融合光谱度量标记迁移和Tri-training的高光谱遥感图像半监督分类算法

针对海量的高光谱遥感图像光谱和丰富的空间信息中可用于分类的有标记样本远少于无标记样本的数据特性,提出了一种融合光谱度量标记迁移和Tri-training的高光谱遥感图像半监督光谱-空间分类算法。该算法提出了一种基于光谱度量的标记迁移方法,通过结合迁移标记和Tri-training预测标记进行扩充样本标记预测,提高了扩充样本标记的准确性。同时,该算法基于空间相关性选择扩充样本,综合运用光谱和空间特征提升图像分类的精度。在两个公开的高光谱遥感图像数据集上进行了实验,结果表明该算法优于基于Tri-training算法的高光谱遥感图像的分类性能。

基于新型光谱相似度量核的高光谱异常检测算法

提出一种新型光谱相似度量核函数,并应用于高光谱异常检测.由于高斯径向基核函数是基于光谱向量间欧式距离的度量,其对于光谱向量间距离变化的适应性较强,而对于因光照强度变化,阴影和遮挡等引起的同种地物光谱变化的适应性较弱,使得基于高斯径向基核的高光谱异常检测算法性能下降.为解决该问题,从光谱曲线形状描述出发,基于光谱相似度量提出了光谱相似度量核函数.通过理论分析和真实高光谱数据异常检测实验检验,实验结果说明相对于高斯径向基核函数,光谱相似度量核函数具有一定的优越性,能改善基于核方法的高光谱异常检测算法的性能.

光谱相似性度量方法研究进展

为了进一步分析光谱相似性度量在高光谱图像处理中的应用,从距离、投影等角度充分归纳总结了现有二元光谱相似度量方法,并分析讨论了二元光谱相似度量存在的问题。重点介绍了一种多元光谱相似性测量方法,也称N维立体光谱角(N-dimensional solid spectral angle,NSSA)方法。NSSA方法从本质上突破了传统的二元光谱角(spectral angle mapping,SAM)仅能计算两个光谱之间夹角的局限性,具备联合计算多元光谱欧氏空间夹角的能力,为评价多元光谱联合相似性提供了一种定量化的度量手段。最后,对NSSA方法在高光谱波段选择及端元提取领域的潜在研究价值和应用现状进行了分析和展望。通过分析表明NSSA方法所具备的特性可更好地实现光谱相似性度量,在高光谱图像处理领域具有较高的研究价值。

基于新型光谱相似度量的高光谱影像谱聚类算法

高斯径向基函数是基于光谱向量间欧氏距离的度量,其对于同种地物光谱变化的适应性较弱,使得基于高斯径向基函数的高光谱影像谱聚类算法的性能下降。为了解决该问题,从光谱曲线形状描述出发,基于光谱角度余弦提出了一种新型光谱相似度量,并将其用于构建谱聚类算法的亲和度矩阵。最后利用多组高光谱数据进行了实验分析,结果证明了该算法的有效性。

基于光谱相似度量的高光谱图像多任务联合稀疏光谱解混方法

基于图像中存在的邻域以及非局部相似等图像空间特征和联合稀疏解混思想,该文提出一种基于高光谱图像光谱相似性度量的多任务联合稀疏解混方法。通过高光谱图像的光谱特性统计值设定光谱度量阈值,对高光谱图像中相似的像元光谱进行光谱相似性度量分组,再对分组像元光谱数据进行多任务联合稀疏光谱解混模型的构建和求解,得到最终的丰度系数。模拟数据实验结果表明,该方法一定程度上提升了现有联合稀疏光谱解混方法的丰度估计精度,真实数据结果也验证了方法的有效性。

高光谱遥感数据光谱特征的提取与应用

基于特征属性与算法原理,提出高光谱遥感光谱特征体系包括光谱曲线特征、光谱变换特征和光谱度量特征三个层次,光谱曲线特征包括直接光谱编码、光谱反射与吸收特征,光谱变换特征包括植被指数、导数光谱、光谱运算特征,光谱度量特征则包括光谱角、光谱信息散度(SID)、相关系数和距离,系统比较分析了不同特征的算法原理、特点、适用情况和应用中的一些问题。

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.

一种新的高光谱图像波段选择方法

提出了一种新的高光谱图像波段选择方法——波段最大筛选法(Maximum Band Screening,MBS),它将每个波段的像元光谱分量看成一条波段向量,利用光谱相似性度量比较波段与已选波段的不相似性,从而从原始波段中选择信息量既大、又有区别性的波段。为了验证MBS的有效性,将其用于高光谱图像异常探测,设计了异常探测算法。该算法首先从高光谱图像中提取异常目标光谱,噪声白化后,进行MBS波段选择,最后将选出的波段用于自适应余弦估计(Adaptive Coherence Estimator,ACE)目标探测。采用AVIRIS高光谱图像将MBS与另外两种波段选择算法进行比较分析,实验结果表明,在MBS选出的仅占全部波段8%的波段上,ACE算子具有较高的探测性能。

波段最大筛选法及其在高光谱目标探测中的应用

提出了一种面向目标探测的高光谱图像波段选择方法—波段最大筛选法(MBS),它将每个波段的图像看成一条波段向量,以两个最不相似的波段作为初始波段,每次从剩余波段中选取一个和已选波段最不相似的波段,通过对波段相似性阈值的合理调节,保证了目标探测算子在所选波段上探测效果最佳。为了验证MBS的有效性,对机载可见光/红外成像光谱仪(AVIRIS)获取的两幅真实高光谱图像进行了实验,结果表明,MBS选出的波段分别占据全部波段的15%和9%,从而使目标探测算子ACE和AMF在其上的探测性能有了明显改善。

基于光谱距离聚类的高光谱图像解混算法

为了解决实际高光谱解混(HU)中噪声对解混精度的影响和光谱、空间信息利用不足的问题,提出了一种改进的基于光谱距离聚类的群稀疏非负矩阵分解的解混算法。首先,引入了基于最小误差的高光谱信号辨识算法(Hysime),通过计算特征值的方式估计信号矩阵和噪声矩阵;然后,提出了一种简单的基于光谱距离的聚类算法,对多个波段生成的光谱反射率距离值小于某一值的相邻像元进行合并聚类生成空间群结构;最后,在生成的群结构基础上进行稀疏化非负矩阵分解。实验分析表明,对于模拟数据和实际数据而言,该算法都比传统算法产生更小的均方根误差(RMSE)和光谱角距离(SAD),能够产生优于同类算法的解混效果。

基于区域活动轮廓模型的高光谱图像分割方法

针对高光谱图像特点,提出了一种基于区域活动轮廓模型的高光谱图像分割方法。综合考虑高光谱图像的空间信息和光谱信息,对Chan-Vese方法中的能量函数加以改进,利用空间全局信息和同质区域的灰度一致性,约束能量函数空间项;利用目标光谱信息相似性,约束能量函数光谱项,最后通过能量函数最小化实现图像分割。该方法能够有效提取高光谱图像中的模糊轮廓,从而降低混合像元和目标周围阴影对分割造成的影响。利用两幅AVIRIS图像进行仿真实验,实验结果表明,提出的方法能够获得令人满意的分割效果,并且对复杂场景具有一定适应性。

各向同性同质区域选取的高光谱遥感图像噪声估计方法

在现有高光谱遥感图像噪声估计方法中,同质区域的选取通常是最关键的步骤,有效的同质区域选取方法能够提高图像的噪声估计精度。本文充分利用了高光谱遥感图像中丰富的空间信息和光谱信息,提出了一种各向同性同质区域选取算法,其中,为了更好地区分同质区域内像元相似度,构造了一种新的兰氏-光谱角度量;结合基于多元线性回归的去相关法,通过最优区域评估高光谱遥感图像噪声水平。利用不同结构及信噪比的模拟图像和真实高光谱遥感图像进行实验,通过与现有的多种噪声估计方法比较,验证了本文方法在针对不同噪声水平、不同复杂程度的图像时更加准确和稳定。

打印机光谱特性化方法研究综述

目的打印输出技术是目前国内外图像复制领域的主流技术。打印机特征化旨在建立打印机输入控制值与输出色彩信息值之间的对应关系,保证打印输出图像各像素色彩值的准确性。基于可见光谱的打印机特性化过程,以图像光谱信息作为打印机特性化过程中的色彩控制依据,可避免基于色度的打印输出过程所固有的同色异谱问题,实现图像色彩复制领域最高级别的无条件颜色匹配。在广泛文献调研的基础上,本文回顾了打印机光谱特性化方法各部分研究的发展历程,分析介绍了该领域主要研究内容及其研究现状,对打印机光谱特性化方法流程进行了较为全面的综述。方法以Yule-Nielsen修正的光谱Neugebauer模型(YNSN模型)为典型代表,从打印机墨量限制方法、正向光谱预测模型、反向光谱分色模型以及色彩匹配评价度量4个方面,对目前基于可见光谱的打印机特性化方法研究情况进行了总结与归纳,并结合现有研究存在的问题对未来研究发展趋势进行了展望。结果综合近几年该领域研究发展情况,认为目前打印机光谱特性化方法研究在墨量限制算法合理性、正反向建模精度等方面已经取得了较为理想的结果。然而,尽管已有20多年的广泛研究,鉴于光谱数据的高维性以及具体应用场景的多样性,导致准确而高效的实现光谱打印机特性化仍然是一个极具难度的问题,特别在建模效率提高、模型适用性增强、模型物理意义提升以及评价度量综合性能优化等方面,目前研究仍存在较大的研究发展空间。结论打印机光谱特性化是实现图像色彩信息高保真打印复制的必要手段,其今后将继续在图像复制领域起到非常关键作用。然而,由于基于光谱的打印机特性化过程涉及光谱学及色度学理论、半色调呈色理论、最优化计算理论、人眼视觉机理、数字加网技术等多种理论与技术,故其研究具有一定的难度与挑战性。本文对打印机光谱特性化方法研究现状进行了较为深入的介绍与分析,意在使国内同行对该领域有一个较为全面的了解,以期引起更多研究者对该领域的关注。由于篇幅所限,许多问题未及深究。

高光谱遥感图像的空间邻域指数

通过高光谱遥感图像空间邻域内光谱特征的变化,研究了邻域光谱度量指数;根据邻域内端元光谱特征的变化,提出了邻域独立端元指数提取图像的空间维细节信息。通过真实高光谱遥感图像检验,两类邻域指数能够较好地提取高光谱遥感图像中的细节,为进一步结合空间维、光谱维特征的高精度目标探测与识别创造了有利条件。