一种基于多特征融合的新型光谱相似性测度

光谱相似性测度是高光谱遥感影像定量化分析和精细地物直接识别的基础,光谱特征的选择和刻画方式是光谱相似性测度的关键。研究表明,利用光谱的单一特征无法全面反应地物光谱间的相似性,光谱识别时需要综合考虑光谱的多种特征。本文在几何距离、相关系数和相对熵的基础上提出了一种结合多种光谱特征的新型光谱相似性测度,即光谱泛相似测度(spectral pan-similarity measure,SPM)。在进行光谱相似性分析时,SPM综合考虑光谱矢量大小、光谱曲线形状和光谱信息量三种光谱特征信息。基于美国地质调查局矿物光谱库和机载OMIS高光谱遥感影像进行试验,结果表明相对只考虑一种或两种特征的光谱相似性测度,SPM具有更强的光谱判别能力和更小的光谱识别不确定性。

一种基于变权重组合的光谱相似性测度

光谱相似性测度是高光谱遥感影像信息提取的关键。在欧氏距离和光谱角余弦的基础之上提出一种变权重组合的光谱相似性测度,即光谱变化权重相似性测度。这种光谱相似性测度可根据不同地物类别自动对欧氏距离和光谱角余弦测度指标配比权重。选用标准光谱库和机载OMIS高光谱影像对SCWM进行测试,并引入误分率和混淆矩阵对分类结果进行评价。结果表明,相对于仅采用一种或两种光谱相似性测度的分类方法,光谱变化权重相似性测度具有更精细的光谱识别能力。

基于光谱主次吸收谱带组合特征相似性测度的高光谱遥感矿物信息提取

吸收谱带组合特征是识别和区分具体矿物类型的重要参量。研究表明,地物单一光谱特征不稳定性无法全面反映地物光谱间的相似性,直接影响识别效果。提出一种基于矿物光谱的主次吸收谱带组合特征的相似性测度方法;该方法基于光谱主次吸收特征的最小二乘相似性拟合法,对光谱特征较稳定的主、次吸收特征参量赋以不同的权重系数,将图像光谱与标准光谱库中各个参考光谱分别在主吸收特征与次级吸收特征波段进行加权比较,从而得到识别结果。基于CAIS/SASI机载高光谱数据,IDL编程实现光谱主次吸收特征最小二乘相似性拟合算法对实验区的绢云母、绿泥石蚀变矿物信息提取,并与常规光谱角制图处理结果的比较分析,发现新算法能更细致地进行高光谱遥感地物信息提取,有较强的实用性。

基于新型相似性测度的高光谱影像地物检测

提出了一种新型光谱相似性测度及其参数的自适应选择方法,并且将其应用到了高光谱影像地物检测中。由于这种相似性测度基于光谱角度余弦(SAC),因此在理论上对因光照强度变化、阴影和遮挡等引起的同种地物光谱变化的适应性较强。最后利用两幅高光谱影像进行了实验分析,实验结果证明提出的方法不仅能扩大阈值取值区间,而且可提高检测的精度。

成像光谱矿物识别方法与识别模型评述

矿物识别和矿物填图是成像光谱应用最成功的领域之一。本文将国内外发展的矿物识别模型归纳为光谱匹配和以知识为基础的智能识别两大类型进行讨论。对光谱匹配方法分别从其方法的分类、光谱相似性测度、整体光谱匹配算法、局部光谱识别、亚像元光谱识别、混合像元分解和矿物端元选择、光谱减维和噪声弱化等方面作了评述。最后,讨论了矿物识别和填图研究中存在的主要问题,指出研究建立全谱段矿物识别方法和技术体系将是今后光谱矿物识别和矿物填图的重要发展方向。

基于改进Hough算法的高光谱数据直线检测方法研究

为改进用于高光谱数据直线检测的传统Hough算法的计算量大、性能较低等不足,对一种基于改进Hough算法的检测方法进行了研究。用能反映地物信息体量的峰值信噪比选择波段,选出10个波段图像,既减少了输入波段数,又确保后续识别能考虑所有波段的光谱信息。对光谱相似性测度进行了改进,采用光谱信息散度与光谱角制图法混合度量(SID-SAM)检测图像边缘轮廓,获得特征点。再仿照传统Hough算法进行直线检测以得到结果。给出了算法的处理步骤,算法适于二维图像和高光谱图像的处理。实验检测结果表明:对二维图像,改进Hough算法识别出的直线数量远多于传统Hough变换,且提取的直线精度和完整性均有较大改善;对高光谱图像,与二维Hough算法相比,改进Hough算法所获结果的置信率高、准确性好,不仅可提高提取直线的完整性,而且能检测到前者无法检测到的部分。

基于连续投影算法提取特征波长的空中目标参考光谱选取

空中目标在相对稳定的状态下具有确定的光谱辐射特性,因而可以利用光谱达到识别其型号的目的。首先,通过建立空中目标光谱辐射特性计算模型,获得了其归一化光谱辐射亮度数据。然后,利用连续投影算法对光谱进行特征波长提取,在保留一定精度的同时有效减少了所需数据量。最后,使用区分能力更强的混合光谱相似性测度SID (TAN)匹配光谱,研究在3~5μm波段和8~14μm波段两个大气窗口内,光谱辐射特性在不同飞行高度和飞行时间下的变化规律。结果表明:飞行高度对光谱辐射特性的影响大于飞行时间;3~5μm波段的变化较8~14μm波段明显。因此在建立光谱数据库时,为了提高识别的准确率,相对于8~14μm波段,3~5μm波段更需要考虑不同因素对光谱辐射特性的影响;相对于飞行时间,应尽可能多地选取不同飞行高度下的光谱作为参考光谱。

联合光谱角与组合特征参数的高光谱影像分类

光谱角匹配分类以光谱整体相似度作为分类准则,却无法充分考虑光谱的局部细节特征,导致高光谱遥感影像的分类结果存在着较大的误差。针对此问题,提出一种联合光谱角与组合特征参数(spectral angle mapping-combination characteristic parameter,SAM-CCP)的新型高光谱影像分类方法。该方法在光谱角距离的基础上,引入光谱特征参数,有效突出光谱信息的局部特征,从而提高分类精度。首先,将地物反射光谱的整体特征和典型的吸收谷特征相结合,计算参数向量的欧式距离,并调节其开方系数;然后,自动选择最佳光谱特征参数组合,构建稳健的匹配模型,对影像进行逐像元分类。分别对Indian Pines地区和Cuprite矿区的高光谱遥感影像进行了分类实验。结果表明,相比传统的匹配方法,SAM-CCP方法能够有效地改善分类精度,具有较好的适用性。

基于条件随机场的光谱相似性匹配高光谱遥感影像聚类方法

高空间分辨率的高光谱遥感数据不仅能够获取地物近似连续的光谱曲线,还具有丰富的空间信息.传统的基于单像元的光谱匹配方法无法将这两种特征很好地结合.针对该问题,提出将条件随机场(CRF)模型引入光谱匹配方法.CRF模型通过构造像元邻域描述空间信息,解决了基于单像元光谱匹配方法仅考虑光谱信息的不足,实现了聚类过程中光谱和空间信息的融合;然而,传统CRF模型基于欧氏距离和马氏距离等相似性测度,无法适应于高光谱遥感影像的数据特征,因此利用光谱相似性测度改进传统CRF模型的相似性测度准则.实验证明,所提出方法能够有效解决传统光谱匹配方法结果的噪声问题,较好地保留了地物的形状特征,分类精度得到提高.

利用ICA正交子空间投影加权的高光谱影像目标探测算法

提出了一种利用独立成分分析(ICA)正交子空间投影加权的高光谱影像目标探测方法。该方法从影像像元集合的独立成分入手,通过一种光谱相似性测度加权,赋予每个像素合适的权值,从而有效地解决从原始影像中无法正确提取背景数据而造成的虚警概率高的问题。实验结果表明,相比于经典的CEM方法,在相同的探测概率下,该方法能降低1.97%的虚警概率;与相关目标探测算法相比,所提出的算法具有较好的目标探测效果。

一种多特征转换的高光谱影像自适应分类方法

光谱相似性测度用来衡量像元光谱的相似程度,是高光谱影像光谱匹配分类的重要工具之一,一般通过设置阈值判断像元光谱和参考光谱是否相似来进行分类。在此基础上,本文提出了一种多特征转换的高光谱影像自适应分类方法,实现了各种光谱相似性特征和分类器相结合的一种自适应分类。实验结果表明,本文提出的方法相比于传统的SVM方法,分类的总体精度更高,还可以避免部分传统光谱匹配分类方法中需要专家经验确定分类阈值的复杂过程。