基于分形纹理的遥感图像岩性识别方法

根据分形理论和遥感影像的特征，本提出一种图像分形纹理计算方法。分形纹理能够准确刻画图像的空间特征信息，在遥感图像分类中作为空间特征信息的补充。利用该方法在河西走廊酒泉盆地的红柳峡地区进行了TM图像的岩性分类实验，当只采用原始TM六个波段图像分类时，精度仅为71．62％，而采用分类纹理信息时分类精度则提高到79．54％。说明分形纹理对岩性空间特征信息有较好的描述，将分形纹理信息配合原始波段进行岩性识别时，总体识别精度达到87．93％．提高了16．3个百分点。因此，该分形纹理对于图像空间特征信息的描述具有重要意义。     

基于分形维数的全色影像云雪自动识别方法

由于云、雪光谱特征在可见光谱段范围内的相似性,全色影像的云检测和云雪识别一直是对地观测遥感数据预处理及应用中的难点之一。细致分析了云、雪的纹理特征,通过训练大量的实验样本获得了表征云、雪纹理特征的分形维数值的统计规律,在此基础上综合考虑云\,雪的纹理特征与覆盖分布规律,提出了一种基于分形维数的全色影像云与积雪自动识别方法。利用"北京一号"小卫星实际图像的测试结果表明,该方法是一种有效的全色影像云\,雪自动识别方法。     

结合稀疏识别的自适应Wallis滤波在高分辨率影像控制点匹配中的应用

目的：随着国内遥感卫星的迅速发展,卫星图像的图幅越来越大,分辨率越来越高。在轨遥感图像的几何精度评价,要求从待评遥感图像和多源参考图像之间精确地提取出分布均匀的控制点信息。使用Wallis滤波对高分辨率影像进行增强时,会产生过增强和饱和现象,影响了控制点提取效果。为了克服上述缺陷,提出了一种基于稀疏识别的自适应Wallis图像增强算法。方法：首先计算图像子区域的辐射质量参数并构建分类特征;然后通过稀疏识别算法确定子区域的地物类型;最后根据子区域所属地物类型,选择不同的Wallis滤波参数,实现整幅图像的自适应增强,并在增强的遥感图像上提取控制点信息,实现遥感图像的几何精度自动化评价。结果：针对资源三号影像的实验结果表明,针对不同的子区域地物类型进行自适应Wallis增强,有效防止了基于全局统一参数的Wallis滤波带来的过增强和饱和现象,有效增强了高分辨率图像的纹理。结论：本文提出来一种新的高分辨率遥感影像增强策略,增强了高分辨率图像的纹理,提高了控制点的获取数目和准确率。     

林业土地信息管理中的多源遥感图像融合技术

多源遥感图像为林业土地监测提供了更为丰富、精确和详尽的动态信息,提升了遥感技术科技含量和应用价值,在林业土地信息管理中得到日益广泛的重视和应用.然而多源遥感同时也增加了有效图像信息的识别问题.结合多源遥感图像融合的信息处理特点,采用基于模糊径向基函数网络、模糊Kohonen神经网络和模糊自适应谐振网的计算机图像目标识别技术,自主开发设计软件对高分辨率SPOT全色影像的多波段数据信息进行图像融合类别判断.实验证明模糊Kohonen神经网络在识别的精度、速度以及识别率是最佳方法.     

遥感图像处理技术在人脸识别中的应用研究

计算机人脸自动识别与遥感地物计算机判读在原理与技术上有许多相似,本实验表明,利用遥感图像处理软件对人脸图像进行裁剪、像元分类统计再结合相关计算可比较好的实现人脸识别.充分利用遥感图像处理研究成果可以促进人脸自动识别应用研究的深入进行.     

联合快舟一号影像纹理信息的城市土地覆盖分类

仅依靠光谱信息无法满足高分辨率遥感分类的应用需求,辅之以纹理特征信息进行分类,可提高影像分类精度。利用KZ\|1卫星影像和Landsat\|8卫星影像数据,基于面向对象的影像分割法和灰度共生矩阵纹理分析法对新疆石河子市局部城区进行了地表覆盖分类实验,将不同空间分辨率的全色影像纹理信息、光谱信息构成多种影像特征组合进行分类比较研究,以选择最佳的分类特征集。结果表明:KZ-1影像能为城市区域的土地覆盖分类提供丰富的纹理信息,面向对象的影像分割可较好地利用高分辨率数据的几何结构信息实现优化的影像分割,从而提高多光谱影像的分类精度,总体分类精度为90.06%,Kappa系数为87.93%,比单纯利用光谱信息分类的总体精度提高了8.02%,Kappa系数提高了9.65%,表明KZ\|1数据可为光谱分类提供丰富的纹理信息,从而提高城市区域的土地覆盖分类精度。     

融合高分辨率遥感影像和POI数据的多特征潜在语义信息用于识别城市功能区

准确识别和划分城市功能区对合理规划城市发展和解决城市问题具有重要作用。遥感影像拥有丰富的光谱纹理特征但难以表征建筑物的社会经济属性,而社交媒体数据等城市数据为城市研究与应用提供了丰富的数据资源,补充了遥感影像所缺失的建筑物内在特征。融合高分辨遥感影像和POI数据的多特征信息,利用嵌入主题模型挖掘其潜在语义信息识别城市功能区。以宁波市2个典型的城市商业区为研究区设计3个实验,验证该方法的效果和性能。研究结果表明:该方法能够取得85.67%和85.78%的分类精度,并准确识别出城市功能区。同时,光谱、纹理、几何和POI特征组合的多特征信息能够明显提升城市功能区的识别精度,并且嵌入主题模型能够更好地挖掘多特征的高层次潜在语义信息,效果明显优于pLSA、LDA和STM 3种主流模型。     

机器视觉和AdaBoost的柑桔溃疡病自动检测

将计算机视觉技术应用于柑桔病害识别问题,实现了快速准确的识别柑桔溃疡病.从特征构造,特征选择和识别系统设计三方面进行了研究.在特征构造上采用了Gabor变换,边缘识别等方法得到了包括颜色、纹理及形状的综合特征;在特征选择上采用了AdaBoost算法实现;最后通过AdaBoost学习方法构造分类器并利用滑动窗口技术进行病害区域检测.实验结果证明该方法对柑桔溃疡病其识别准确率高于95%,在训练轮数较多的情况下能够接近99%的识别率,且该识别率较稳定.实验结果显示计算机自动识别效果与专家目测相当,在生产中具有一定的实用价值.     

基于改进决策树分类算法的遥感影像分类研究

针对现有分类器对遥感影像分类结果存不准确的问题,本文提出了一种基于决策树分类器的遥感影像分类方法,该方法以复合决策树Boost Tree思想为基础,首先利用分形理论中的毯模型提取遥感影像的纹理特征,根据遥感影像分类的特点,构造新的单棵决策树生成算法对遥感影像进行分类。以北京市五环内区域为研究区,使用landsat7 ETM数据源,实现了基于分形纹理特征、光谱特征的改进决策树分类。实验结果表明：通过毯模型提取的纹理特征可以很好地表达表面特征,辅以该纹理信息的改进决策树分类精度相比于只用光谱信息进行分类的精度有一定的提高,改善了分类效果。     

基于断口图像纹理特征提取仿真方法研究

研究准确识别断口图像特征很重要,断口图像的识别是进行金属材料失效分析的重要组成部分,而图像纹理特征的提取则是识别的最关键的环节.应对金属断口的特征、性状、形貌等进行识别.为了提高识别断裂机理和准确识别断口形态,可而更好地指导生产实践,并为机械产品的设计和制造提供依据.提出采用小波分析方法,对金属断几图像进行分解、提取其能量纹理特征进行了相关实验,并在分类中进行实验,证明了小波分析提取的纹理特征对金属断口图像分类精度和识别精度都得到了提高.