低质量遥感图像的时空两维联合挖掘实现仿真

研究遥感图像的准确挖掘定位问题。在遥感图像采集中,大量的低质量图像会使真正需要定位图像的特征变模糊。传统的基于决策树的图像挖掘分类器,无法处理低质量图像中存在的数据缺失以及噪声干扰,导致图像数据库中某些属性的字段缺值或数据不完整或丢失,使产生的决策树无法对图像数据进行有效的挖掘分析。提出一种时空两维联合的低质量图像挖掘方法。首先,在Apriori算法中融入时间维度以及空间维度。然后,在不同的时间段以及空间层中,通过最小能耗监控单元,塑造分时分层的数据挖掘模型,挖掘出更多的图像关联知识。最后,采用自适应遗传方法对算法的挖掘过程进行优化,避免算法出现局部最佳解。仿真实验结果表明,改进方法的挖掘时间开销以及空间开销都优于决策树方法,能够对低质量遥感图像进行快速、准确的挖掘,具有较高的应用价值。

低质量图像的时空两维联合挖掘实现

采用时空两维数据联合挖掘的方法,对低质量的图像在时间维和空间组成图像的输入,采用两维数据挖掘的方法同时在时间域和空间对图像信息进行提取,由于空间与时间域信息具有一定的信息耦合性,所以此方法能很好地实现信息挖掘。采用一组3帧图低质量像进行挖掘实验,结果显示,采用时空两维数据联合挖掘方法,可以很好地从低质量的图像中提取出信息,具有很好的应用价值。

Bj?rck-Schmidt正交化微波凝视成像方法的研究

微波凝视成像作为一种新的成像模式,依靠多个相互独立的天线阵元发射随机信号,在空间形成时空两维随机辐射场,将回波信号形成的辐射场与预存的随机辐射场进行关联处理,从而实现成像。由于电磁信号在空间形成的辐射场具有很强的相关性,因此在进行直接关联处理后,得到图像的副瓣很高。本文针对上述问题提出对预存辐射场分别进行Schmidt及Bj?rck-Schmidt正交化处理,减小了邻近单元散射电磁信号的相关性,从而抑制了目标的副瓣,图像的信噪比得到提高,最终获得良好聚焦的图像。文中给出了直接关联处理及Schmidt和Bj?rck-Schmidt两种正交化方法性能的对比,同时对预存辐射场正交化处理后的信号特性进行了分析。仿真实验证明了Bj?rck-Schmidt正交化方法可以明显降低目标的副瓣,进而说明了该方法的有效性。