纹理图像分类的置信规则库推理方法

针对传统纹理图像分类算法识别率不高的问题,引入置信规则库推理方法而提出一种纹理图像分类策略.目前纹理图像分类研究常局限于纹理特征提取算法的改进,而忽视了另一个决定分类效果的关键,即分类器设计.该文采用置信规则库推理方法,在现有纹理特征提取算法基础上重新设计纹理图像分类器.根据角度径向变换和灰度共生矩阵算法提取图像纹理特征,采用主成分分析方法减少角度径向变换特征的维数,以避免产生置信规则库"组合爆炸"的问题.最后用置信规则库推理方法将纹理特征信息转换成类别置信度信息,得到最终的分类结果.实验中将置信规则库推理方法分别与相似性距离度量法和支持向量机法进行对比,结果表明所提出的方法在一定程度上提高了纹理图像分类准确率.     

基于纹理特征分类与合成的鲁棒无载体信息隐藏

针对图像无载体信息隐藏算法嵌入容量与鲁棒性无法很好兼顾的问题,提出了一种基于纹理特征分类与合成的鲁棒无载体信息隐藏算法,使用空间金字塔算法提取纹理图像特征,通过监督式分类训练得到分类模型,同一类别下的不同图像块,利用位置信息进行区分,根据图像块分类和位置信息的不同构建映射字典,传递秘密信息;发送方依据秘密信息选择图像块并根据公共密钥将所有图像块组合为一幅大尺寸图像,通过可逆形变生成复杂的纹理图像并发送给接收方;接收方根据密钥将纹理图像恢复为图像块,利用分类模型识别图像块所属分类并确定位置信息,对照映射字典提取秘密信息.实验和分析表明该算法对JPEG压缩、高斯噪声、椒盐噪声等攻击具有较好的鲁棒性,同时嵌入容量可随图像类别的增加得到提高.     

k均值聚类的混合异构图像隐写分析

提出了一种基于k均值聚类的混合异构图像隐写分析算法. 在训练阶段,根据图像纹理复杂度对图像库
进行聚类,并针对每一类图像训练相应的分类器. 在测试阶段,根据测试图像的纹理复杂度对其进行类别判断,然
后送至相应类别的分类器中进行隐写检测,从而减弱了失配状态对现有隐写分析算法造成的影响. 实验结果表明,
该算法较好地提高了现有隐写分析算法的检测精度.     

利用概念知识的文本分类

针对统计方法不能从语义理解的角度进行文本分类的问题,提出了利用概念层次网络概念知识进行文本分类的方法,包括两部分：依据概念进行特征选取以及根据类别关联度分类. 在特征选取时,通过计算概念与类别的区分度挖掘出类别核心概念,并采用类别核心概念对特征项进行精选. 依据类别核心概念相关的类别语义信息,提出了文档与类别关联度的计算方法,并根据类别关联度来判断文本类别. 实验表明,该方法可有效降低特征空间维数,在提高分类效率的同时保证了分类效果,F1值略有提高. 与SVM、KNN和Bayes分类器对比,当特征项数目较少时,该方法的F1值明显高于其他3种方法,综合分类效果与SVM相当,优于KNN和Bayes.     

篮球视频中基于AdaBoost分类器的运动员检测方法

针对篮球视频中运动员的检测识别问题,提出一种基于AdaBoost分类器的检测方法 .首先,从视频中获取有用帧,并通过SampleCreator软件来标记运动员,提取出全身和上半身矩形图像.然后,基于积分图技术从对象图像中提取Haar特征.接着,利用AdaBoost算法选择出具有较强分类性能的特征,训练一系列的弱分类器,并将其进行级联来构建最终的强分类器.最后,通过强分类器对Haar特征进行判别,从而检测图像中的运动员.实验结果表明,该方法能够准确检测并识别视频中的运动员.     

基于改进分离阈值法的农作物遥感精细分类特征选择

为综合利用高空间分辨率可见光和红外遥感影像特征,提高分类处理效率,在分离阈值法的基础上提出一种结合图像二维熵的特征选择方法,解决了分离阈值法在特征选择时未考虑特征信息量的问题.利用随机森林分类器对选取后的特征子集进行农作物分类,并在同样的分类方法下与改进自适应波段选择方法和基于图像熵的密度峰值聚类波段选择方法进行分类精度对比.结果表明,所提出的方法既可提高分类精度和分类效率,又能降低特征选择的数量,还能进一步量化分析所选取的特征对各地物识别的效果.     

降低特征类内离散度的JPEG图像隐写分析

图像内容特征差异使得载体、载密图像的隐写检测特征混淆在一起而难以区分,这导致图像隐写分析成了一个"类内分散、类间聚合"的分类问题.针对此问题,从降低因图像内容、处理手段等造成的隐写检测特征类内离散度的角度出发,提出了一种更加可靠的隐写检测模型.依据内容复杂度将待检测图像分类,分别提取具有相同内容复杂度的每一类图像的隐写检测特征和训练分类器,得到最终检测结果.数据分析和实验结果表明:基于图像分类的隐写分析方法能够有效提高检测性能.     

基于多分类器组合的湿地类型信息提取

针对如何提高遥感影像分类精度等问题,该文选取覆盖友好自然保护区的Landsat_5TM遥感影像为数据源,提出了将多个分类器进行组合的遥感影像分类方法.该方法将熵权法引入到湿地遥感分类研究中,选取最大似然、支持向量机(SVM)、神经网络(NN) 3种分类器作为子分类器,利用熵权法确定组合分类器的组合规则,采用多分类器组合的方法对友好自然保护区进行湿地类型信息提取,以提高湿地的分类精度.结果表明:与单一分类器相比,多分类器组合的遥感影像分类方法能够有效的提高分类精度.     

结合类别信念的AdaBoost算法(英文)

集成学习是一种受到广泛认可和使用的机器学习算法.为此提出一种新的多类集成学习算法,即AdaBoost belief.此算法改进多类集成学习算法AdaBoost·SAMME,使每个基分类器对于每个类别都有权重信息.这种类别上的权重被称为类别信念,可通过计算每次迭代中各个类别的正确率得到.将所提出的算法与原有的AdaBoost·SAMME算法从预测准确率、泛化能力以及理论支持等方面进行比较发现:在高斯数据集、多种UCI数据集以及基于日志的多类别入侵检测应用中,该算法不但具有更高的预测准确率和泛化能力,而且当类别数目增加,即类别更难以预测时,其分类错误率较原有AdaBoost·SAMME算法上升得更缓慢.     

基于改进随机漫步的高光谱图像分类方法

基于改进随机漫步的结合光谱信息和空间信息的高光谱图像分类方法,包括两个主要的步骤:首先,用SVM获得能够反映图像中的每个高光谱像素属于不同类别的分类概率图;然后,用结合高光谱图像空间信息的随机漫步算法对获得的像素级的分类概率图进行优化。该分类方法展示出较高的分类精度,尤其是在训练样本较少的情况下。     

石漠化遥感信息提取方法进展

梳理了石漠化研究领域内的相关文献,重点以遥感数据中的石漠化信息提取方法为主线,从石漠化评价指标、石漠化遥感信息提取两个方面进行分析和讨论,分析了人机交互解译、监督及非监督分类、面向对象等石漠化遥感信息提取方法以及多光谱遥感、高光谱遥感、微波遥感、无人机遥感等数据来源方面的进展与不足。并展望了中国当前石漠化地区遥感影像信息提取的发展,提出在未来研究中应重视石漠化程度分级指标的量化,同时应探索融合多源数据特征以进一步提升石漠化信息提取的精度。     

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。     

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.     

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.     

贝叶斯方法和非参数模型支持下的遥感影像线性光谱分解

针对遥感影像混合像元分解中的地物光谱不确定性问题,提出利用非参数模型来刻画地物光谱的概率分布,并基于贝叶斯方法得到地物面积比例的后验概率分布,最后利用无偏估计和最大似然估计来估算地物面积比例. 通过Landsat遥感影像不透水层制图的实验表明,所提方法的分解精度高于传统的线性光谱分解算法和硬分类方法,证明了贝叶斯方法能够较好地解决地物光谱不确定的问题.     

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.     

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.     

应用商空间理论的遥感影像多粒度合成分割

传统影像分割方法只能对影像进行单一粒度空间的分割,分割结果的准确性限于单一粒度空间,该文运用商空间理论提出一种遥感影像多粒度合成分割方法. 首先探讨多粒度影像分割的商空间模型,用影像数据场表达像元空间关系,用分形维数特征增强人工地物和自然场景的区分能力. 对灰度特征、影像数据场、分形维数分别进行分水岭分割和迭代自组织数据分析(ISODATA)聚类,获得多粒度分割结果. 最后基于粒度合成原理给出一个具体的多粒度影像分割的商空间合成算法. 实验表明该方法能充分利用各个粒度空间分割结果的优点,纠正了单一粒度空间的分割错误,分割结果更准确.     

主成分分析在高光谱遥感图像降维中的应用

高光谱遥感图像的高数据维给图像进一步处理带来了困难,为了解决这一问题,本文提出了主成分分析的降维方法.根据原始数据协方差阵的特征值和特征向量,可以计算各个波段对给定主成分的贡献率,对重要主成分贡献率的和直接反应了波段信息量的大小,实验证明,该方法效果较好,且计算量小.     

多源图像信息融合的理论与技术

对不同空间分辨率，时间分辨率和波谱分辨率的遥感图像进行综合，高效的利用，是当前学术界的焦点问题之一。回顾图像融合的源起与发展，对融合的概念与基础理论做了界定与阐述，将目前存在的各种融合技术归纳为3种类型；像元级融合，特征级融合和分类级融合，剖析了其优缺点和适用领域，并对今后的发展方向做了展望。