基于混合Contourlet变换和主成分变换的高光谱图像融合

针对高光谱图像波段多、存在噪声干扰等特点,提出了一种混合Contourlet和主成 分 分析（principal component analysis, 简称PCA）变换的高光谱图像融合方法。首先将多 个波段的高光谱图像进行Contourlet变换,得到系列多尺度、方向各异的子带系数,然后利 用PCA变换对各子带系数分别进行自适应融合处理。实验结果表明该算法可以有效地进行高 光谱图像融合,消除噪声干扰,获得比直接应用Contourlet变换和PCA变换更好的融合效果 。〖JP〗     

基于顶点成分分析的高光谱图像低概率异常检测方法研究

用低概率检测(LPD)方法对小概率异常进行检测时,由于在低频空间中选取正交向量作为背景光谱,使得小概率异常检测受噪声影响较大,存在漏检率较高的缺点。提出用顶点成分分析(VCA)算法提取端元光谱作为背景光谱,并将观测光谱向量投影到背景光谱张成空间的正交子空间中,从而有效抑制背景、突出目标进行异常检测。通过对高光谱原始数据的仿真分析,该检测方法降低了漏检率,提高了检测能力。     

多波段红外目标的空谱关联检测算法

针对高速运动空中目标在远距离探测过程中能量微弱、信噪比低的问题,本文提出了多波段红外目标的空谱关联检测算法.首先利用目标的红外成像特性实现噪声滤除、目标增强与背景抑制,提升图像对比度,并利用连通域分割方法实现潜在目标区域提取.在此基础上,构建目标和背景的多波段光谱特征库,采用RX异常检测算法有效剔除单一波段的虚警,得到多波段红外图像的空谱关联目标检测结果.基于不同背景、不同光照条件场景下的多波段红外图像数据进行仿真实验.实验结果表明,多波段空谱关联检测结果优于任意单一波段的检测结果,目标检测准确率达到98.35％,而虚警率仅为7.5×10-7,验证了本文算法对于远距离目标检测的有效性.     

星上高光谱图像无损压缩方法

针对星上高光谱图像压缩问题，本文从消除高光谱图像的谱间与谱内空间冗余信息入手，提出了基于KLT与自由无损图像格式(FLIF)算法的高光谱图像无损压缩算法。KLT用于去除图像的谱间冗余信息，FLIF算法的MANIAC决策树能够在压缩过程中动态更新上下文环境内容，实时调整上下文环境的数量，多上下文环境建模的设计大幅提升了压缩性能。仿真实验表明:在高分五号卫星上的高光谱数据集上，本方案取得了不错的压缩比特率结果。此外，针对KLT变换后图像的特点，本文提出了多压缩器灵活切换的加速方法，在可见光波段让压缩耗时缩短为未优化前的1/5。     

一种尺度感知型遥感图像融合新方法

针对在高分辨率星载遥感图像融合中容易出现的空间或光谱信息失真问题,提出一种基于滚动导向滤波的多光谱与全色光图像融合新方法。该方法采用主成分分析(PCA)设计融合模型,利用具有尺度感知特性的滚动导向滤波器准确地提取出多光谱图像第一主成分的大尺度结构信息和全色光图像的小尺度细节信息,然后将细节信息与结构信息相结合,经过主成分分析反变换得到融合结果。本文采用Geo Eye-1卫星数据进行试验,主观分析与客观评价表明,该方法能够在保持图像光谱信息的同时显著提高融合图像的空间分辨率,且融合质量优于现有的几种融合方法。     

基于波段选择的RX改进算法

针对高光谱检测亚像元飞机的问题,提出基于大气吸收谱段的改进RX异常检测算法,实现亚像元检测能力和检测效率的提升.阐述了改进算法的基本原理,对比了10 km高度和地面大气吸收系数的曲线差异,建立了改进算法的检测模型,采用仿真的客用飞机可见-短波高光谱数据和海水背景高光谱数据,获得了信噪比10 dB的高光谱仿真图像.采用经...     

基于改进Hough算法的高光谱数据直线检测方法研究

为改进用于高光谱数据直线检测的传统Hough算法的计算量大、性能较低等不足,对一种基于改进Hough算法的检测方法进行了研究。用能反映地物信息体量的峰值信噪比选择波段,选出10个波段图像,既减少了输入波段数,又确保后续识别能考虑所有波段的光谱信息。对光谱相似性测度进行了改进,采用光谱信息散度与光谱角制图法混合度量(SID-SAM)检测图像边缘轮廓,获得特征点。再仿照传统Hough算法进行直线检测以得到结果。给出了算法的处理步骤,算法适于二维图像和高光谱图像的处理。实验检测结果表明:对二维图像,改进Hough算法识别出的直线数量远多于传统Hough变换,且提取的直线精度和完整性均有较大改善;对高光谱图像,与二维Hough算法相比,改进Hough算法所获结果的置信率高、准确性好,不仅可提高提取直线的完整性,而且能检测到前者无法检测到的部分。     

动态测量数据的高保真容错Q-滤波算法

针对航天器遥测和跟踪数据非平稳、噪声干扰、数据散乱、野值多、真实信息往往被随机误差淹没等问题,提出一组新型滑动容错滤波算法,称Q-滤波容错算法。 采用原始数据滑动四分位滤波和滤波残差四分位过滤补偿相结合的方式,实现各种带野值、非平稳、强噪声干扰和超低信噪比的采样数据序列剔除野值、削弱扰动和提取信号。理论分析、仿真计算和飞行数据应用实例证实了该Q-滤波算法有强容错能力和提取采样数据本真变化的能力,可以从被噪声淹没和低信噪比的非平稳采样数据序列中或者在采样数据变化形态杂乱的情况下,高保真地准确提取测量对象的真实变化信息。     

分析与定量测定红外背景干扰的一种方法

为探索红外干扰的定量测定方法以及确定参数对红外背景干扰值大小的影响,分析了大量红外背景图像数据,并以象元电平为单位,对红外背景图像内的干扰噪声进行了计算。经过空间滤波处理和非滤波两种情况计算了图像的光谱密度,获得了关于红外背景图像的空间频率构成的信息,把计算出来的干扰值输入数据库取出多组数据绘图,确定了参数量对干扰电平的影响。     

一种基于谱域-空域组合特征支持向量机的高光谱图像分类算法

针对高光谱图像分类问题,提出了一种基于支持向量机的利用组合特征对高光谱图像进行分类的算法,组合特征综合了高光谱图像的光谱域和空域信息。针对图像的高维数据特性,利用最大噪声分量方法进行特征提取,对得到的主分量图像,采用虚拟维数估计算法来确定需要保留的主分量数目,并用数学形态学操作用保留的主分量图像中提取目标的形态信息。根据得到的空域特征并结合原始光谱域特征,构造用于分类的组合特征矢量。而且采用了支持向量机,利用了其支持小样本、效率高的优点。高光谱数据实验表明,本文提出的方法和单独使用谱域或空域信息进行分类相比,具有一定的优越性。
     

基于自适应滤波的光谱畸变误差抑制方法

为降低天文光谱畸变误差对多普勒测速导航精度的影响,设计结合非线性Sage-Husa噪声估计器及抗差扩展卡尔曼滤波器(Robust Extend Kalman Filter,REKF)的自适应滤波算法。当系统模型可靠时,抗差滤波能够通过预测残差判断异常量测并降低其权重;当系统模型噪声先验信息不准确时,通过Sage-Husa噪声估计器估计系统噪声协方差阵Q阵,以保证抗差滤波的效果。此外,结合多普勒测速导航及X射线脉冲星导航进行组合导航,以提高位置估计精度。仿真结果表明,该算法能够在系统模型噪声先验信息不准确的情况下有效控制光谱畸变造成的量测误差对导航精度的影响。     

一种多波段组合的孤立噪声去除方法

首次提出了一种多波段组合的孤立噪声去除方法.文章在对图像进行中值滤波处理之前,先进行门限法的孤立噪声初步定位,设定孤立噪声为候选点;然后结合多波段图像数据对候选孤立噪声进行最终定位,只有当像元判断为真实的孤立噪声时,进行中值滤波处理;最后以中国一颗传输型卫星图像为例,检验了算法的有效性.     

高光谱图像融合最佳波段选择方法

针对高光谱图像高数据维给图像处理带来的困难和影响,本文构造了高光谱图像融合的最佳波段选择新模型-联合偏度-峰度指数(Joint Skewness-Kurtosis figure,JSKF)模型,利用JSKF指数进行自适应子空间的分解和波段选择,降低高光谱数据维数;并将选择出的最佳波段组合进行了融合,实验结果表明,该方法所选择的波段信息差异较大、互补特征明显,融合后图像包含的信息量丰富,效果优于传统的自适应波段选择方法和主成分分析累计贡献率方法.     

基于区域特征光谱的自组织特征映射神经网络高光谱图像主成分提取方法

非监督分类算法用于高光谱图像主成分提取时存在分类精度受数据分布状态和噪声影响大的缺点,导致提取效果差。论文提出基于空间信息的神经网络非监督分类主成分提取算法,该算法首先通过空间邻域自动聚类提取区域特征光谱替代像元光谱作为自组织特征映射神经网络的训练样本,经过训练神经网络自适应获取高光谱图像地物类别特征,最后通过对光谱矢量聚类完成主成分的统计和提取。论文提出采用区域特征光谱替代单象元光谱作为训练样本有效抑制了噪声对分类结果的影响,同时显著减少了神经网络的数据处理量,使主成分得到快速准确地提取。对深圳红树林自然保护区高光谱图像的仿真结果表明:神经网络训练样本数降低了约95%,更重要的是算法快速准确地提取了主成分,提取效果明显好于K-均值算法。     

基于空间分布特性多层RX高光谱点目标检测

针对目前高光谱图像异常点目标检测过程中准确率低和虚警率高的问题,本文结合目标的空间分布特性,提出了一种多层级RX检测方法。通过计算被检测区域图像谱向相似性响应图,采用非线性抑制的方法,突出点目标并抑制背景。为进一步提高检测算法的表达能力和泛化性能,采用多级检测器级联的方式,逐层级增强异常点处的相对能量,削弱背景的影响,从而达到较高的检测性能。在外场挂飞试验数据集上进行验证,结果表明:该方法 AUC值达到0.988 1,明显优于CEM算法的0.962 6和传统RX算法的0.939 2。     

CBERS-1卫星IRMSS数据在中国北方汝箕沟煤田煤层自燃区遥感分析中的试应用研究

根据热红外波段对地物热信息反映灵敏的特征 ,基于CBERS-1卫星红外多光谱扫描仪(IRMSS)所获得的2000年7月1日宁夏汝箕沟地区的图像数据 ,首先进行错位纠正、去条带、消除随机噪声等处理。通过对IRMSSB6、B7、B8、B9单波段的线性拉伸、指数变换、主成份分析 ,以及IRMSSB6、B7和B8、IRMSSB6、B7和B9的假彩色合成处理、波段运算等增强处理 ,有效地提取了由煤层自燃引起的地表热异常 ,以及煤堆、裸岩、居民区的热异常信息。通过分析对比 ,对IRMSS图像数据进行煤火信息提取进行了评价     

珠海一号高光谱影像云检测算法

珠海一号高光谱卫星具有高空间、高光谱、高时间分辨率等特点,有效推动了高光谱遥感数据在农林环境、自然资源探测等领域的广泛应用,其中高精准的云检测是遥感数据预处理的关键步骤。如何对高光谱图像有效特征提取并克服传统云检测方法特征复杂、算法参数多、计算量大、鲁棒性差等缺陷,是高光谱云检测研究的关键问题。为此,提出了一种多尺度特征融合的U型结构网络,模型首先利用残差模块进行特征编码,并将编码进行多尺度融合,在网络的跳跃连接处引入了坐标注意力机制提取有用信息,最后通过残差解码得到输出结果。实验前首先利用主成分分析降维,将高光谱数据重构为4维影像数据,然后通过数据标注与数据增强,建立珠海一号高光谱影像云检测数据集。采用了38-Cloud云数据集训练初始网络参数,随后利用构建的数据集进行迁移学习。实验结果表明,对于所建立的珠海一号高光谱云检测数据集,所提方法的像素准确率达到92.28%,可以实现高精度的高光谱遥感影像云检测。     

CBERS—1卫星IRMSS数据在中国北方汝箕沟煤田煤层自然区遥感分析中的试应用研究

根据热红外波段对地物热信息反映灵敏的特征，基于CBERS－1卫星红外光谱扫描仪（IRMSS）所获得的2000年7月1日宁夏汝箕沟地区的图像数据，首先进行错位纠正、去条带、消除随机噪声等处理。通过对IRMSSB6、B7、B8、B9单波段的线线拉伸、指数变换、主成份分析，以及IRMSSB6、B7和B8、IRMSSB6、B7和B9的假彩色合成处理、波段运算等增强处理，有效地提取了由煤层自然引起的地表热异常，以及煤堆、裸岩、居民区的热异常信息。通过分析对比，对IRMSS图像数据进行煤火信息提取进行了评价。     

基于付里叶变换的数字水印算法及其matlab实现

提出一种用于数字图像版权保护的变换域水印算法，将随机序列作为水印信号嵌入在图像付里叶变换的重要系数的幅度成分中，并利用相关检测器进行水印检测。实验证明，该算法具有一定不可见性，对通常的图像处理，如剪切、噪声干扰等特别是几何旋转都具有很强的鲁棒性。     

基于小波阈值降噪和经验模态分解的高光谱图像分类算法

为了充分降低高光谱图像中的噪声以获得高精度的分类结果,本文结合小波阈值降噪(WTD)和经验模态分解(EMD)的优点,提出了一种基于小波阈值降噪-经验模态分解的高精度支持向量机(SVM)高光谱图像分类算法(WTD-EMD-SVM)。首先对高光谱图像进行小波阈值降噪,除去高光谱数据中的高频噪声;然后再对高光谱图像进行EMD,获得含有高光谱数据本质特征的内固模态函数(IMF)和含有低频噪声的残差;最后采用内固模态函数重构高光谱图像,并对高光谱图像进行SVM分类。将其应用到AVIRIS数据92AV3C,仿真结果表明该算法不仅提高了高光谱图像分类精度,同时可减少支持向量数目,以提高高光谱图像分类速度。