多重分形及其在地形特征分析中的应用

采用多重分形谱进行地形特征的分析,多重分形谱参数分层次地刻画了空间内部的精细结构,突出了异常局部变化特征,因而能够获得准确的地形特征信息,并从复杂的地形数据中选出具有明显个性特征的区域,可与分形维数结合进行地形地貌的区域分类和路径选取.实验结果表明,多重分形的奇异谱函数比简单的分形维数能提供更多的信息,克服了分形维数相同情况下区域无法区分的困难,地形的提取特征结果更为符合实际情况,可被有效地用于导航和航迹规划过程中.      

基于BDS-GD的低截获概率雷达信号识别

针对在信号特征提取与识别中使用双谱估计数据量大、维度高的问题,提出了双谱对角切片（BDS）与广义维数（GD）相结合的识别方法。通过提取信号双谱对角切片减少数据量,并利用多重分形理论中的广义维数降低数据维度,对切片内部特性进行细微描述,基于距离测度提出特征评价指标,从而选出最具有区分度的3个阶数对应的广义维数作为特征向量,输入到最小二乘支持向量机中进行分类识别。使用4种低截获概率（LPI）雷达信号作为待识别信号,仿真结果表明,本文方法提取的信号特征在特征空间中有良好的聚集性和离散性,在0 dB信噪比下,识别准确率能达到92.2%,与选取的其他方法对比说明其具有很好的识别性能。      

多重分形谱及其计算

多重分形理论是进行信号奇异性处理的有用工具,由于只有少数集合的多重分形谱可以有解析表达式,多重分形谱的计算是其中重要而又较难处理的问题.简要介绍了多重分形理论的一种形式体系,提出了一种采用动态链表来进行多重分形谱计算的方法,大幅度地降低了对存储器容量的要求.用所提出的方法对康托集进行了计算,计算结果与理论结果相符,表明了算法的有效性.     

Multifractal Spectrum and Calculation

多重分形理论是进行信号奇异性处理的有用工具 ,由于只有少数集合的多重分形谱可以有解析表达式 ,多重分形谱的计算是其中重要而又较难处理的问题 .简要介绍了多重分形理论的一种形式体系 ,提出了一种采用动态链表来进行多重分形谱计算的方法 ,大幅度地降低了对存储器容量的要求 .用所提出的方法对康托集进行了计算 ,计算结果与理论结果相符 ,表明了算法的有效性 .     

基于局部线性嵌入的高光谱影像特征提取算法

特征提取能够消除冗余信息,提高高光谱数据处理的精度和计算效率,是分类等分析必要的预处理手段.传统特征提取算法基于线性变换,无法准确描述高、低维特征空间的关系,因此采用一种新型非线性特征提取算法,即局部线性嵌入(LLE,Locally Linear Em-bedding),挖掘高光谱影像的本征信息.针对分类问题,使用训练样本类别属性修正距离矩阵,并借鉴LLE计算未知样本低维映射的方法求解测试样本的特征向量,实现监督局部线性嵌入(SLLE,Supervised Locally Linear Embedding).使用机载可见光/红外成像光谱仪数据,与3种分类算法结合进行测试,实验结果表明:SLLE优于线性特征提取算法,能够解决高光谱影像的小样本分类问题.     

基于MF-DFA的极低频瞬态事件多重分形分析

利用三个测站实测极低频全球闪电活动背景信号南北及东西方向磁场分量资料, 应用多重分形方法对极低频瞬态事件发生时前1s背景信号中的长程关联性及多重分形特征进行了分析. 发现极低频瞬态事件发生时, 最大脉冲前1s背景信号南北及东西方向磁场均具有长程关联性和多重分形特征. 其中南北方向最小标度指数0.15 < a_min< 0.22, 分形谱宽度1.09 < Δa < 1.51; 东西方向最小标度指数0.23 < a_min< 0.59, 分形谱宽度0.75 < Δa < 0.99. 多重分形谱参数Δa和a_min可以很好地自动识别Q-burst发生.      

基于自相关函数的自然纹理图像分形维数的估计

提出了一种估计分形维数的新方法,并利用该方法估计自然纹理图像的分形维数.分形维数是描述图像粗糙程度的主要参数.将分数布朗运动推广到离散情况,研究离散高斯噪声的自相关函数的性质.根据自相关函数的性质,获得估计分形维数的自相关函数方法.合成分形图像和自然纹理图像被用来检验该方法的准确性,并与计盒方法进行了比较,结果显示自相关法是准确的和有效的.      

基于NMF的SVM故障诊断方法

针对大维数系统故障诊断中存在特征提取困难和识别率低的问题,提出基于非负矩阵分解(NMF,Non-negative Matrix Factorization)的支持向量机(SVM,Support Vector Machine)诊断方法,避免了直接对故障特征的选择和提取,实现特征降维,提高故障模式分类的准确性和速度;对于NMF中的结果随机性问题,提出用前次分解所得系数矩阵求解样本降维特征矩阵的方法,保证多次NMF分解尺度一致.实验表明该方法能对故障特征有效降维,并具有较高的诊断效率和故障识别率.     

基于形态学与正交子空间投影的端元提取方法

针对现有端元提取方法从数据光谱或空间或特征信息的单一方面出发进行混合像元分解、不同类型端元难以区分等不足,提出一种扩展形态学与正交子空间投影结合的端元自动提取方法.利用扩展膨胀和腐蚀操作,通过计算形态离心率指数进行高光谱数据的端元数据集计算;利用光谱角匹配方法提取不同类型的端元,通过向端元正交子空间投影消除已经提取端元的影响;并通过航空高光谱数据进行算法性能验证.实验结果表明:提出方法能够实现在无任何先验信息情况下图像端元的自动提取,并且能够有效地区分相似光谱端元.     

基于DFT的水射流红外热像频域时空分析

基于二维离散傅里叶变换及空间频谱分析,对水射流湍流脉动的空间尺度进行了研究,得到了由红外辐射温度表征的被动标量湍流场在对流区、耗散区、惯性子区的特征空间尺度及其时间演化规律.对射流不同区域的关心点重新采样,得到湍流场中关心点的时间序列,利用一维离散傅里叶变换,分析了对流区大尺度涡中心、惯性子区小尺度涡中心、耗散区及射流轴心线上各关心点的湍流波动特征.计算了时间序列频谱的分形维数,研究了自由湍流不同尺度区间上述各关心点湍流脉动的分形特征.      

基于多种空间信息的高光谱遥感图像分类方法

在高光谱遥感图像分类方法中,空间特征和光谱特征的融合可以有效地改善分类效果。针对单一空间特征的信息表达不充分问题,提出了一种联合多种空间特征的高光谱图像空谱分类方法。利用超像素信息对分类结果进行后处理去掉椒盐噪声,并创造性地将超像素信息应用于分类前处理,提出了一种利用超像素信息对像素点的特征向量进行线性加权融合的方法。试验结果表明,所提方法的性能优于目前的通常方法。     

基于光谱知识的高光谱图像自动识别方法

针对传统高光谱图像矿物识别方法未能充分利用矿物光谱诊断吸收特征与矿物光谱知识、识别过程人为干预多等问题,提出了一种基于光谱知识的高光谱图像自动识别方法.该方法引入了基于光谱吸收特征与波形特征的光谱知识作为自动识别的标准,利用连续统去除操作增强光谱吸收特征,采取基于光谱主次吸收特征的识别决策策略,建立多级约束准则以提高识别精度及避免误识别,通过利用模拟数据进行算法精度评价并应用航空高光谱成像仪AVIRIS(Airborne Visible/Infrared Imaging Spectrometer)数据进行应用分析与验证.结果表明:当图像信噪比大于200时,识别准确率可以达到80.3%,能够得到良好的识别结果以及较高的精度,并实现了基于高光谱图像的矿物自动识别.     

Fractal signatures for multiscale processing of hyperspectral image data

A multiscale approach to hyperspectral image data analysis using fractal signatures was proposed and implemented in the Interactive Data Language (IDL). For 2-D hyperspectral curves, fractal signature measures the changes in curve length with changing scale. Using NASA’s Earth Observing-1 (EO-1) Hyperion image from a study area near Denton, Texas, USA, the capabilities of fractal signatures in discriminating different land cover types were presented in three different ways: (1) fractal signature curves, (2) distances between fractal signatures, and (3) fractal signature images. The asymmetry in length measurement was found to be effective in handling hyperspectral curves obtained from Hyperion radiance data. The contribution of fractal signature images was shown through comparison of image classification results. The results from the Hyperion radiance data suggest that fractal signatures at certain scales can reveal important differences in land cover types.     

Advanced fractal approach for unsupervised classification of SAR images

Unsupervised classification of Synthetic Aperture Radar (SAR) images is the alternative approach when no or minimum apriori information about the image is available. Therefore, an attempt has been made to develop an unsupervised classification scheme for SAR images based on textural information in present paper. For extraction of textural features two properties are used viz. fractal dimension D and Moran’s I. Using these indices an algorithm is proposed for contextual classification of SAR images. The novelty of the algorithm is that it implements the textural information available in SAR image with the help of two texture measures viz. D and I. For estimation of D, the Two Dimensional Variation Method (2DVM) has been revised and implemented whose performance is compared with another method, i.e., Triangular Prism Surface Area Method (TPSAM). It is also necessary to check the classification accuracy for various window sizes and optimize the window size for best classification. This exercise has been carried out to know the effect of window size on classification accuracy. The algorithm is applied on four SAR images of Hardwar region, India and classification accuracy has been computed. A comparison of the proposed algorithm using both fractal dimension estimation methods with the K-Means algorithm is discussed. The maximum overall classification accuracy with K-Means comes to be 53.26% whereas overall classification accuracy with proposed algorithm is 66.16% for TPSAM and 61.26% for 2DVM.     

基于三维Saab变换的高光谱图像压缩方法

高光谱图像中存储了丰富的光谱信息,具有极大的应用价值,但现有大部分高光谱图像压缩方法难以同时兼顾图像中的空间冗余与谱间冗余,导致压缩性能受到局限。针对该问题,提出了一种基于三维修正偏置的子空间(Saab)变换的高光谱图像压缩方法。采用三维Saab变换对高光谱图像的分块进行空间光谱信息融合的降维操作,同时去除谱间冗余和局部空间冗余;利用高效率视频编码(HEVC)中的帧内编码模块进一步去除空间冗余和统计冗余;实现低失真、高比率的高光谱图像压缩。在多个高光谱图像数据集上的实验结果表明,所提方法在同码率下重建图像的信噪比(SNR)比采用主成分分析(PCA)降维的方法至少提高0.62 dB,在高码率的情况下性能优于张量分解的压缩方法。同时,验证了不同降维方法对分类任务的性能影响,结果表明,所提方法更好地保留了图像中的重要特征,在低码率的情况下仍可以保持较高的分类精度。      

超谱遥感图像降维方法研究现状与分析

随着成像光谱仪的发展 ,超谱遥感图像的研究已进入到一个新的阶段———对获取的超谱数据进行有效处理和利用的阶段。目前的处理方法主要集中在对超谱图像的数值分析处理上 ,比如大气校正、降低数据维数、信息提取、分类与压缩等方面。而超谱图像降维方法的研究是做好后继处理的一个关键步骤 ,降维方式的正确选取与使用 ,对于发展和完善那些针对超谱海量数据和丰富信息特点的算法和软件有极大的好处。文章从波段选择、划分数据源、特征提取和融合等 4个角度对目前超谱图像的各种降维方法进行了综合归纳和分析。力图为超谱图像处理寻找突破点 ,加强此领域的研究力度     

改进独立成分分析在高光谱图像分类中的应用

针对独立成分分析在使用常规数值求解时容易陷入局部最优解的问题,以及采用神经学习算法时神经元激活函数的限制问题,将遗传算法与独立成分分析相结合,并对模型进行改进,提出了适合于高光谱数据无监督分类的模型.该算法采用最大化非高斯性进行成分的统计独立性度量,利用四阶累积量-峰度作为遗传算法的适应度函数.在应用分析中,将该算法应用于推扫式高光谱成像仪(PHI,Push-broom Hyperspectral technique Imager)数据地物分类能够获得全局最优解,在没有先验信息情况下实现地物的精细分类;与传统高光谱无监督分类算法比较,表明该算法的适用性,并具有更高的分类精度和准确性.