基于统计学的最近邻查询中维数灾难的研究

对高维数据空间中维数对最近邻查询结果的影响作了研究，提出了对这种影响的评估方法，基于统计学，证明了在一定条件下，相似性查询的不稳定性，以及其随维数的增加恶化程度的分布规律。给出了两个关于距离的统计量的分布，可以对最近邻查询问题进行理论估计，并通过实验结果验证了理论的正确性。     

基于均值漂移法进行多光谱遥感聚类研究

传统的聚类方法大都是基于空间划分的方法,一般都假设数据符合混合高斯模型。这在实际应用中往往是不成立的。在大部分模式分类的问题中,常见的参数形式不适合实际遇到的概率密度,特别是所有经典的参数密度都是单峰的,而一般遥感图像都是包含多峰的密度,因此分类结果往往不够精确。用于模式分类的非参数方法正是解决这类问题的一个重要途径,可以从本质上克服这一缺陷,而且可以发现任意形状的聚类。均值漂移方法是基于密度估计的非参数聚类方法,遥感图像的聚类分析可以通过均值漂移方法来实现,而且均值漂移过程不需要预先给出地物的类别数目,在聚类过程中自动确定类别数,这对于图像中类别数目不易确定的情况,给非监督遥感图像聚类带来方便。     

多对象的最近邻查询

最近邻查询是地理信息系统等领域经常遇到的问题，该文在最近邻查询的基础上提出一种多个对象的最近邻查询，并利用已有的R-树最近邻查询方法实现多个对象的查询，该方法不同于普通的最近邻查询，是一种新的方法，在实际应用中也很有意义。     

联合形态滤波和MRF模型的红外小目标检测

针对复杂背景下红外弱小目标检测难题,提出一种基于自适应形态滤波和Markov随机场(MRF)模型的小目标检测算法。设计基于图像局部熵优化的自适应形态滤波器,采用该滤波器进行背景杂波抑制和目标增强,利用MRF理论描述图像像素间关系,构造新的势函数和能量函数,建立目标检测识别模型,通过模型计算自动识别出红外图像中的小目标。理论分析和实验结果表明,该算法可在复杂背景下自适应地抑制背景杂波,成功检测出红外小目标。     

一种基于彩色图像分割的车牌检测方法

提出一种彩色图像车牌检测方法,主要包括三个步骤,首先对车牌图像执行多尺度区域生长分割,然后在分割结果中进行车牌区域的粗定位,最后对粗定位提取的车牌区域作精确定位分析.区域生长分割方法可以产生封闭的区域,容易提取其形状信息,而长矩形是车牌目标一个显著特征,因此可以通过形状信息检测车牌.在图像分割中,采取多尺度的分割方法,生成多个不同细节程度的分割结果.在每个分割图像中搜索具有车牌外形特征的图像区域,初步检测出候选车牌目标.根据车牌字符的大小和笔画特征,对候选车牌区域进行精确判别分析,得到最终的车牌检测结果.实验部分验证了车牌检测的有效性.     

训练样本数目选择对面向对象影像分类方法精度的影响

面向对象遥感影像分类中的样本选择与基于像素的方法有很大不同,基于统计学理论,研究了面向对象方法的样本数量选择问题。首先,针对面向对象方法的特点,对影像特征空间进行分析,结果表明面向对象方法中要求训练样本的数量可以显著地减少。然后,在遥感影像分类实验中,借助样本数量与波段数目的关系,验证了理论分析的结果。     

基于QPSO和统计特征的红外与可见光图像融合

为解决红外图像与可见光图像融合中融合图像质量不高问题,提出了一种结合量子粒子群优化和邻域统计的图像融合方法。红外和可见光源图像经过多尺度分解成为低频和高频子带。对低频子带,采用系数加权平均的融合策略,并通过量子粒子群优化方法搜索最优的融合权值;对于高频子带,采用受邻域统计信息调制的系数比较取大融合策略,通过逆变换重构图像得到融合结果。实验结果表明该算法能够很好地将红外图像与可见光图像进行融合,且融合效果优于其它一些算法。     

类别划分对特定类别信息提取的影响

遥感影像信息提取包括分类和特定类别提取,特定类别提取精度是随着特征空间的类别划分变化的,研究了类别划分对特定类别信息提取的影响。基于贝叶斯分类器,理论上分析了类别划分对特定类别提取的影响,对不同类别划分的特定类别提取进行实验研究,表明不同类别划分下的特定类别信息提取精度不同。为了确定合适的类别划分,提出基于散布矩阵的类间可分性的类别划分选择方法,并由实验结果进行了验证。     

基于背景估计的红外图像杂波抑制方法研究

背景估计是背景杂波抑制和图像增强的重要方法,在低信噪比红外目标检测技术研究中备受青睐。提出了一种改进的形态滤波背景估计新方法。首先通过图像局部熵计算和分析建立了结构元素尺度与局部熵的对应关系,在目标特征分析的基础上对结构元素形状进行优化,然后采用形态滤波估计图像背景,实现背景杂波抑制和图像增强。仿真实验结果表明了算法是有效的。     

基于最近邻的遥感影像单类信息提取

遥感影像单类信息提取是一种特殊的分类,旨在训练和提取单一兴趣类别。研究了基于最近邻分类器的单类信息提取方法,包括类别划分和样本选择问题。首先分析论证了最近邻方法提取单类信息只与所选择的样本相关,而与类别划分无关,因此可以将单类信息提 取作为二类分类问题进行处理。然后在二类分类问题中,根据空间和特征邻近性选择非兴趣类别的部分训练样本,简化了分类过程。实验结果表明,所提出的方法可以有效实现遥感影像单类信息的提取。