快速实现基于单形体体积生长的端元提取算法

单形体体积生长算法(SGA)是一种比较有效的高光谱图像端元提取算法。为了解决多次顺序计算单形体体积所造成的高计算复杂度的问题,基于高维空间单形体体积计算公式实现SGA(NSGA),推导出两种NSGA的快速实现算法:基于矩阵三角分解的NSGA算法(FNSGACF)和基于分块矩阵行列式的NSGA算法(FNSGA)。FNSGACF主要利用改进Cholesky分解方法,将单形体体积的计算转化为矩阵的三角分解,从而降低了计算复杂度,提高了算法的效率。FNSGA引入分块矩阵的思想来简化矩阵行列式的计算,很大程度降低了计算的复杂性。基于仿真实验研究和真实高光谱图像实验研究的结果表明,这两种快速实现算法都在保持NSGA结果的基础上运行更快,达到了快速实现的目的。     

基于HIS 小波变换和MOPSO的全色与多光谱图像融合

有效的全色图像和多光谱图像的融合方法必须保证光谱和空间信息的最大化. 采用HIS小波融合算法框架, 提出了新的高频系数提取方法和一种新的全色和多光谱图像融合方法. 根据小波变换后高频中的细节以及边缘信息都具有方向性, 而噪声点一般都是孤立点这一物理特性, 设计了一种基于一阶高斯微分的高频系数提取方法.以多个融合评价指标为目标函数, 对HIS小波融合算法中采用不同融合规则得到的结果图像, 通过多目标粒子群优化算法优化加权组合得到最终结果. 对实际TM多光谱图像和SPOT全色图像进行了融合实验比较研究, 结果表明, 改进的高频系数提取方法得到的融合图像在光谱信息和空间信息上都有较好的改善, 用多目标粒子群优化算法得到的结果图像在光谱信息保留上具有较明显的优势且空间信息也得到了较大的提高.     

基于边缘线分析与聚合通道特征的港口舰船检测

针对可见光学遥感图像港口舰船检测过程中,人造目标造成检测结果准确率低、虚警率高的问题,提出了一种基于边缘线梯度特征定位和聚合通道特征的舰船检测方法。基于多尺度多结构元素形态学滤波实现海陆分割;并结合遥感图像中港口的矩形形状特点,定义边缘梯度正切角和港口凹凸度特征以对港口进行定位,获取港口感兴趣区域集合。提取舰船目标的聚合通道特征,并通过聚合通道特征构建的样本训练库和AdaBoost算法完成分类器的训练,利用训练完成后的分类器完成舰船目标的最终判别确认。实验结果表明该算法相较于传统的HOG特征和Haar特征,检测效果良好,准确率和召回率得到较大的提升。     

基于尺度不变特征变换和区域互信息优化的多源遥感图像配准

为了进一步提高遥感图像配准精度, 提出了尺度不变特征变换(SIFT)结合区域互信息优化的遥感图像配准方法. 首先利用混沌序列的随机性和遍历性, 提出一种混沌量子粒子群优化(CQPSO)算法, 在量子粒子群优化(QPSO)算法迭代陷入早熟收敛时, 采用一种新的机理引入混沌序列, 进化粒子克服早熟. 图像配准算法分为预配准和精配准两个过程. 基于SIFT算法提取特征点, 经匹配和有效地外点排除完成预配准, 然后对匹配特征点坐标进行亚像素级微调, 通过最小二乘法求得一系列匹配参数构造初始粒子群, 最后利用混沌量子粒子群优化区域互信息完成精配准, 得到最优匹配参数. 用一些标准测试函数对所提出的CQPSO和QPSO及粒子群优化(PSO)算法进行了实验比较, 另外, 对SIFT, SIFT结合PSO算法优化区域互信息, SIFT结合QPSO算法优化区域互信息和SIFT结合CQPSO算法优化区域互信息(SRC)等四种算法进行了不同分辨率遥感图像配准实验比较和不同时相遥感图像配准实验比较, 实验结果验证了所提出的CQPSO算法的优越性和SRC配准方法的有效性.     

一种高光谱图像高精度配准波段选择方法

针对高光谱图像和高空间分辨率图像配准过程中,各波段之间差异较大难以选择高精度配准波段的问题,提出一种基于Cram′er-Rao下限(CRLB)理论的高光谱图像高精度匹配波段选择算法。利用波段选择的方法选出高光谱图像中若干信息量大、相关性小的波段;将其分别与高空间分辨率图像做配准,并计算配准结果相应的CRLB;根据CRLB选择高精度配准波段。通过比较配准后的CRLB和均方根误差,验证CRLB具有较好配准质量评价性能。通过CRLB与其他方法的选择波段配准结果比较可知,本文算法选择的波段配准精度较高。上述波段为高光谱图像和高空间分辨率图像的配准提供更好的数据。     

基于滑动阵列的高光谱图像非因果实时RXD检测

为了有效缓解海量高光谱数据存储与传输压力并快速精确检测异常目标,提出一种以滑动阵列窗像元为局部背景的高光谱图像非因果实时RXD异常检测方法.利用随数据逐像元接收而滑动的阵列窗确定局部背景像元,运用Woodbury引理,通过矩阵与向量的乘法和矩阵的加减实现局部背景协方差矩阵的求逆运算,在逐像元接收数据的同时实现阵列窗口中心像元的异常检测.模拟和真实高光谱图像实验结果表明,与现有实时检测方法相比,所提方法在检测性能或运行效率上有所提升;相比非实时的滑动阵列RXD异常检测,所提方法时间复杂度更低,处理大小为200×200含189波段的图像,其加速比达到近26倍.实验结果验证了该方法能在不降低检测精度的同时满足低运算量和低存储空间的实时性要求.