遥感图像配准的稳健投影非负矩阵分解方法

由于要配准的目标存在可能的形变,震前和震后遥感图像的配准变得很困难。为了解决这个问题,提出基于稳健的投影非负矩阵分解(RPNMF)的配准方法来精确的配准形变目标。给出一种稳健的投影非负矩阵分解方法来获得震前震后形变目标的共同投影空间,利用在共同投影空间的投影来配准形变目标。为验证该算法的有效性,做了两个实验:2008年5月12日汶川地震前后的SAR图像的配准;唐家山堰塞湖的变化检测。与现有方法进行比较,结果表明该方法能够有效地得到形变目标的共同投影空间,并取得了很好的配准结果;同时,堰塞湖的变化检测也得到了很好的结果。

图像特征点集匹配的稳健非线性投影NMF方法

包含相同目标的图像由于可能存在结构差异而导致特征匹配困难、不精确,针对该问题提出了一种新的匹配方法。首先,提出一种稳健的非线性投影非负矩阵分解方法(RNPNMF),利用RNPNMF得到特征点集的共同投影空间;然后,计算特征点集在共同投影空间的投影,利用特征点集在共同投影空间上的投影实现点集的精确匹配。最后,为验证本文方法的有效性,分别对光学图像和SAR图像进行了实验,实验结果表明:和现有方法相比,本文所提方法能更精确有效的实现特征点集的匹配,同时,应用于图像配准也得到了很好的结果。

基于投影梯度方法的鲁棒流形非负矩阵分解算法

提出了一种基于投影梯度方法的鲁棒流形非负矩阵分解算法,该算法使用L21范数衡量矩阵分解的质量,因而对数据中的噪音和异常值不敏感,同时利用数据的几何结构并考虑局部不变性,将流形学习和非负矩阵分解算法相结合.分析了该算法的模型,并采用投影梯度方法得到该算法的更新规则,在若干个数据集上的实验结果及与其它非负矩阵分解算法和谱聚类算法的比较,证明了该算法的有效性.