基于改进最大似然方法的多光谱遥感图像分类方法

最大似然(ML)分类方法是一种典型的基于统计分析的监督分类方法,从理论上讲,具有最小出错率与最高分类精度的特点。但最大似然分类方法是以数据的正态分布假设为前提的,这在真实遥感数据中很难满足,从而导致分类精度下降。根据数据分布可以以任意精度由多个正态分布的线性组合表示,对最大似然分布的数据分布进行修正,既提高了数据模型的正确性,又充分利用正态分布的优点。最大似然分类方法的训练样本挑选也具有一定的随意性和主观性,先验概率直接影响分类结果,而且对整幅图像采用同样的先验概率会导致分类精度下降。针对训练样本的选择问题,先用ISODATA聚类算法对数据进行聚类,对比参考分类图像选择训练区域,一方面利用聚类结果可以选择性质均匀的区域,另一方面使得样本的选择变得简单,最后进行了遥感数据的分类实验。实验结果证明了该方法不仅可以实现遥感数据的分类,而且具有较高的总体分类精度和Kappa系数。

基于核映射多光谱特征融合的高光谱遥感图像分类法

多光谱遥感图像的波段设定在理论和实践上都极具地物针对性,在更有效的数据挖掘方法帮助下可以提取足够的光谱特征以区分地物,本文将光谱匹配技术用于相似性度量,以提高分类准确度.首先选定光谱角制图、光谱相关制图、Mahalanobis距离、光谱相似度和光谱信息差异做为光谱度量;随后选择高斯核函数,在选定核函数之后,得到了核映射下的光谱特征度量来挖掘高光谱遥感数据的光谱特征.最后采用核映射多光谱特征融合法对多光谱遥感图像光谱特征的相似性进行描述,得到基于核映射多光谱特征融合的高光谱遥感图像分类算法.使用MATLAB中的LIBSVM工具箱对AVIRIS高光谱遥感数据进行分类实验,并与已有算法进行对比,结果表明本文提出的算法具有较高的分类准确度和性能.

基于线不变矩和封闭性的遥感图像港口识别

针对遥感图像中的港口目标识别问题,本文提出了一种基于海岸线不变线矩特征与港口海岸线封闭特征结合的识别算法。首先采用边界寻找和阈值分割的方法进行海陆分割和海岸线的提取,然后通过封闭性检测确定港口区域和属于港口区域部分的海岸线,将封闭度和线不变矩特征组成的特征谱作为识别港口的依据,最终实现了对港口的识别。实验结果表明,该算法能够准确地识别遥感图像中的港口目标。

基于磁梯度张量的目标定位改进方法

针对目前磁性目标单点磁梯度张量定位方法受地磁场影响较大的问题,通过对单点磁梯度张量定位算法的偏微分推导,提出了基于磁梯度张量的目标定位改进算法,并针对定位算法中的所需变量提出了基于正六面体磁梯度张量测量系统的变量计算方法。所提方法利用磁梯度实现目标定位,降低了地磁场对目标定位的影响。仿真结果证明,与原方法相比所提方法受地磁场测量误差的影响很小,且定位精度较高,磁力仪精度和系统基线是影响定位误差的主要因素。

近红外多视场白天测星分析

近红外多视场恒星探测系统采用3个探测器同时进行恒星探测,分析了近红外波段白天恒星-背景对比度随探测参数的变化情况,对不同视场对比度进行对比,结果表明:随着探测天顶角的增大,恒星-背景对比度呈线性增大;太阳天顶角大于探测器天顶角以后,恒星-背景对比度随太阳天顶角近似于指数增长;一定高度时,对比度随探测器高度的增加近似指数增加;而随着探测方位角的增大,恒星-背景对比度呈高斯分布;三个视场内同一时刻的背景辐射比在主视场0°探测方位角时达到最小,探测到的恒星-背景对比度随主视场探测方位角变化呈对称分布,为星等修正奠定较好的基础。

舰船磁场模型适用范围研究

目前用于探测定位的舰船磁场模型中应用最为广泛的是磁偶极子模型,但是对于磁偶极子模型的适用观测距离缺乏定量研究。文章利用椭球体模型近似表达实际磁场,通过椭球体模型与磁偶极子模型的仿真比较,对磁偶极子模型的适用观测距离进行定量研究,得出磁偶极子模型的适用条件。

基于聚类集成的半监督多/高光谱图像分类方法

提出一种基于聚类集成的半监督多/高光谱图像分类方法。谱聚类是近年来出现的基于图论的、以相似性为基础的一类性能优越的聚类算法,能对任意形状分布的数据进行聚类,但对参数的变化比较敏感。聚类集成技术可有效提高单聚类算法的精度和稳定性,并具有良好的鲁棒性和泛化能力。算法利用聚类集成算法的优点并利用谱聚类的思想开发聚类集成算法的共识函数,将谱聚类作为聚类成员来构造聚类集成系统,使用高斯RBF核映射下的多维数据的光谱角制图计算权值矩阵W,并用Nystrm方法来降低算法的运算复杂度,实现了多/高光谱遥感数据的半监督分类。最后通过实验验证了该算法无论对多光谱还是高光谱都有较好的分类效果。

基于形态学运算的星图像分割

在获取星图像的过程中，由于某些因素的影响，获得的星图像存在噪声和划痕，而且星图像的背景经常是不均匀的，为星图像的分割造成了极大的网难，甚至使得自动闽值分割无法实现或效果较差。膨胀和腐蚀是形态学的两个基本运算，实验证明，通过组合膨胀和腐蚀，可以获取更为复杂的形态学运算。用形态学运算对星图像进行处理，补偿不均匀的星图像背景，然后进行星图像的自动阈值分割可以得到很好的分割效果。

星图像的亚像元细分定位方法研究

介绍了常用的亚像元细分定位算法,即质心法、高斯曲面拟合算法和抛物面拟合算法。理论上高斯曲面拟合算法具有最好的精度,然而通过对实际星图的实验,发现其与实际情况符合的并不好,定位误差超出了允许的范围。因此本文选用质心法计算星体的坐标,并经过仿真实验证明了质心算法达到了亚像元的精度,完全满足后续应用的要求。

一种遥感图像中海岸线的提取方法

针对遥感图像中海水和陆地区域分割和海岸线提取的问题,提出了新的区域分割和边界提取。首先对目前存在的分割技术进行分析,确定这些方法的局限性和缺陷,然后回归到最基本的阈值分割和边缘检测技术,并受这些基本算法的启发提出一种边界寻找和阈值分割的方法,并通过实验证明了这种方法在进行海陆分割和海岸线的提取方面的有效性,最终实现了海陆分割和海岸线的提取。

一种基于星体面积的星图分割方法

图像分割是图像识别过程中的关键一步,分割结果的好坏会直接影响到星体的细分定位和模式识别。星体在星图中属于小目标,多目标,其分割与普通图像的分割有较大的不同。文中在分析星图特点的基础上,提出了基于星体面积的分割方法,并通过仿真与其他分割方法进行比较,验证了其有效性和优越性。

海上摄像平台运动对目标在靶面成像位置影响的分析

布置在海面上的摄像平台的运动难免会对目标在摄像系统中的成像位置产生影响。分析这些运动对目标成像位置的影响,为是否需要采用稳定装置和采用什么样的稳定装置提供了理论依据,因此具有较大的应用价值。

基于分类器集成的高光谱遥感图像分类方法

高光谱遥感图像为地物的精确分类带来了机遇,但也面临着一些挑战,高光谱遥感图像分类中所面临的一个挑战是如何处理高的光谱维数和小的样本数目之间的矛盾,目前几乎全部采用降维方法来缓解这一矛盾。集成学习的出现和选择性集成概念的提出为解决这一问题提供了新的研究思路,基于这一思想提出了基于波段分组和分类器集成的方法。在高光谱遥感图像的原始光谱空间根据波段之间的相似性信息对光谱波段进行分类,从每类中随机抽取一个波段形成新的光谱组,并依靠限制不同光谱组中相同波段的数目增加不同光谱组之间的差异程度,将新的光谱组作为训练分类器的特征子集,在特征子集训练最大似然分类器,使用简单的多数投票法合成得到最终的集成分类器。实验结果表明,使用基于波段分组和分类器集成的方法可以得到更高的分类精度。

基于形态学空间特征的高光谱遥感图像分类方法

传统的高光谱图像分类主要是基于像素的光谱特征,在一定程度上忽略了高光谱遥感图像中像素之间的空间相关性。为了充分利用高光谱图像中的空间信息,提出了一种基于加权多结构元素无偏差形态学的空间特征提取方法,并基于形态学的多尺度特征和结构保持性提出了基于邻域的多尺度空间特征提取方法,得到了高光谱遥感图像的空间特征。对k-NN分类算法进行改进,提出了基于变精度粗糙集和重构误差的k-NN分类算法,实现了基于空间特征的高光谱遥感图像分类。在两个不同的高光谱遥感图像的实验验证了基于空间特征和改进k-NN分类算法的性能。