中值滤波均值快速算法在高光谱图像处理系统中的应用

文章提出了一种中值滤波均值快速算法,介绍了该算法的设计思路、算法流程、基本运算步骤、实验设计与效果及与经典算法的比较情况。该算法利用数据窗口中的位置关系并考虑了相邻的两个中值滤波窗口内信号数据的相关性,在运算过程中,保留前面窗口内数据的排序信息,作为下一个窗口内数据排序的参考依据。这样可将传统算法中相邻的两次中值滤波运算合并为一次进行,减少了中值滤波过程中比较运算的次数,该算法可将传统算法的复杂度O(n2)简化成O(n),同时将均值滤波与中值滤波有机结合起来,将两个独立的算法有机地融合成一种算法,从而有效提高运算速度,也减少噪声对图像的影响。

窄带成像光谱仪技术与实时多光谱图像处理

成像光谱仪是一种空间遥感探测器，它可以同时获取目标的空间和光谱分布信息。针对机载区域遥感需要结构简单、价格适中和数据处理迅速的成像光谱仪的特点，在窄带多光谱遥感成像仪基础上，提出了一种具有实时光谱图像处理功能的多光谱成像技术。该技术可在窄带多光谱成像过程中同时完成多光谱图像的并行处理，它大幅度地提高了成像光谱仪遥感图像处理的实时性。更为重要的是该成像技术具有极高的性能价格比优势，可广泛用于农业、地质与环保等领域。

一个新的正则化张量补全算法及其在图像处理与超光谱数据分析中的应用

非负张量补全问题是在已知特定区域的张量数据集前提下,对部分受干扰、破坏的数据进行修复或补全以达到还原数据集和揭示事物本质的目的.本文引入一种修正的交替方向多乘子算法并结合正则化策略来求解非负张量补全问题,同时给出算法的收敛性定理和结论.最后,将该算法应用于超光谱图像处理及其数据分析中.数值结果表明所提出算法的有效性.

基于激光光谱遥感图像处理的地理信息系统研究

为进一步提高激光雷达技术的应用成效,本文提出一种基于激光光谱遥感图像处理的地理信息系统,此系统主要由数据管理模块、地理信息处理模块、场景控制模块以及数据传输模块等四大模块组成。在应用过程中,系统会将激光雷达技术所获取的光谱遥感图像快速处理为地理信息处理模块可以接收和处理的融合图像信息,进而提高系统地理信息处理和显示效率及效果,提高系统应用性能,为数字城市建设提供相应的地理信息支持。

基于超像素块聚类与低秩特性的高光谱图像降噪

高光谱图像通常受到高斯噪声、脉冲噪声、死线和条纹等干扰,因此去噪必不可少。现有基于低秩特性的降噪方法通过引入空间信息改善了降噪效果,但由于其只利用了局部相似性或非局部自相似性,而对在光谱维度存在一定结构信息的稀疏噪声去除效果较差。本文提出了基于超像素块聚类与低秩特性的高光谱图像降噪方法,实现了分块的自适应划分与聚类,在较好地保留了局部细节的同时又充分利用了非局部空间自相似性,且实验表明聚类后的超像素块组成的同物分块具有良好的空-谱双重低秩属性。该方法首先对高光谱图像进行超像素分割,再对超像素块进行聚类,得到同物分块;然后对其建立低秩矩阵恢复模型并求解,最终得到降噪后图像。本文分别在模拟数据和真实数据上进行实验,并与其他基于低秩特性的方法进行比较,结果表明:本文方法对混合噪声,尤其是具有一定结构信息的稀疏噪声具有较好的降噪性能。

面向高光谱图像的目标检测研究

现有的高光谱目标检测方法是通过逐像素分类而实现,导致了检测速度缓慢。物体级目标检测的发展为高光谱图像实时目标检测带来了希望。为了实现实时高光谱图像目标检测,文章提出了一种基于目标检测模型YOLO的卷积神经网络算法。首先,该算法提出了用多尺度光谱注意力网络(Res2NetSE)来提取空谱特征,能够提升多尺度目标检测效果并能更有效地提取关键波段信息;其次,该算法提出了一个空间增强的特征金字塔模块(Spatial Enhanced FPN,SFPN)用于特征融合,提升了神经网络的感受野和多尺度性能;最后,该算法设计了FIOU(Fantastic IoU)损失函数,提升了预测框定位精度。实验结果表明,所提出的算法能够有效提取空间域和光谱域信息特征,分别在平均准确率上提升了14.19%、8.01%和5.38%,与现有方法相比表现出更出色的性能。文章的算法为高光谱图像的物体级目标检测提供了一种有效的解决方案,有望推动高光谱图像分析领域的进一步发展。

高光谱图像预处理的Matlab并行化研究

在高光谱图像处理中,针对预处理过程中计算耗时的问题,根据数据特征,应用Linux集群Matlab分布式并行处理技术,搭建Linux集群环境下Matlab分布式并行计算环境,在该环境下对高光谱图像预处理过程进行并行优化。通过实例进行验证,针对不同高光谱数据量在不同worker个数的情况进行测试,实验结果表明,该算法可高效完成高光谱图像预处理过程,对其消耗时间、加速比以及并行效率进行分析。

基于高程和地物光谱约束的多光谱图像预处理算法

分视场滤光片型多光谱相机在利用拼接和配准生成多光谱图像时,受云、水等特殊地物的影响,利用现有方法生成的结果图像上容易出现条带噪声和错配现象。提出了一种三维信息约束下的尺度不变特征转换(SIFT)图像配准和地物光谱特性约束下的多光谱图像预处理算法,该算法利用三维信息约束的SIFT算子提高配准精度,同时在地物光谱特性约束下选取有效的辐射校正点提高图像拼接时各条带图像灰度的校正精度。实验结果表明,利用该方法对分视场多光谱相机数据进行预处理时,即使图像上存在云、水等特殊区域的地物,结果图像仍能保持高精度配准且无条带噪声。

基于波段子集特征融合的高光谱图像异常检测

高光谱图像分析中,对未知环境下伪装目标的检测识别具有较大难度,因为缺乏背景与目标的先验光谱信息.针对这一问题,提出一种高光谱图像异常检测算法.将高光谱图像分成波段子集进行特征提取,利用对图像中噪声程度及目标、背景之间可分性敏感的特征样本高阶统计量构造基本置信指派函数,通过DS证据推理实现特征层智能融合异常检测.理论分析及仿真实验结果表明了算法的有效性.

基于子空间投影的未知背景航拍高光谱图像恒虚警目标检测

针对航拍高光谱图像中未知背景地物特征条件下小目标的检测问题,给出一种检测算法。利用目标的低概率特性,通过模糊聚类获取高光谱图像中背景的光谱特性;然后将高光谱数据向背景光谱信号的正交子空间及目标信号子空间投影以抑制背景和噪声信号;最后在特征层利用广义似然比检验构造出具有恒虚警特性的检测器,完成融合检测过程。理论分析和实验结果表明了算法的有效性。

基于小波变换和多通道脉冲耦合神经网络的高光谱图像融合

针对高光谱多波段图像融合的问题,提出了一种基于小波变换和多通道脉冲耦合神经网络模型的新融合方法。该算法利用小波变换对图像进行多尺度分解,将得到的低频和高频系数分别采用多通道PCNN模型进行非线性融合处理,对低频子带直接利用其点火频率图得到融合结果,对各高频子带则利用点火频率图的直方图矢量重心及偏差计算自适应阈值并进行区域分割,对不同的区域采用不同的融合规则进行融合处理;最后进行小波重构得到融合图像。对OMIS高光谱图像的实验结果表明:所提方法能够有效地融合高光谱多个波段图像信息,且纹理细节信息突出。

基于蒙特卡罗特征降维算法的小样本高光谱图像分类

高光谱图像分类是高光谱数据分析的重要研究内容.相关向量机由于不受梅西定理的限制、不需要设置惩罚因子等优势受到广泛关注.由于高光谱数据具有较高的维数,当训练样本较少时,高光谱数据的分类精度受到严重的影响.通常解决这种现象的办法是对原数据进行特征降维处理,然而多数基于filter模型的特征选择算法无法直接给出最优特征选择个数.为此提出利用蒙特卡罗随机实验可以对特征参量进行统计估计的特性,计算高光谱图像的最优降维特征数,并与相关向量机结合,对降维后的数据进行分类.实验结果表明了使用蒙特卡罗算法求解降维波段数的可靠性.相比较原始未降维数据,降维后的高光谱图像分类精度有较大幅度的提高.

基于逐像素递归处理的高光谱实时亚像元目标检测

亚像元目标检测是高光谱图像应用的关键技术。由于高光谱数据的高维度增加了存储空间和数据处理的复杂度,实时处理成为了目标检测面临的重要问题。自适应匹配滤波算法(AMF)是一种有效的亚像元目标检测算法。在基于Woodbury引理实现以逐像素排列格式传输和存储的高光谱数据协方差矩阵实时求逆的基础上,以AMF为高光谱图像亚像元目标检测算法,推导出了基于逐像素递归处理的高光谱图像实时AMF目标检测流程。通过仿真数据和真实高光谱图像实验证明,相比于非实时AMF,实时AMF只需少量的存储空间便可得到同样甚至更高的检测精度。

改进的线性混合模型用于高光谱分离实验模拟

从考虑成份光谱的噪声出发 ,提出了改进的线性混合模型来补偿成份光谱噪声的影响 ,并在假定成份光谱和混合光谱噪声源于同一噪声源的前提下 ,给出了改进线性模型的数学求解过程及数值计算思路 ,且通过合成的含噪声的混合光谱对两种方法做了对比验证 ,实验证明 :改进的线性混合模型有效地克服传统线性模型的不足 。

高光谱遥感数据特征挖掘技术研究进展

从目标空间尺度和传感器空间分辨率的相对大小,把高光谱遥感图像目标检测、识别与分类中的特征挖掘问题划分为多像元、单像元和亚像元3个层次,因而更具自然特性也更适合特征挖掘和目标分类与识别技术的分析。把高光谱遥感图像特征挖掘方法归纳为以保留波段物理意义为主要目的的特征选择、以综合利用所有观测数据信息为主要特色的特征提取,和考虑亚像元多目标混合信息的特征混合3大类。重点且简明地从高光谱遥感数据光谱曲线与光谱特征、特征提取、特征选择以及特征混合分析几个方面综述高光谱遥感数据/图像的特征挖掘技术的研究进展并通过热点问题展望其未来的发展趋势。

基于局部核RX算法的高光谱实时检测

提出了一种基于LKRX检测器的实时异常检测算法.利用局部因果滑动阵列窗,使检测系统保持因果性.根据卡尔曼滤波器的递归思想,利用Hermitian矩阵分块求逆引理和Woodbury引理,将LKRX算法中核协方差矩阵以及其逆矩阵以递归方式更新,避免了数据的重复计算和逆矩阵的求解,大大降低了算法复杂度.通过真实数据进行实验,结果表明,与LKRX算法相比,实时LKRX算法在保持相同检测精度的同时,消耗更少的计算时间;而与实时RX算法相比,实时LKRX算法能够检测到更多的异常目标.

基于虚拟背景光谱Hausdorff距离的高光谱异常检测及GPU实现

提出了一种基于虚拟背景光谱Hausdorff距离的高光谱图像异常目标检测算法(VBS-HD).利用改进的部分Hausdorff测度计算待测像元与背景信息间各波段光谱的正反双向距离,并分别进行升序排列.为了避免数据成像过程中,由传感器、环境等因素产生的孤立噪声点对测试像元造成误判,算法选取前k个距离进行均值化,进行后续Hausdorff的度量.对于背景信息的选取,本算法根据待检测像元周围背景信息的特点,构造理想化虚拟背景光谱信息,从而有效减少背景信息掺杂噪声及异常点对检测性能的影响.为了进一步提高检测效率,在GPU/CUDA模型下,设计算法的并行系统架构,利用GPU的并行计算能力,获得较好的加速效果.通过模拟及真实数据的实验结果表明,VBS-HD异常检测算法具有较强的抗噪声干扰能力,在保证较高的检测精度的同时,显著提升了算法的执行效率.

TM+SPOT图像的二次融合方法

提出了一种基于PCA变换和IHS变换的小波二次融合方法。首先将多光谱图像和高空间分辨率图像进行ISH变换融合得到第一次融合图像;再将此图像和原多光谱图像进行PCA变换,分别对第一主成分进行小波多尺度分解至适当层次并进行方向对比度融合,最后作PCA逆变换得到最终的融合图像。实验结果表明,文中方法在保留光谱信息的同时提高了空间分辨率,其客观性能指标均优于其它方法。

高光谱图像稀疏信息处理综述与展望

高光谱成像技术具有光谱连续、图谱合一,能够以较高的光谱诊断能力对地物目标进行精细化解译,可以大幅增强地物信息的提取能力。充分利用高光谱遥感图像丰富的空间、谱信息,进行观测目标地物的精细化解译,成为近年来遥感领域的研究热点和前沿领域,并在多个相关领域具有巨大的应用价值和广阔的发展前景。本文结合高光谱图像成像特点,对基于稀疏表示理论的高光谱图像处理与分析方法进行综述,概括了高光谱图像处理与分析主要研究,并对各个研究领域与方向进行分析和评价,最后对各研究领域发展提出建议和展望。

一种基于单似然检验的高光谱图像小目标检测器

针对背景和目标的先验光谱特征未知的条件,给出一种基于单似然检验的高光谱图像小目标检测器。小目标相对于背景的低概率性使得高光谱图像数据对目标光谱信号的矩特征几乎不施加约束,可在最大熵条件下将广义似然比检验简化为对背景似然的单似然检验;利用全部数据样本建立无参估计模型以充分利用样本信息,从而得到基于单似然检验的高光谱图像小目标检测器。该检测器避免了统计模型误差和不明确物理含义特征对实际高光谱图像数据检测带来的影响。使用可见光/近红外波段机载I型实用型模块化成像光谱仪(OMIS-I)高光谱图像进行了实验,实验结果及相应理论分析表明该算法可有效检测高光谱图像中的空间低概率目标。