一个基于语义挖掘的遥感影像检索模型

通过建立一个三级影像内容描述模型,挖掘出隐含在不同影像不同区域中的语义特征;假定每一幅影像必包含感兴趣区域和非感兴趣区域,在此基础上重新组织用来描述影像内容的语义特征,利用此特征进行影像检索。实验结果表明,该模型能很好地提取出影像内隐含的语义特征;同时使用感兴趣影像和非感兴趣影像进行检索,能够很好地提高检索精度,并且降低了检索的复杂度。     

基于支撑向量机概率输出的高光谱影像混合像元分解

提出利用支撑向量机(SVM)后验概率来分解高光谱影像的混合像元,通过支撑向量机的输出值转化为两两配对的后验概率,再由两两配对的概率值求得多类后验概率,并以像元所属类别的后验概率作为地物的组分信息。实验结果表明,该方法能较好地估计出混合像元的组分比。     

基于小波的高分辨率遥感影像纹理分类方法研究

在基于小波的纹理分类算法的基础上,提出了逐点特征加权和活动窗口算法,使小波纹理分析能够用于高分辨率遥感影像的分类。逐点特征加权算法用样本的均值和方差构造偏离量,对纹理特征进行自适应加权。实验结果表明,本文提出的算法能够有效地提高分类精度,使地物的内部和边缘的分类效果都得到改善。     

基于二维矢量数字地图的水印算法研究

通过分析MQUAD算法的一些缺陷,提出通过点坐标漂移重置在二维矢量地图中嵌入水印的方法,并通过DXF格式地图予以实现。     

基于地形区域分割的复杂地区遥感影像分类

提出了一种基于地形区域分割的分类方法,在影像中利用地形特征数据预先划分出每种地物的分布区域,然后以区域为基本单位对影像进行分类,同时利用DEM数据对影像进行地形校正,减小了同种地物内部由于地形起伏造成的光谱离散的现象。利用湖北西部山区的TM影像和DEM数据的试验证明,利用地形特征数据进行分割的分类方法与仅考虑光谱特征的分类方法相比较,分类精度有了明显的提高。     

融合形状和光谱的高空间分辨率遥感影像分类

提出了一种像元形状指数及基于形状和光谱特征融合的高（空间）分辨率遥感影像分类方法。形状和光谱是遥感影像纹理的具体表现形式,尤其在高分辨率影像中地物细节得到充分表达,相邻像元的关系及其共同表征的形状特性成为分类的重要因素。本文用像元及其邻域的关系来描述其空间结构,同时为了更全面地利用影像特征,提出了基于支持向量机的形状和光谱融合分类方法。实验证明,该方法计算简便且能有效表达高分辨率影像的地物特征,提高分类精度。     

一种多/高光谱遥感图像端元提取的凸锥分析算法

凸锥分析方法常用于多光谱和高光谱遥感图像的端元提取。遥感图像中的每个像元都可以看作一个多维向量,整幅影像看作由离散的非负向量构成的凸锥,通过寻找凸锥的角点来自动获取图像的端元。本文提出了一种自动选择最佳凸锥角点的方法,应用到传统的凸锥分析方法中,提高了凸锥分析方法的效率。利用模拟数据和真实数据实验验证了算法的可行性。     

利用高光谱对生物变量进行估计

该文分析了非光合背景物质—土壤光谱信号的特点 ,认为利用对光谱信号进行一阶导数的运算就能对混合光谱中的土壤光谱信号进行压缩 ,由此而得到的生物指数如LAI、SApar等的估计值更能客观地反映实际 ,这对于利用成象光谱进行环境应用有很大的实用价值。     

张量分类算法的遥感影像目标探测

提出了一种基于张量学习机的遥感影像目标探测方法。该方法基于张量数据模型和张量代数运算, 针对遥感影像数据多维或高维的特点, 将基于向量的监督法学习机扩展为基于张量的监督法学习机, 然后利用凸函数最优化理论和交互投影迭代法求得张量学习机的最优解。最后分别以高光谱遥感影像和高分辨率遥感影像为例, 使用张量学习机进行目标探测。实验表明, 与支持向量机等方法相比, 本文的方法在保持较高探测成功率的同时更好的抑制了虚警。     

一种基于局部判别正切空间排列的高光谱遥感影像降维方法

提出一种基于局部判别正切空间排列(local discriminative tangent space alignment,LDTSA)的高光谱影像降维方法。LDTSA源于局部正切空间排列(LTSA)中的排列机制,在一个局域块内利用线性局部正切平面对类内样本的流形结构建模,同时还考虑到类间判别信息以最大化判别边界。利用多幅高光谱数据进行降维和分类试验。结果表明,LDTSA主要有三个优点:①在小样本问题上性能稳定;②在降维过程中保持类别间的判别信息;③有效挖掘数据集的几何流形结构。