基于相关向量机的高光谱影像混合像元分解

提出了一种利用相关向量机后验概率进行高光谱影像混合像元分解的方法.基于支持向量机后验概率输出的高光谱影像混合像元分解方法中,类别后验概率需要通过带参数的S形函数近似,而且模型需要通过交叉验证获取较好的规则化系数.相关向量机是在贝叶斯框架下提出的更加稀疏的学习机器,它没有规则化系数,核函数不需要满足Mercer条件.本文从分析支持向量机用于高光谱影像混合像元分解存在的不足出发,介绍了稀疏贝叶斯分类模型和模型参数推断,采用了快速序列稀疏贝叶斯学习算法.通过PHI影像的混合像元分解实验分析,表明了基于相关向量机的高光谱影像混合像元分解方法的优势.

基于红外成像制导的末端瞄准点选择技术

针对美国网络中心机载防御单元(NCADE)的技术特点,提出了一种基于稀疏像素矢量化的红外成像制导末端瞄准点自适应选择算法。从分析助推段/上升段弹道导弹的结构和红外特征入手,将基于灰度直方图的全局迭代阈值法做以推广,提出了基于变换区域的全局迭代双阈值分割,有效地分离了尾焰和蒙皮部分;稀疏像素法的应用可完成对尾焰的快速矢量化,并能根据尾焰和蒙皮成像面积的差异,自动地采取基于蒙皮或基于稀疏像素法的两种途径进行瞄准点选择;单帧初步选择的瞄准点经过方向、距离的多帧判别一致后,最终确定瞄准点。仿真实验证明,文中算法无需人工参与,且中轴线的确定无需遍历所有的目标像素,实现了全过程快速、自适应的瞄准点选择。

基于像素群体特征的直线识别算法研究

目的提高直线识别的准确度和精度,更好地解决线图形的直线矢量化中存在的不足,如细、斜线矢量化效果差,直线易断裂,端点定位不准等.进一步推进工程图纸理解系统的发展.方法依据工程图纸中直线像素群体出现的特征,搜索符合某群体特征的像素群,通过采集试探点组信息来统计判定直线是否可以定向生长,并采用节点窗口定位法提高端点定位准确度.结果实验对比表明:笔者方法受线宽的影响小,增强了抵抗直线断裂的能力,对提高直线识别的质量是有效的.结论基于像素群体特征,结合统计判定直线生长的方法,并在节点定位时适时引入节点窗口定位,使得此方法在直线识别上具有一定的速度与精度优势.

利用概率分类向量机的高光谱影像非线性解混

为提高高光谱影像的解混精度，针对线性解混模型无法揭示混合像元中的非线性特性以及当前非线性解混方法解混精度低的问题，提出一种利用概率分类向量机后验概率进行高光谱影像非线性混合像元分解的方法。在贝叶斯理论框架下，概率分类向量机为基函数权值引入截断Gauss先验概率分布，弥补了相关向量机选取错误类别的样本作为相关向量的不足；模型预测值具有明确的概率统计意义，类别后验概率不需要通过带参数的Sigmoid函数近似，有效地提高了模型的解混精度和稳定性。实验结果表明，与基于支持向量机、相关向量机和线性解混模型相比，所提模型有效地提高了光谱解混精度。