基于累加梯度和PCA变换的图像融合算法

为了从不同源图像获取互补信息,获得一幅比任何源图像更准确、全面、可靠的复合图像,提出了一种基于局部累加梯度和PCA变换的图像融合算法。该算法在对源图像进行双树复小波变换的基础上,运用局部累加梯度准则实现融合图像的局部细节系数选取,运用基于PCA变换的选择或平均准则实现融合图像的局部逼近系数选取,并对获得的融合细节系数和逼近系数进行双树复小波反变换得到相应的融合图像。通过计算机仿真,从视觉效果和定量分析可以看出该图像融合算法是有效的。

基于PCA变换与小波变换的多源图像融合算法

在多尺度分解的框架下,针对像素级的多源图像融合,提出一种基于PCA变换与小波变换的图像融合算法。首先将低分辨率的多光谱图像进行主分量变换,得到各主分量;然后将高分辨率图像的信息与第一主分量进行融合,得到新的融合了高分辨率图像信息的第一主分量;最后新的第一主分量与其他主分量进行反变换,得到一幅具有高空间分辨率的多光谱图像。

基于PCA变换的多元遥感影像融合方法研究

基于PCA变换的融合方法是用于多波段遥感图像的第一主分量具有相同均值和方差的高分辨率遥感图像直接代替多波段遥感图像的第一主分量,这样会损失部分多波段遥感图像第一主分量中反映光谱特性的有用信息,使得融合结果图像的光谱分辨率受到较大影响。因此,在PCA变换融合算法基础上引入小波包变换融合算法,保留多波段遥感图像第一主分量中一些反映光谱特性的有用信息,提高融合后遥感图像的效果。

基于PCA变换的多传感器图像融合质量评价

本文利用主成分分析变换的方法对多传感器图像进行融合,针对实验结果从客观定量和主观定性的角度进行了质量评价。

基于PCA变换与小波变换的遥感图像融合方法

针对传统的PCA变换遥感图像融合技术会丢失部分多光谱遥感图像的光谱信息变量,从而造成光谱图像信息域的失真问题提出了基于PCA变换与小波变换的遥感图像融合方法。该方法首先提出多光谱遥感图像信息域的各波段相关矩阵的特征值变量和特征向量域,对多光谱图像进行主分量的变换,继而求得各主分量变量;然后将非灰度图像与多光谱图像信息域的首个主分量做直方图信息变量的匹配,利用小波变换融合方法来实现多光谱图像信息变量的首个主分量与非灰度图像的融合,其多光谱图像的首个主分量被融合结果来替代;最后对多光谱图像信息变量的3个主分量变量作逆主分量变换得到所需的最终融合图像信息域。仿真实验表明,该方法使最终融合的图像在多光谱信息的保持与空间细节信息的增强两个方面的综合性能均得到提高。

基于PCA变换和光谱补偿的遥感影像融合方法

针对传统PCA融合方法光谱失真较严重的问题,本文从分析传感器的光谱响应范围的不一致性入手,通过预判融合图的光谱失真区域,对失真和非失真区域采用不同的融合策略。在非失真区域,采用传统的PCA融合方法进行融合,在失真区域,对第一主成分与全色图像进行小波融合,然后替换第一主成分。并提出了新型的多层融合流程,改善了融合图像走样的问题。实验表明,本文方法可以实现全色与多光谱图像的高保真融合,且方法的适应性较好。

基于PCA变换与HIS变换相结合的Landsat7遥感数据融合方法及其评价

图像融合的目的是通过数据间的复合,从而强调信息的优化,以突出有用的专题信息,消除或抑制无关的信息,改善目标识别的图像环境,从而增加解译的可靠性,减少模糊性,改善分类效果。本文在选择合适的波段组合的基础上,基于PCA变换与HIS变换相结合的融合方法,在尽可能保留光谱信息的同时,提高了图像的空间分辨率,利用信息熵、联合熵、光谱偏差指数等定量评价后,较传统的HIS变换和PCA变换融合方法有了较好的改进,提高了图像的判读和目视解译能力。

基于PCA变换和k近邻法的印刷体数字图像识别

随着当今社会的日新月异及信息化进程的快速发展,我们如今正被数字化时代笼罩着,数字正朝着庖代我们对话语和文字的语言表达、记忆的方向进展。本文通过PCA变换和k近邻法对数字图像识别进行研究,比较了Bayes方法、最近邻法和K-近邻法的识别效率,最后通过PCA变换和K-近邻法的印刷体识别算法的系统设计实验,解释了K-近邻法的识别优势。

基于PCA变换和HIS变换的遥感影像融合

由于HIS变换融合所得的影像光谱失真比较严重,在HIS变换的基础上利用PCA变换对其进行改进,经过试验表明,HIS变换融合可以提高影像的地物纹理特征,但产生较大的光谱失真。而改进的融合方法不仅改善了HIS变换融合导致光谱失真严重现象,而且兼顾了地物细节能力的表达。

基于PCA和NSCT变换的遥感图像融合方法

为了改善非下采样Contourlet变换(NSCT)在图像细节信息表达的缺失问题,提出了一种新的基于主成分分析(PCA)和NSCT的遥感图像融合方法。首先对低空间分辨率多光谱(MS)图像进行PCA变换,提取第一主分量(PC1);其次,对PC1和高空间分辨率全色(PAN)图像进行NSCT变换,对二者的低频系数采用小波变换的融合规则,高频系数采用基于区域标准差自适应加权的融合规则;最后,经过PCA逆变换和NSCT逆变换得到融合图像。仿真实验结果表明,该方法不仅有效地融合了源图像的细节信息,而且得到了较好的视觉效果和较优的评价指标。

基于最小二乘拟合模型和PCA变换的影像融合

针对传统的PCA变换融合法,利用高空间分辨率影像与多光谱影像的线性相关特性,提出了一种基于最小二乘模型和PCA变换的影像融合方法,采用偏差指数、相关系数和信息熵三个指标,对融合结果进行了定量评价。试验结果表明,在提高了多光谱影像空间分辨率的同时,更好地保留了多光谱影像的光谱信息。

用基于IHS变换的SPOT-5遥感图像融合进行作物识别

遥感图像融合可以发挥多源遥感数据的优势。但是由于遥感数据和融合模型的多样性,目前仍难以找到一种适合于各种类型数据之间、各种应用需要的"万能"的融合算法,而是根据特定图像,特定地表覆盖状况和特定应用的需要选择适合的融合模型。SPOT-5图像是一种较新的高空间分辨率遥感图像,目前已用于运行化农情遥感监测,以弥补传统低空间分辨率遥感图像应用的不足。该文将SPOT-5多光谱和超模式全色图像进行融合,以进行中国东北地区大豆识别。对实验数据分别做基于IHS变换和PCA变换的融合处理,通过比较得出,基于IHS变换的融合方法用于SPOT-5遥感图像融合更利于东北大豆的识别。

结合YC_(b)C_(r)和主成分分析的遥感阴影检测方法

针对阴影提取过程中水体等地物会影响阴影检测精度的问题,根据高分辨率遥感影像在YC_(b)C_(r)空间阴影区域的性质,提出了一种顾及水体的结合YC_(b)C_(r)空间与主成分分析(PCA)的遥感阴影检测方法。首先需判断是否有水体,若没有,则利用PCA与经过伽马校正的YC_(b)C_(r)空间变换相结合的阴影检测指数(SII)进行阴影检测;若有,则在此基础上利用水体指数NDWI对融合影像进行水体检测以及小斑块去除后处理,去除水体提取阴影。实验结果表明,该方法检测的正确率高于90%,比NDUI、C1C2C3、SI阴影检测方法更准确,同时能去除水体等对阴影的影响,具有更好的普适性。

基于多种变换的遥感图像新型融合方法

针对多光谱图像空间分辨率低这一特点,提出一种在PCA变换基础上,利用小波变换和高通滤波相结合的图像融合算法。实现了ETM+全色波段与ETM+多光谱波段图像的融合,并从空间纹理信息,光谱真实性两个方面进行定性和定量评价。研究表明,该融合算法产生的光谱失真较小,同时很大程度地保持了高分辨率全色波段的空间纹理细节信息,是一种较好的图像融合方法。

基于IHS变换和主成分分析变换的图像融合

研究了IHS变换和主成分分析(PCA)变换的图像融合方法,并针对IHS变换的融合算法和PCA变换的融合算法的优缺点,提出了一种将两者相结合的算法。通过分析实验数据,验证了改进算法优于原来的基于IHS变换融合算法和基于PCA变换融合算法。

基于小波-Contourlet变换的偏振图像融合算法

针对传统图像的信息保留不充分,以及偏振图像妨碍视觉观察、纹理细节不理想等问题,提出了一种基于小波-Contourlet变换(WBCT)的偏振图像融合算法。首先,将预处理过的4幅偏振角度图像,通过Stokes方法得到偏振强度图像和偏振度图像;后采用WBCT变换分解,低频系数采用PCA变换方法进行融合,高频系数通过区域特性能量的融合规则进行融合,最终的偏振融合图像由WBCT逆变换高低系数获得。实验结果表明,在主观视觉上,图像观察舒适性较好;并且,通过选取方法的对比,融合后的图像在客观评价指标上,皆优于选取的方法。

巴氏距离与PCA结合的人脸识别

利用巴氏距离(Bhattacharyya Distance)和PCA(Principal Component Analysis)相结合进行人脸识别研究,提出了使用巴氏距离和PCA相合的算法对特征进行提取。当特征向量维数高时,首先对样本K-L(Karhunen-Loeve)变换进行降维,然后采用巴氏距离特征的迭代算法,得到最小错误率上界。基于ORL人脸数据库的实验表明该方法的识别性能优于LDA、HPCA、HLDA,采用文中的算法可以有效地提高识别率,减少巴氏距离特征计算时间,具有较强的实用性。

基于主成分分析变换和提升小波的图像融合

为了将低分辨率多光谱图像和高分辨率全色图像有效地融合,提出了主成分分析(PCA)变换和提升小波相结合的融合方法。小波提升后选用不同的融合规则对高低频成分进行融合,并与PCA+DWT和HSV+LWT融合法进行了比较,实验结果表明,该方法较好地保留了多光谱图像的光谱特性,提高了空间分辨率。

基于特征量积与PCA的小波遥感图像融合

在遥感图像融合中,传统PCA算法会损失部分有用信息,从而使得融合结果的光谱分辨率受到较大影响,针对这种情况,借助小波变换优良的时频分析特性,利用特征量积来融合多光谱图像的第一主成分,实现了一种基于特征量积与PCA的小波遥感图像融合算法。通过对来自不同场景不同卫星的多光谱和全色图像进行融合实验,结果表明,该算法无论在主观视觉还是在客观统计数据上,均具有比其他方法较佳的融合效果。

基于K-SVD和PCA运动属性字典学习的行为识别

本文提出了一种基于K-SVD和PCA运动属性字典学习的行为识别方法。首先采用混合高斯背景建模提取运动目标前景,并对其提取四通道光流特征;然后在字典学习阶段对于输入特征采用K-SVD学习过完备初始字典,对初始字典进行PCA变换进一步学习更为紧致的字典,减少原子间的相关性;最后采用OMP算法求解稀疏系数来表征目标的行为。利用本文提出的方法在CASIA数据集上进行测试,实验结果表明该方法具有较高的识别率。