基于径向基函数神经网络的高光谱遥感图像分类

从径向基函数神经网络的理论出发,针对高光谱数据的特点,设计了有效的特征提取模型,再与径向基函数神经网络的输入层连接,建立了一个新的径向基函数神经网络的高光谱遥感影像分类模型,并用国产OMISII传感器获得的64波段数据进行试验。首先进行了最小噪声分离变换,提取了1～20个分量的数据,使用提取后的数据（20维）、提取后数据的纹理变换（20维）和主成分分析的前（20维）,组成了60维向量数据进行分类处理,这种分类器结构简单、容易训练、收敛速度快,其分类精度达到69.27%,高于BP神经网络分类算法(51.20%)以及常用的最小距离分类（MDC）算法(40.88%)。通过对结果和过程进行分析,实验证明径向基函数神经网络在高光谱遥感分类中具有较好的适用性。     

Hyperspectral remote sensing image classification based on decision level fusion

To apply decision level fusion to hyperspectral remote sensing (HRS) image classification,three decision level fusion strategies are experimented on and compared,namely,linear consensus algorithm,improved evidence theory,and the proposed support vector machine (SVM) combiner.To evaluate the effects of the input features on classification performance,four schemes are used to organize input features for member classifiers.In the experiment,by using the operational modular imaging spectrometer (OMIS) II HRS im...     

基于非线性光谱混合模型的遥感影像提取城市不透水层

针对传统方法在提取城市不透水层中的许多局限性,采用两种非线性光谱混合分解模型,包括混合调谐匹配滤波和多层感知器神经网络,通过混合像元分解获取城市不透水层.混合调谐匹配滤波利用用户选择的端元,通过最大化端元响应并减少未知背景信息的影响,进行局部分解端元.多层感知器由多个感知器组成,能够很好的进行非线性学习.对Landsa...     

Combined multi-kernel support vector machine and wavelet analysis for hyperspectral remote sensing image classification

Many remote sensing image classifiers are limited in their ability to combine spectral features with spatial features.Multi-kernel classifiers,however,are capable of integrating spectral features with spatial or structural features using multiple kernels and summing them for final outputs.Using a support vector machine(SVM) as classifier,different multi-kernel classifiers are constructed and tested using 64-band Operational Modular Imaging Spectrometer II hyperspectral image of Changping Area,Beijing City.Results show that by integrating spectral and wavelet texture information,multi-kernel SVM classifiers can obtain more accurate classification results than sole-kernel SVM classifiers and cross-information SVM kernel classifiers.Moreover,when the multi-kernel SVM classifier is used,the combination of the first four principal components from principal component analysis and wavelet texture provides the highest accuracy(97.06%).Multi-kernel SVM is therefore an effective approach to improve the accuracy of hyperspectral image classification and to expand possibilities for remote sensing image interpretation and application.     

基于支持向量机的假酒近红外光谱识别分类研究

一般的检测假酒中甲醇的化学方法虽然结果较准确,但操作复杂、费用昂贵且对实验的环境条件要求严格.为此,提出了一种基于支持向量机对掺甲醇的假酒光谱进行识别与分类的方法.采用ASD FieldSpec 3光谱仪测量了样品溶液的反射光谱;通过对反射光谱进行平滑、导数等预处理并进行相关性分析和单变量回归分析,得出假酒中甲醇光谱不被乙醇光谱掩盖的特征峰作为特征谱带;最后用特征谱带训练分类模型并得到分类结果.结果表明:以甲醇含量小于等于3%为真酒的总体分类准确度为85%,以甲醇含量小于等于5%为真酒的总体分类准确度为97.5%;证明该方法是可行的且具有较高的分类准确度.     

Similarity measure of spectral vectors based on set theory and its application in hyperspectral RS image retrieval

In this paper, two new similarity measure methods based on set theory were proposed. Firstly, similarity measure of two sets based on set theory and set operation was discussed. This principle was used to spectral vectors, and two approaches were proposed. The first method was to create a spectral polygon corresponding to spectral curve, and similarity of two spectral vectors can be replaced by that of two polygons. Area of spectral polygon was used as quantification function and some effective indexes for similarity and dissimilarity were computed. The second method was to transform the original spectral vector to encoding vector according to absorption or reflectance feature bands, and similarity measure was conducted to encoding vectors. It proved that the spectral polygon-based approach was effective 'and can be used to hyperspectral RS image retrieval.     

基于光谱特征的高光谱遥感影像检索

面向海量遥感信息管理中遥感影像检索的需求,以高光谱遥感信息为例对光谱特征应用进行了探讨,提出基于光谱特征的遥感影像检索包括基于点源示例的检索和基于面源示例的检索,检索中的关键问题是光谱特征提取与相似性度量。基于光谱曲线的相似性度量可以采用光谱角和光谱信息散度进行;基于光谱特征的检索可以通过提取反射和吸收光谱、光谱特征匹配的方法进行;而光谱曲线量化指标如中心矩、分维数和信息熵等的效果较差,不适宜应用于检索。     

光谱角制图模型的误差源分析与改进算法

在深入分析光谱角制图模型误差源的基础上,指出影响光谱角计算精度的因素主要包括波段位置变化、属性值等比变化、属性值随机变化、波段整体偏移。在分析上述4种情况误差源基本特征的基础上,提出了光谱角分组计算方法、归一化计算方法和交叉计算方法。光谱角分组计算方法在考虑全局特征的同时通过奇数波段、偶数波段分别考虑局部信息,能够解决伪相似问题;归一化计算方法将光谱向量进行归一化,从而抑制了原始数据中的随机误差,主要适用于部分或全部波段属性值有规律或无规律变化的情况;交叉计算方法可以解决由于波段整体偏移引发的误差,保证相似光谱向量的正确识别。试验表明这些算法均具有较好的效果,能够适应处理含有误差数据的要求。     

基于自适应量化的超光谱图像压缩

提出了一种基于谱间预测和小波量化编码的超光谱图像压缩方法。在充分考虑子带图像非平稳特性的基础上,首先实现了子带分类步骤,通过分类设计自适应预测器,提高了谱间去相关效率。由于子带中不同子类表现出了不同的统计特性,所以使用空变均匀阈值量化器完成了量化工作。研究了均匀量化器对不同分布训练样本的率 失真表现,并为相关特性建立了模型描述。基于率失真模型和系数序列的统计特性,提出了一个率分配算法,以便能为不同的子类系数序列设计率失真意义上的最优量化器。实验证明,这种方法能高效地压缩超光谱图像,表现出了优异的压缩性能。     

高光谱遥感信息中的特征提取与应用研究

特征提取、度量与分析是高光谱遥感应用的基础.面向高光谱遥感数据的特点, 将光谱特征划分为点尺度、面尺度和体尺度三个尺度的特征.基于特征属性与算法原理, 构建了光谱曲线特征、光谱变换特征和光谱度量特征三个层次的高光谱遥感光谱特征体系, 并对光谱特征提取与应用进行了深入探讨.光谱曲线特征包括直接光谱编码、光谱反射与吸收特征等, 光谱变换特征包括植被指数、导数光谱等, 光谱度量特征则包括光谱角、SID、相关系数和距离等.在分析特征算法原理的同时对其特点和应用进行了探讨.试验表明四值编码、光谱角和SID在应用中能够取得较好的效果.