基于GMM与图像多元特征的自动决策树分类方法研究

通过对Landsat 8OLI影像空间和光谱特征的分析,使用GMM描述各地物的分布特征,并利用EM算法估计其参数.在获得影像GMM贝叶斯分类信息的基础上,融合主成分、相异性纹理、FNDWI、NDBI和NDVI等其他多元特征,自动构建CART决策树对图像进行分类.结果表明,该方法的总体分类精度比其他方法最大提高3.82%,比利用影像其他特征的分类精度最大提高9.78%,而高斯混合模型信息的融合可显著提高林地、耕地等地物分类的生产精度和用户精度.     

圆型图像特征点检测算法

为了提高圆型图像特征点检测算法的准确性和稳定性等,提出了一种基于圆型特征图像中心灰度对称的检测算法.先利用Sobel算子进行圆型特征图像边缘检测,然后采用灰度质心法求出圆型特征图像的中心,最后引入灰度对称因子获得圆型图像特征点的亚像素位置坐标.用仿真投影实验和实际实验来评估算法精度,结果表明新算法精度可控制在0.2个像素左右.     

基于TM数据的敦煌绿洲土壤盐碱化信息提取研究

干旱、半干旱地区的绿洲盐碱化威胁着生态环境.随着空间信息技术的发展,遥感已被广泛应用于土壤盐碱化监测与制图.当前基于遥感技术的盐碱化信息提取方法主要归为基于图像光谱的直接提取方法和基于辅助数据的间接提取方法两大类.间接提取方法精度相对较高,但在缺乏辅助信息时并不可行,此时提高基于图像光谱特征的直接提取精度就尤为重要.本研究提出了一种优化波段组合的盐碱地提取方法,并引入了热红外波段,提高了直接提取方法的精度.以敦煌绿洲为研究区域,基于Landsat TM遥感图像中盐碱地的光谱特征,采用最佳指数因子确定盐碱化信息提取的最佳波段,结合图像变换及数据融合等图像处理方法,利用最大似然分类器进行了图像分类,提取出了敦煌绿洲盐碱地的分布区域.将不同波段组合、不同图像处理方法的分类精度检验结果进行比较得知,陆地卫星TM3,5,6和7波段组合的总体分类精度和盐碱地提取精度最高,增加热红外波段可使总体分类精度提高9%,盐碱地提取用户精度改善最高可达18%.     

多源数据结合的高分一号土地利用/覆盖分类方法研究

基于多时相的GF-1数据获取NDVI时序变化、NDWI和MNDVI等指数图像数据，辅以Landsat8卫星OLI影像和数字高程模型(DEM)数据，得到了不同地物在光谱、时相和形状等方面的特征；通过分析各种地物类型在这些特征上的差异和变化规律，总结出不同地物的特征提取规则，构建了一种基于GF-1数据在地物复杂地区的土地利用/覆盖分类方法，并以广州市为实验区，运用该方法、最大似然法和最小距离法进行了土地利用/覆盖分类及其精度评价.结果显示:基于GF-1数据在地物复杂地区的土地利用/覆盖分类方法的总体精度为85.86%(部分地物分类精度达到95%以上)，与最大似然法及最小距离法相比，其总体精度分别提高了4.62%和12.24%，说明该方法能够更好地发挥GF-1遥感数据在土地利用/覆盖分类中的实际应用潜力，且有效提高了各种土地利用/覆盖地物类别的分类精度.     

基于改进U-Net网络的复杂背景下冰川遥感图像检测方法

由于山体坡度、光照角度、传感器成像角度等因素,遥感图像中的山体阴影影响了冰川识别的精度.现有方法一般是先去除阴影再进行冰川识别,既繁琐又可能破坏图像的光谱信息.本文在U-Net框架中集成金字塔池化模块以增强多尺度特征提取能力,提出了一种U-PSP-Net结构的卷积神经网络,可以实现阴影区冰川识别.在自制的含阴影冰川数据集上进行验证,与PSP-Net、SegNet和U-Net的性能比较表明,提出的U-PSP-Net的平均像素精度为95.84%,平均交并比(IoU)为92.79%.与U-Net相比,分别提升了0.61%和0.92%;与PSP-Net和SegNet相比分别提高了1.41%、2.54%和2.85%、2.86%.以上结果证明了神经网络结构在含阴影遥感影像中识别冰川的可行性和有效性.     

基于改进型随机抽样一致法的图像配准算法

为了提高相似变换图像配准的速度和精度,提出了1种基于改进型随机抽样一致法的图像配准算法.在利用Harris角点检测提取待配准图像的特征点以及利用归一化互相关粗匹配后,采用改进的随机抽样一致法进行快速精准的变换模型估计.算法采用图像相似变换的简化配准模型,利用相似特征3角形进行快速模型预检验,并使用最大欧氏距离法提高计算数据的可靠性.实验结果表明,该算法在具有较高计算精度和鲁棒性的情况下,大幅减少了运算量,提高了变换模型的计算速度.     

基于决策树模型的面向对象方法的遥感湿地信息提取

以宁夏回族自治区中卫市与腾格里沙漠边缘及其毗邻区域为研究区,运用基于决策树模型的面向对象方法,对图像融合后15m分辨率的Landsat 8 OLI遥感影像进行湿地信息提取研究,并与基于对象的最大似然法的分类结果进行比较,结果表明,基于决策树模型的面向对象法相比于基于对象的最大似然法的湿地分类总体精度提高了18.45%,Kappa系数提高了0.17,分类结果精度显著提高。     

一种基于虹膜和人脸的多生物特征融合方法

针对单一生物特征识别方法易受干扰、应用受限制等问题,提出了一种基于虹膜和人脸的多生物特征融合方法以提高身份识别的精度及可靠性.该融合方法利用 Log-Gabor 相位编码算法和Laplacianfaces 算法对虹膜和人脸进行特征提取及匹配,然后在匹配层对两种生物特征的匹配得分值使用最小最大概率机策略进行融合,最后利用融合后得分值进行决策.该方法与单生物特征识别方法相比,识别性能明显提高.在UBIRIS虹膜库和ORL人脸库构成的多模生物特征库中进行了测试,实验结果表明:该方法的等错误率可降低到 0.28%,比单一虹膜和单一人脸方法分别降低了0.69%和 1.62%,与采用传统融合策略的方法相比,等错误率也降低了 0.2%以上.     

深度U-Net网络在遥感山地冰川边界分割中的应用

冰川变化会对当地的气候环境、水资源环境产生重要影响，随着遥感技术的发展，通过遥感图像进行冰川提取成为相关研究的主要手段，相比于人工目视解释法会出现的耗时长、效率低、主观因素大等问题，深度学习有着一定的优势。该文基于传统U-Net语义分割网络进行冰川分割，但因受限于冰川训练集缺失，真彩色图像在冰川地区进行分割会有较大的干扰，无法凸显冰川的特征，冰川分割效率较低。因此，利用冰川的矢量数据，基于Landsat 8遥感卫星图像，建立成对的假彩色冰川分割训练集，充分利用遥感多波段图像的优势，强化冰川特征信息。同时，通过添加不同波段组合的假彩色图像，丰富冰川的分割信息，并利用Inception v1深度学习模块将两种特征信息进行融合，提升冰川分割的准确性。实验结果表明，所提方法可以有效分割出冰川范围，相比于其他深度学习方法，分割准确性有了一定的提高。     

高寒流域水文模拟与径流水源解析——以雅鲁藏布江帕隆藏布上游流域为例

为深入研究高寒流域河川径流的水源解析,选取雅鲁藏布江帕隆藏布上游流域为研究区,采用月流量、遥感积雪面积数据、实测冰川径流数据等多目标率定方法,改进单一依靠流量数据率定模型的方法,基于SPHY(Spatial Processes in Hydrology)水文模型开展水文模拟及径流组分研究,提高了总体建模质量.结果表明：在率定期和验证期Nash-Sutcliffe效率系数分别为0.95和0.94,模型具有较好的适用性.降雨径流、融雪径流、冰川径流和基流作为径流来源,占总径流的比例分别为10%、25%、45%和20%,冰川径流和融雪径流是最重要的补给来源.月尺度上,冰川径流在7-8月占比最大,融雪径流在4-6月占比最大,降雨径流在各月占比最小.冰川径流占比最高,短期内可提供更多水资源保障社会经济发展,长期而言冰川径流将逐渐减少,造成水资源短缺.因此,当地需提高应对径流变化潜在风险的策略.     

多视点模糊图像复原方法研究

提出了基于多视点图像模糊核估计的复原方法.先给出了一种基于正则化保PSF路径的模糊核估计算法,将各向异性正则化方法引入模糊核估计的迭代过程中,在此基础上,为了降低噪声和保护图像边缘,又给出了基于保边缘的最大似然估计多视点去模糊方法.建立了多视点图像PSF路径之间的关系模型,确保多视点图像特征点对应关系.估计了两视点图像的PSF路径后,利用PSF路径对应关系,计算了其它视点图像的PSF路径.当获得所有视点图像的PSF路径和模糊核后,利用最大似然估计去模糊方法,得到了多视点去模糊图像.实验结果表明:该方法对多视点图像复原效果好,提高了三维重建精度.     

基于Haar-CNN模型的自然场景图像分类的研究

研究基于Haar-CNN模型的图像特征提取用于自然场景图像分类的问题.Haar小波变换是图像处理中常见的一种变换,可以提取图像的局部和空间信息,并把彩色图像的颜色、轮廓和纹理信息进行分层次的表达.卷积神经网络(CNN)是一种得到广泛研究与应用的深度学习模型,对图像特征具有很好的表达能力.基于Haar小波变换和CNN模型的优势,提出一种新的图像特征提取方法,即Haar-CNN模型;利用该模型提取得到图像更丰富的特征信息;然后比较基于Haar-CNN和CNN模型提取的自然场景图像特征在分类中的效果,探究Haar-CNN模型对于自然场景图像特征提取的优势.再对比在不同颜色空间上Haar-CNN模型对自然场景图像的分类效果,实验结果表明YCb Cr颜色空间上的分类精度最高,为96.2%,比灰度图像的分类精度提高了7.8%.同时,进一步分析Haar-CNN模型中图像块大小、隐藏层神经元个数、池化区域大小、模型深度等参数对图像分类精度的影响,实验结果表明参数选择对图像分类很重要,合适的参数选择可以提高分类精度.     

利用小波变换提高基于KPCA方法的人脸识别性能

基于核主成分分析（KPCA）的人脸识别算法能够提取非线性图像特征，在小样本训练条件下有较好性能. 然而并非所有非线性特征对识别都有利，过多的不相关特征可能会降低识别性能. 针对图像信息冗余的特点，预先对图像进行小波变换，通过消除对识别无关的细节信息，不仅提高了KPCA方法的识别精度，而且降低了该算法对计算机硬件的要求. 同时，为了抑制KPCA对光照等变化的较高敏感性，还提出一种对图像灰度进行衰减的预处理策略. 基于ORL数据库的实验表明，综合上述措施的系统比传统方法具有更快的训练速度和更高的识别精度.     

基于遥感影像的山岳冰川信息计算机解译方法探讨——以梅里雪山为例

冰川时空演化不仅对河川径流、生物生存环境、地表形态产生巨大的影响,而且冰川本身对气候变化有着强烈的响应.在全球气候变暖背景下,对冰川长时间演化过程进行监测具有重要意义.文章利用TM影像、OLI影像,通过非监督分类法、监督分类法、比值阈值法、雪盖指数法(NDSI)、基于多尺度分割的面向对象法、基于神经网络的冰川识别方法对梅里雪山地区的冰川信息进行提取.结果表明,基于神经网络的冰川识别方法对于裸冰区及冰碛覆盖区的冰川信息提取效果相对较好,提取精度最高.在此基础上,基于ENVI深度学习模块,利用神经网络分类法解译1989、1998、2009年和2019年梅里雪山地区的冰川信息,并结合Google Earth和DEM数据,对其进行目视修正,最终得到了1989—2019年梅里雪山地区冰川边界变化图,结果显示1989—2019年梅里雪山地区的冰川退缩了23.77 km~2,年均退缩0.79 km~2,面积相对退缩率为17.03%,年均相对退缩率为0.57%.     

基于人工神经网络法的遥感影像分类研究

在遥感和GIS的支持下,采用人工神经网络(ANN)法对研究区土地利用/覆盖进行信息提取,并对ANN改进前后的分类结果和最大似然法(MLC)的分类结果进行对比分析.实验发现采用改进后的ANN分类总体精度达到了93.91%,较改进前提高了2.16%,较MLC提高了6.44%.研究表明:使用ANN进行遥感图像分类,精度优于MLC,改进后的ANN精度优于改进前的ANN.与传统方法相比,ANN分类达到的精度更高,可更好地区分土地利用地类,提高土地利用信息的精度.     

基于形状匹配的快速图像配准

为了发挥基于特征的图像配准方法和基于像素的配准方法的优点,提出了一种将特征匹配和最大互信息法相结合的配准方案：先提取参考图像和浮动图像中的目标形状进行匹配,利用匹配结果求出互信息搜索算法的初始值再进行搜索．实验表明,该方法计算量小、速度快且精度高,可避免参数搜索陷于局部极值,有效地提高了配准的速度和精度．     

基于支持向量机和用户反馈的图像检索算法

针对当前图像检索算法存在精度低、 实时性差等不足, 为了获得更理想的图像检索结果, 提出一种基于支持向量机和用户反馈机制的图像检索算法. 首先采集大量图像, 提取图像检索的相关特征, 建立图像检索特征库; 然后采用支持向量机计算待检索图像特征与图像检索库特征之间的相似度, 确定图像类别, 实现图像的初步检索; 最后引入用户反馈机制对图像的初步检测结果进行精细比对, 并与经典图像检索算法进行对比实验. 实验结果表明, 该方法的图像检索精度超过90%, 图像检索误差远小于经典图像检索算法, 提高了图像检索效率.     

基于支持向量机和用户反馈的图像检索算法

针对当前图像检索算法存在精度低、 实时性差等不足, 为了获得更理想的图像检索结果, 提出一种基于支持向量机和用户反馈机制的图像检索算法. 首先采集大量图像, 提取图像检索的相关特征, 建立图像检索特征库； 然后采用支持向量机计算待检索图像特征与图像检索库特征之间的相似度, 确定图像类别, 实现图像的初步检索； 最后引入用户反馈机制对图像的初步检测结果进行精细比对, 并与经典图像检索算法进行对比实验. 实验结果表明, 该方法的图像检索精度超过90%, 图像检索误差远小于经典图像检索算法, 提高了图像检索效率.     

基于稀疏编码空间金字塔模型的零样本学习

针对目前零样本图像分类均采用图像底层视觉特征训练属性分类器而导致分类精度较低的问题,提出一种基于稀疏编码空间金字塔模型的零样本学习方法,给出系统结构流程图.首先从原始视觉图像中提取SIFT特征,并进行SIFT特征点提取;然后构建空间金字塔最大池化模型,对已提取的SIFT中间特征进行稀疏编码;最后建立间接属性预测模型.给出基于稀疏编码的空间金字塔最大池化模型的零样本学习算法步骤,完成对目标图像的属性预测,从而达到零样本图像分类的目的.在Shoes数据集与OSR数据集上进行了对比试验.结果表明:试验证实了文中算法的有效性;相对于传统算法,试验耗时减少,图像属性预测精度增加,图像分类识别率提高.     

基于纹理分析的SAR海冰图像分类方法

介绍了一种基于图像纹理特征进行SAR海冰图像分类的方法。该方法运用灰度共生矩阵提取纹理特征中能量、对比度、相关性和同质性的特征值,然后采用最小距离分类法对这4个特征值进行分类,并对分类结果进行精度评价和对比分析。实验表明:基于对比度和能量进行分类的图像精度较高,基于相关性和同质性进行分类的图像精度较低。基于对比度对SAR海冰图像分类可有效提高分类精度,更好地分类特征相似的区域。