基于脊波的多光谱和全色图像融合方法研究

应用了双线性插值的矩形阵列到径向阵列的变换算法,给出了一个离散脊波变换的实现方法,将其应用于多光谱图像与全色图像的融合算法中,通过清晰度、灰度方差、信息熵三个方面,将算法结果与小波变换的结果进行了对比,实验结果表明,相对于小波变换而言,脊波变换能更好地处理线和面的奇异性,而且由融合的结果来看,脊波变换得到的结果在清晰度等方面要高于小波变换。

基于多核学习的典型地物目标特征描述

为了寻找针对典型地物目标进行描述的最优特征组合,提出了一种基于多核学习的地物目标的特征描述分析方法.首先,提取图像的纹理特征、颜色特征等多种低层次特征.然后,采用多核学习算法训练出多核分类模型.最后,从特征权重矩阵中抽取对应于特定类型地物目标的特征向量,按权重大小进行降序排序,从而找出适用于特定地物目标描述的最优特征组合.此外,还提出了一种综合排序方法来计算全部特征在所有地物类别上的权重排列顺序.结果表明,对于不同类型的地物目标适合于描述它们的最优特征也不同,利用多核学习算法配置多种特征来描述图像要远远优于使用单独特征来描述图像.

高分辨率遥感影像复杂场景的汇总统计方法

针对高分辨率遥感影像场景的分类,受人类视觉系统从场景中提取汇总统计信息用于场景感知的启发,提出场景汇总统计特征提取方法。该方法提取场景的平均方向信息和视觉杂乱度,利用Gabor滤波器统计场景的平均方向信息,并基于视觉拥堵进行场景的杂乱度度量,然后将两者组合在一起,形成基于汇总统计特征的复杂场景描述。在21类遥感数据集上的实验表明,当训练样本和测试样本各为50幅时,该方法的分类精度比Gist方法高6.5%,比词包模型(BOW)方法高3.22%,且计算简单,同时与Gist相比,不需要人工干预。