘支持向量机,通过与传统SVM分类方法的比较,证明这种方法的有效性.     

基于FPGA的遥感图像纹理特征提取算法实现技术

针对遥感图像在轨云检测技术中图像纹理特征提取功能的实现需求,采用FPGA来实现纹理特征提取算法,以此提高遥感图像的纹理特征的提取效率。设计中充分利用FPGA片上RAM、ROM、寄存器等逻辑资源,发挥FPGA并行处理的优势,构建了16个灰度共生矩阵并行计算的结构,进一步计算得到4个纹理特征参数。利用Xilinx公司的System Generator工具实现设计并通过仿真。以Spartan-6 LX45 FPGA为目标芯片的验证实验表明:设计具有运算性能高、耗费逻辑资源少的特点,能够满足遥感图像在轨云检测的实时处理需求。     

基于集合论的光谱相似性度量及在影像检索中的应用

将高光谱遥感中光谱向量相似性度量转换为相应的集合相似性度量,提出了两种适用于光谱的相似性度量方法,即基于光谱多边形面积和基于特征波段位置匹配度量.实验结果表明,基于光谱多边形的方法能够更有效地综合应用反射率和波长二维信息,有效度量光谱向量相似性.     

陕西丰镐地区航空高光谱遥感数据预处理研究

目的对获取的丰镐地区航空高光谱遥感数据进行前期数据处理和校正。方法通过辐射校正、噪音去除、航带间差异调整、几何校正等图像处理方法对畸变和误差较大的遥感数据进行校正。结果获得了高质量、高精度的数据,为后续光谱定标、分类识别及信息提取提供了理想的图像。结论本方法对校正航空高光谱图像存在的较为严重的辐射畸变和几何畸变有良好效果。     

基于光谱主次吸收谱带组合特征相似性测度的高光谱遥感矿物信息提取

吸收谱带组合特征是识别和区分具体矿物类型的重要参量。研究表明,地物单一光谱特征不稳定性无法全面反映地物光谱间的相似性,直接影响识别效果。提出一种基于矿物光谱的主次吸收谱带组合特征的相似性测度方法;该方法基于光谱主次吸收特征的最小二乘相似性拟合法,对光谱特征较稳定的主、次吸收特征参量赋以不同的权重系数,将图像光谱与标准光谱库中各个参考光谱分别在主吸收特征与次级吸收特征波段进行加权比较,从而得到识别结果。基于CAIS/SASI机载高光谱数据,IDL编程实现光谱主次吸收特征最小二乘相似性拟合算法对实验区的绢云母、绿泥石蚀变矿物信息提取,并与常规光谱角制图处理结果的比较分析,发现新算法能更细致地进行高光谱遥感地物信息提取,有较强的实用性。     

野鸭湖湿地牛鞭草不同覆盖度的光谱特征分析

采用导数法和包络线去除法,分析了不同覆盖度牛鞭草的光谱特征.结果表明,不同覆盖度的牛鞭草在绿光波段出现反射峰,在红光波段出现吸收谷,近红外波段处具有"红边效应".不同盖度的牛鞭草光谱反射率的差异主要体现在绿光(520～600 nm)和近红外波段(760～900 nm).在近红外波段范围内,反射率随覆盖度的增加而增大,两者呈极显著正相关(P<0.01).此外,红光波段比蓝光波段有更为强烈的吸收效应.我们的研究表明,高光谱遥感可以有效地应用于湿地植物覆盖度或与之相关的生长情况的监测之中.