基于光谱空间密度分析的边缘提取

针对传统的边缘提取方法大部分不适应高光谱数据的特点，提出了基于光谱空间密度分析边缘提取的思想。在分组主分量变换提取第一主分量作为特征维的基础上，采用面向对象的二次判别边缘的方法，通过立体判决将光谱空间中低密度超椭球体集群视为真实边缘点集群。试验表明，此方法是合理可行的。     

改进的残差3D-CNN的高光谱遥感影像分类

针对高光谱遥感影像分类中空间特征和光谱特征利用率低问题，该文综合三维卷积神经网络、谷歌神经网络和残差神经网络的优势，提出融合改进Inception模块的残差三维卷积神经网络高光谱遥感影像分类方法。改进后的Inception模块包括4条不同的卷积层分支，用以提取蕴涵在高光谱遥感影像中多尺度的特征；利用了3D卷积核代替2D卷积核能直接同时提取高光谱遥感影像中更丰富的空-谱特征；通过残差结构连接分支提取特征缓解了梯度消失的问题，提取更深层次的特征。实验表明，该文算法不仅提高了条状和线状地物区域的边缘分类准确率，对小目标的分类能力也得到了增强。     

光谱影像的灰度矢量相关特征与边缘特征提取

提出了多光谱图像像元特征矢量之间的极小互相关系数，极大互相关系数及互相关差值和相关密度的概念，在对模拟图像进行矢量相关分析及其对边缘提取的有效性分析基础上，提出对多光谱图像采取像元特征矢量相关分析并提取边缘信息的方法，对TM图像进行试验分析的结果说明了此方法的有效性。     

高光谱目标探测的进展与前沿问题

针对高光谱目标探测问题的主要挑战,将高光谱目标探测的进展与前沿问题分为两个方面进行综述。基于信号检测理论的方法如结构化背景的约束能量最小化方法、非结构化背景的自适应一致性余弦评估器等,是高光谱目标的探测经典算法;随着统计模式识别与机器学习领域中新技术的出现,一些数据驱动的目标探测方法逐渐成为了高光谱目标探测的前沿问题,如核方法、稀疏表达方法等。概述了两类方法的特点,比较了各自的优势和不足,并展望了高光谱目标探测未来的发展趋势。     

高光谱影像中人工目标非监督提取的投影寻踪方法

在高光谱影像应用中,小人工目标的提取是非常重要但非常困难的,投影寻踪是在保留感兴趣信息的基础上通过投影高维数据集到低维数据空间,由于隐藏在复杂背景中人工目标在高光谱影像中光谱特征异常,提出一种基于投影寻踪技术的人工目标提取方法,在寻找最佳投影方向上采用演化算法.     

高光谱遥感数据的DNA计算分类

提出了一种基于DNA计算的高光谱遥感数据光谱匹配分类新方法。该方法利用DNA编码提取各类地物光谱所携带的物理吸收与反射特征信息,将地物光谱特征转换为DNA编码空间特征,通过DNA计算基因操作寻找各类地物最典型的DNA信息链。在此基础上,利用DNA计算原理建立一系列模糊规则,对高光谱数据进行光谱匹配分类。通过与传统的光谱匹配算法(二值编码,光谱角,光谱差分特征编码)的分类结果进行比较,证明该算法分类精度优于传统高光谱数据的光谱匹配分类方法,具有实用价值。     

利用高光谱遥感影像纹理滤波的城市居民地识别

高光谱影像具有丰富的光谱和空间结构信息,传统的基于光谱特征的分割方法易使分割区域过于细碎,从而降低了居民地信息提取的精度。尝试将纹理信息引入到特征空间,以提高信息识别、提取的精度。纹理信息采用多尺度3D-Gabor滤波器对经过特征选择后的高光谱影像进行滤波,进一步计算纹理能量和纹理特征,然后利用多特征聚类实现图像的初步分割,最终通过形态学方法获取影像中的居民地信息。实验表明,基于3D-Gabor滤波的方法能有效地识别、提取高光谱影像中的居民地信息。     

一种结合空间信息的改进N-FINDR算法

提出一个在N-FINDR算法基础上结合空间信息进行端元提取的方法,该方法从空间预处理、提取端元候选集、新的体积算法三个方面对N-FINDR方法进行了优化,通过人工模拟数据和实际高光谱数据两种类型三组数据验证改进方法的有效性。实验结果表明,结合空间信息的端元提取方法有效提高了端元提取的准确性,取得更好的效果。但是限于几何模型的假设,寻找最大体积单形体的顶点并不能对所有复杂的数据都有效,容易产生端元光谱混淆的高光谱图像并不能很好的提取所有的纯正端元。     

面向高光谱影像分类的显著性特征提取方法

针对高光谱影像分类问题，提出了一种显著性特征提取方法。首先，利用超像素分割算法将高光谱影像3个相邻波段分割为若干个小区域。然后，基于分割得到的小区域计算反映不同区域的显著性特征。最后，沿着光谱方向采用大小为3、步长为1的滑窗法获得所有波段的显著性特征。进一步将提取的显著性特征与光谱特征进行结合，并将结合后的特征输入到支持向量机中进行分类。利用Pavia大学、Indian Pines和Salinas 3组高光谱影像数据进行分类试验。试验结果表明，与传统的空间特征提取方法和基于卷积神经网络的高光谱影像分类方法相比，提取的显著性特征能够获得更高的高光谱影像分类精度，且结合光谱特征能够进一步提高分类精度。     

高光谱图像滚动引导递归滤波与地物分类

高光谱图像类内光谱变化较大,"同物异谱"现象普遍存在。利用原始地物光谱特征进行分类精度较低而且分类结果图中存在"椒盐现象"。为了获得好的分类结果,必须充分利用高光谱图像的光谱信息和空间信息,减少类内的光谱变化,并扩大类别间的光谱差异。为此,提出一种滚动引导递归滤波的高光谱图像光谱—空间分类方法。首先,利用主成分分析对高光谱图像进行降维;然后,利用高斯滤波对输入图像进行模糊化,消除图像中的噪声和小尺度结构;接下来,将模糊化后的图像作为引导图像,对输入图像进行边缘保持递归滤波,输出结果作为新的引导图像,重复迭代这个过程直至大尺度边缘被恢复;最后,利用提取的特征波段和支持向量机对高光谱图像进行分类。在两个真实高光谱数据集上进行了分类实验,结果表明本文方法的分类精度优于其他的高光谱图像分类方法。在训练样本极少的情况下,本文方法也能获得较高的分类精度。     

任意方向对称差值核的SAR图像边缘提取算法

由于现有边缘检测方法多存在对图像噪声的敏感性以及检测边缘的有限方向性等问题,因此在斑点噪声的影响下难以有效检测SAR图像中具有任意方向性且强度相近的区域间边缘。本文提出了一种任意方向对称窗口的SAR图像边缘提取算法。首先,以任意像素在图像中的格点位置为对称中心构建任意方向上的对称窗口;定义各窗口内像素到中心像素距离的核函数;以像素核函数为权重分别计算两对称窗口内像素光谱测度的加权平均值,并定义两者之差的绝对值为该方向上该像素隶属边缘的强度;选取所有方向中最大边缘强度作为边缘像素的判别标准。为去除错误提取的边缘像素,设计基于滤波操作的后处理过程。对模拟图像提取结果的定性及定量分析表明提出算法可在一定程度上克服噪声影响,较为准确地提取任意方向的边缘。     

基于直线感知增强的边缘提取算法

根据视觉识别边缘的感知特性,提出了一种基于直线感知增强的弱边缘的边缘提取算法。借鉴视觉的直线感知方式,针对弱边缘整体上呈直线分布的特点将其筛选出来,进行编组、连接和扩展。与Edison边缘提取算子的比较实验证明,本算法在对弱边缘的提取和虚假边缘的抑制上有显著增强。     

Remote sensing classification approach to large-scale crop cultivation identification: A case study of the Aral Sea Basin

Since the collapse of the Soviet Union, the crop cultivation structure in the Aral Sea Basin has changed dramatically, and these changes are worth studying. However, historical crop remote sensing mapping at the watershed scale remains challenging, especially crop misclassification at the cropland edge due to mixed pixels. Therefore, we proposed a field segmentation approach to constrain field edges based on time-series Sentinel-2 remote sensing images and the Google Earth Engine platform and then employed the random forest algorithm to perform crop classification based on time series Landsat/Sentinel-2 images and crop phenology information to produce historical crop maps in the Aral Sea Basin from the 1990s onward. The results showed that the intersection over union between the extracted field edges and in situ-measured field size data was 0.65. The overall accuracy of crop mapping was 95.2% in 2019. Then, we extended our method to historical mapping over the 1991–2015 period with accuracies ranging from 82.8% to 91.3%. Moreover, our method applied to historical mapping works well in terms of accuracy and policy matching. These findings indicate that our method can accurately distinguish cropland edges to reduce classification errors due to mixed pixels. This method is promising for solving the cropland edge problem for historical crop mapping in the Aral Sea Basin and can potentially provide a reference for historical crop classification in other watersheds of the world.     

基于梯度幅度直方图和类内方差的边缘提取方法

针对复杂背景中目标边缘提取的问题,提出一种基于梯度幅度直方图和类内方差进行边缘提取的新方法———CAGH(cluster algorithm based on gradient histogram)算法。该算法先分析经“非最大梯度抑制”后的梯度幅度直方图的特征,确定边缘集中区域,再通过类内方差确定梯度阈值,并利用该阈值确定边缘。在车牌识别中运用该方法提取复杂背景中的车牌边缘,并与Sobel、Canny等算法进行了比较。结果表明,CAGH算法适应性强、提取效率高,提取的是连通性、独立性好的单像素边缘,有利于后续的特征提取和模式识别。     

SAR图像ROEWA边缘检测器的改进

针对指数加权均值比(ROEWA)边缘检测算子无法准确确定边缘位置和边缘方向的问题,对其表达式进行了改进。重新定义了反转的、带符号的、归一化最小指数加权均值比(IROEWA),作为边缘强度指标,来量化描述边缘的跃变程度,并在此基础上准确计算出边缘的方位。同时将改进的非极大值抑制算法应用到边缘检测流程中,对IROEWA得到的边缘强度图进行后处理。针对自然SAR图像和仿真SAR图像的实验都表明,改进算法能够得到比ROEWA加分水岭分割的原始算法更好的边缘检测结果。利用接收者操作特征(ROC)曲线,对改进算法进行量化评价,其曲线下面积(AUC)可达0.97570,非常接近理想的检测器;在其ROC曲线的最优点处,检测率可达0.95232,而虚警率仅为0.00214左右。     

四叉树与多种活动轮廓模型相结合的遥感影像水边线提取方法

通过对测地线活动轮廓(GAC)模型、Chan-Vese(CV)模型、局部二值拟合(LBF)模型的分析,将基于边缘和区域的活动轮廓模型以及基于四叉树的影像分割方法有机结合,提出了一种基于四叉树和多种活动轮廓模型的水边线提取方法。该方法首先对影像进行四叉树分割,为模型演化提供初始轮廓;然后利用CV模型的全局区域图像统计信息和LBF模型的局部区域图像统计信息构造新的符号压力函数,利用改进的符号压力函数代替GAC模型的边界停止函数,有效地改善了GAC模型提前停止演化和过度演化的问题;最后采用二值选择和高斯滤波正则化水平集方法(SBGFRLS)进行演化,避免了重新初始化和规则化,提高了水平集演化的效率。试验结果表明该方法对于包括弱边缘和严重凹陷边缘的水边线提取效果均良好,具有亚像素提取精度,并且提取速度快、稳定性好。     

结合模糊分割和遗传算法的航空影像车辆提取方法

利用高分辨率遥感影像实现道路车辆监测在交通管理系统中占有重要地位,然而受成像条件及车辆本身颜色多样性的影响,很难从遥感影像中直接提取道路车辆。为此,本文提出了一种结合遗传算法和数学形态学的遥感影像道路车辆提取方法。首先利用模糊聚类方法建立影像分割模型,并利用遗传算法对其进行求解,从而实现影像中道路、车辆及环境的精确分割;然后对分割结果中不同层进行赋值,实现分割结果的二值化;最后利用数学形态学操作从分割的道路-车辆的二值结果中剔除道路,从而实现道路车辆的提取。利用本文方法对航空影像进行了道路车辆提取试验。试验结果表明,本文方法不仅能够准确识别地面车辆位置,还能精确提取其轮廓线。     

基于AMSS方程的道路影像去噪方法

对道路影像进行去噪处理是道路提取(识别)的重要前提步骤,处理过程中不仅对滤波器的去噪性能有较高的要求,同时对其保持边界的性能要求更高。AMSS(Affine Morphological Scale Space)方程是唯一同时满足对比不变性和仿射不变性的方程。文中从AMSS方程的理论基础着手,从数学角度深入分析了用该方程进行图像处理时能够使图像在去除噪声和保留边缘信息之间达到平衡的内在机理。然后,通过对用于道路提取的遥感影像特征的分析,研究了AMSS方程在遥感影像道路处理中的应用。理论分析与试验表明,文中提出的方法具有良好的效果。     

基于AMSS方程的道路影像去噪方法

对道路影像进行去噪处理是道路提取(识别)的重要前提步骤,处理过程中不仅对滤波器的去噪性能有较高的要求,同时对其保持边界的性能要求更高.AMSS(Affine Morphological Scale Space)方程是唯一同时满足对比不变性和仿射不变性的方程.文中从AMSS方程的理论基础着手,从数学角度深入分析了用该方程进行图像处理时能够使图像在去除噪声和保留边缘信息之间达到平衡的内在机理.然后,通过对用于道路提取的遥感影像特征的分析,研究了AMSS方程在遥感影像道路处理中的应用.理论分析与试验表明,文中提出的方法具有良好的效果.