多元互信息在超光谱图像自动配准中的应用

文章提出了一种超光谱图像的高精度自动配准算法。该算法采用多元互信息作为相似性测度,能同时利用多个波段图像的可知信息,并能很好地克服图像光谱特征变化的影响;同时,随机优化算法二阶同步试探随机逼近算法(2SPSA)的应用解决了多元互信息的多参数优化问题;另外,算法的多分辨率实现形式,能明显加快搜索速度并增强优化算法的鲁棒性。实验结果表明该算法能有效地处理超光谱图像配准问题,并能达到亚像素的配准精度。

基于适应度函数和染色体信息量排序的高光谱影像特征选择方法

针对高光谱遥感影像数据中存在较多冗余信息的问题,以染色体的信息量排序为基础,构建联合条件互信息和多元互信息的适应度函数,提高所选特征可以提供的信息量,将适应度函数作为差分进化算法的评价标准,通过最大化适应度函数获得最优特征子集,提出一种新型光谱特征选择算法,使用每条染色体中所选特征的信息量来计算相关性。实验结果表明:在16类地物中该算法在9类上分类准确度最高,说明将基于信息量的相关性的估算作为适应度函数与群体智能优化算法相结合能更好地应用于高光谱遥感影像的光谱特征选择。

结合多元信息聚类与空间约束的遥感图像分割方法

为了解决传统聚类算法对聚类表征特征量的依赖性以及定义的不完备性,结合遥感图像的数据的空间位置关系提出了一种结合多元信息聚类与空间约束的遥感图像分割方法。针对某一聚类数据,以若干数据点(多元)组合的方式遍历其所有数据点,并定义多元组合的互信息,以表征该聚类的类内相似性;通过计算类外像素对类内多元组合的互信息,刻画类间的非相似性。在此基础上建立类内相似性和类间差异性,然后结合两者之间的平衡关系建立目标函数,并将Potts模型扩展到目标函数以加入空间约束,最后通过最大化目标函数实现图像分割。对模拟及真实全色遥感影像分割结果的定性、定量分析表明:结合多元信息聚类与空间约束的遥感影像分割方法可以避免聚类表征特征量的定义,从根本上消除其对图像分割的影响,并充分考虑遥感数据的空间位置关系。