基于微种群遗传算法和自适应BP算法的遥感图像分类

介绍了采用微种群遗传算法和自适应BP算法相结合的混合遗传算法来训练前向人工神经网络(BPNN)的方法。即先用微种群遗传学习算法进行全局训练,再用自适应BP算法进行精确训练,以达到加快网络收敛速度和避免陷入局部极小值的目的。将此算法用于遥感图像分类,网络的训练速度及分类结果表明,该算法收敛速度较快,预测精度较高。     

高分辨率合成孔径雷达图像的Gamma分布下最大后验概率降斑算法

针对传统的Gamma分布下最大后验概率降斑算法不能有效保留均匀区域的点目标, 不能有效保留弱边缘以及不能有效滤除强边缘区域的斑点等问题, 提出了基于第二类统计量的先验参数估计的高分辨率合成孔径雷达图像Gamma 分布下最大后验概率降斑算法. 使用Mellin卷积和斑点的乘性模型, Gamma先验分布的参数可由观察图像的前两阶对数累积量精确估计.所提算法具有解析的滤波输出, 便于实现.农田和城区的高分辨率合成孔径雷达图像的降斑实验表明, 与传统的Gamma分布下最大后验概率降斑算法相比, 所提算法既能有效保留均匀区域的点目标, 又能有效保留弱边缘, 还能有效滤除强边缘区域的斑点. 关键词： 高分辨率合成孔径雷达图像 Gamma分布下最大后验概率降斑算法 第二类统计量 对数累积量     

合成孔径雷达图像的Contourlet域空间选择滤波降斑算法

合成孔径雷达(SAR)图像的相干斑噪声降低了影像分割和分类的效果,会导致影像判识困难。结合Con-tourlet系数的结构特点和SAR图像相干斑乘性噪声模型,提出了一种新的基于Contourlet变换的降斑算法。该算法利用信号与噪声在Contourlet域尺度间相关性的不同,通过空间选择滤波对系数进行分类,采用混合分布模型,实现了SAR图像的降斑处理。实验结果表明,该算法不仅能有效地抑制相干斑,而且还能有效地保护图像的细节特征。     

中药光谱成像图像自适应区域增长分割方法

为了消除背景噪声对药材光谱图像检测结果的干扰,根据中药材光谱图像的特点,设计一种能够自适应对中药材光谱图像进行有效区域(ROI)分割的区域增长算法。该区域增长算法根据药材光谱图像的灰度直方图分布来自动选取种子点和分割阈值,在生长的同时进行连通性分析,生长结束后通过区域填充技术来消除图像中出现的孔洞。实验表明:该方法能够自动、准确地进行ROI分割,分割偏差小于8%,并且能较好地消除噪声的干扰,没有产生无意义的生长区域。     

高光谱图像自适应核联合表示异常检测

针对高光谱图像目标检测问题,提出了一种基于自适应核联合表示的高光谱图像异常检测方法。相比于稀疏表示强调系数向量的稀疏性,基于联合表示的检测算法更强调背景字典中每一原子对联合表示的贡献,并且系数求解更加简单直接;在基于向量2-范数极小化问题求解联合表示系数时,引入相似性正则化矩阵与和为1的条件对系数进行约束,以增强算法的稳定性和分辨力;进而将联合表示检测算法扩展到核空间,利用高光谱图像的局部统计特性进行核参数自适应选取,增强了核参数的局部适应性。为验证该方法的有效性,采用一幅实测高光谱图像中的两个感兴趣区域进行仿真实验,并与传统异常检测方法的检测结果进行对比分析,结果表明该方法具有较传统异常检测方法更出色的检测效果。     

高光谱图像自适应核联合表示异常检测

针对高光谱图像目标检测问题,提出了一种基于自适应核联合表示的高光谱图像异常检测方法。相比于稀疏表示强调系数向量的稀疏性,基于联合表示的检测算法更强调背景字典中每一原子对联合表示的贡献,并且系数求解更加简单直接;在基于向量2-范数极小化问题求解联合表示系数时,引入相似性正则化矩阵与和为1的条件对系数进行约束,以增强算法的稳定性和分辨力;进而将联合表示检测算法扩展到核空间,利用高光谱图像的局部统计特性进行核参数自适应选取,增强了核参数的局部适应性。为验证该方法的有效性,采用一幅实测高光谱图像中的两个感兴趣区域进行仿真实验,并与传统异常检测方法的检测结果进行对比分析,结果表明该方法具有较传统异常检测方法更出色的检测效果。     

基于滑窗的自适应红外小目标检测方法

为解决传统自适应红外小目标检测方法虚警严重的问题,提出一种滑窗式自适应红外小目标检测方法。结合教学优化算法来增强哈里斯鹰优化算法跳出局部极值的能力,提出一种混合的多种群哈里斯鹰优化算法;设计了基于滑动窗口的小目标搜索适应度函数;提出了红外小目标的自适应检测方法。基于公开数据集的实验结果表明,相较于其它自适应红外小目标检测方法,该检测方法的虚警率较低。     

基于三帧差分和滑动平均背景的运动目标检测

针对传统三帧差分法在前景提取中容易出现“空洞”现象,对传统三帧差分法作改进,采用逻辑“或”代替原来的逻辑“与”,但同时产生了运动目标被拉长,轮廓模糊等问题。为了有效解决该问题,将滑动平均法和改进的三帧差分相结合,然而滑动平均法初始阶段更新背景较慢,因此二者有效结合的关键是对滑动平均法作改进,提出一种自适应更新滑动平均系数加速背景更新的方法。最后将改进三帧差分提取的前景和改进滑动平均法提取的前景进行逻辑“与”运算得到综合前景图像。实验结果表明该算法在完整性,准确性以及实时性方面能满足实际要求。     

基于自适应窗的合成孔径激光雷达联合时频成像方法

传统距离-多普勒算法中观测期间多普勒频率为常量的假设在合成孔径激光雷达系统中不再成立.根据合成孔径激光雷达回波信号模型,推导计算了振动对合成孔径激光雷达回波相位的影响.根据实际情况引入振动频率不超过500 Hz、振幅不超过0.2 mm的机载平台微振动参量,结果表明载机微振动对合成孔径激光雷达成像的方位分辨率影响很大,而对距离分辨率影响不大.采用时频分析成像方法,能够有效克服传统距离-多普勒算法对时变信号处理的局限性.分析比较Wigner-Ville分布、伪WWigner-Ville分布和平滑伪Wigner-Ville分布作为核函数的时频成像结果,均无法兼顾成像分辨率和成像效率.据此本文提出了一种基于自适应窗的联合时频成像方法,根据变异系数和变异阈值的比较自适应地调整子区域窗口大小,从而达到成像分辨率和算法效率的平衡优化.仿真结果表明,本算法对成像分辨率影响不大,成像时间减少近69.87%,适用于合成孔径激光雷达对成像高分辨率和成像效率的要求.     

基于自适应窗的合成孔径激光雷达联合时频成像方法

传统距离-多普勒算法中观测期间多普勒频率为常量的假设在合成孔径激光雷达系统中不再成立.根据合成孔径激光雷达回波信号模型,推导计算了振动对合成孔径激光雷达回波相位的影响.根据实际情况引入振动频率不超过500Hz、振幅不超过0.2mm的机载平台微振动参量,结果表明载机微振动对合成孔径激光雷达成像的方位分辨率影响很大,而对距离分辨率影响不大.采用时频分析成像方法,能够有效克服传统距离-多普勒算法对时变信号处理的局限性.分析比较Wigner-Ville分布、伪WWigner-Ville分布和平滑伪Wigner-Ville分布作为核函数的时频成像结果,均无法兼顾成像分辨率和成像效率.据此本文提出了一种基于自适应窗的联合时频成像方法,根据变异系数和变异阈值的比较自适应地调整子区域窗口大小,从而达到成像分辨率和算法效率的平衡优化.仿真结果表明,本算法对成像分辨率影响不大,成像时间减少近69.87%,适用于合成孔径激光雷达对成像高分辨率和成像效率的要求.     

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。     

基于斑点噪声的拖尾Rayleigh分布的合成孔径雷达图像最大后验概率降噪

为了反映合成孔径雷达图像中斑点噪声尖峰厚尾的统计特征，使用拖尾Rayleigh分布来描述斑点噪声.基于Gamma先验分布和斑点噪声的拖尾Rayleigh分布，推导出了合成孔径雷达图像的最大后验概率滤波方程，并给出了它在特定特征参数时的解析形式.使用Mellin变换从观察图像估计拖尾Rayleigh分布的未知参数.给出了在斑点噪声的拖尾Rayleigh分布下的最大后验概率降噪试验和量化指标.为了消除滑动窗大小和噪声强度对降噪结果的影响，给出了降噪能力随滑动窗大小和噪声方差的动态变化关系.结果表明，拖尾Ray 关键词： 斑点噪声 拖尾Rayleigh分布 最大后验概率降噪 Mellin变换     

基于模式搜索的自适应干扰抵消器算法的研究

为了减小同址干扰对接收机性能的影响,设计了一种基于正交矢量合成的自适应干扰抵消器;根据其中控制单元提取出的数据的特点,提出了将模式搜索算法(PSA)作为控制器算法,并对其进行了改进;利用实际测量的数据进行了仿真分析,结果表明,相比于PSA算法、模拟退火算法、遗传算法,改进后的PSA算法具有更快的收敛速度,同时收敛精度相差无几;最终的实现结果也证明了该方法可满足性能要求。     

波面斜率结构函数及其在自适应光学扩展信标波前探测中的应用

从结构函数的定义出发 ,推导出了斜率结构函数表达式 ,并且在模拟大气随机波前的仿真实验中得以验证。同时 ,将斜率结构函数应用于扩展信标波前探测中 ,可作为选择最佳基准子波面的依据。     

基于自适应无参经验小波变换和选择集成分类模型的运动想象

运动想象模式识别率的提高对脑机接口(BCI)技术的应用具有重要意义,本文采用自适应无参经验小波变换(APEWT)和选择集成分类模型相结合的方法提高脑电(EEG)信号的分类识别准确率.首先,通过APEWT将EEG信号分解成不同的模态;然后,使用最优模态重构后的信号计算其能量谱(ES)特征,使用最优模态分量计算其边际谱(MS)特征;最后,将不同时间段的ES特征和不同频段的MS特征输入到构建的选择集成分类模型中,从而得到其分类结果,并将该方法与其他4种组合方法进行比较.实验结果表明,本文方法具有较好分类准确率和实时性,其平均分类正确率高于其他4种方法,同时较近期使用相同数据的文献也有优势.本文为在线运动想象类BCI的应用提供了新的方法和思路.     

数字图像一阶矩的自动聚焦区域选择算法

聚焦区域选择是自动聚焦算法中的重要模块,直接影响评价函数曲线的尖锐性、准确性和稳定性。针对中心取窗和多点取窗等传统聚焦区域选择算法的局限性,提出了一种基于数字图像一阶矩的自动聚焦区域选择算法,它是通过图像灰度或边缘一阶矩定位聚焦区域的。传统聚焦区域选择是一种定点估计,实验证明一阶矩方式选择可以跟踪偏离中心的主体景物,是一种具有自适应性的前景位置估计算法,提高了聚焦精确度和速度。     

基于分布结构自适应筛选的数据库存储优化设计

通过对数据库的存储结构优化设计,提高数据库的吞吐量。传统方法采用存储节点校验数据适应度分区的数据库存储模型,数据库中存在重复冗余数据,不能自适应滤除,导致数据存储开销较大。提出了一种基于分布结构自适应筛选的数据库存储优化模型,首先进行数据库的存储机制和分布式数据结构分析,采用相空间重构方法进行存储空间的结构分布重组,采用分布结构自适应筛选方法对提取的数据信息流进行重复冗余数据滤波处理,改善数据在数据库存储空间中的结构分布,实现数据库存储优化。仿真结果表明,采用改进的方法进行数据库构建,能提高数据库存储吞吐量,降低数据存储开销,提高数据库的访问和调度性能,展示较好的应用价值。     

一种基于正负差图像的运动目标检测新方法

运动目标检测领域中现有的差图像法是利用绝对值差图像检测差图像上运动目标区域，用现有方法检测时易受噪声干扰，而且当摄像机有自运动时需要进行背景运动补偿。因此，提出一种新算法，即首先分别计算正差图像与负差图像，然后利用运动目标区域在正差图像与负差图像中的幅值、形状以及运动等信息的对称性对其进行检测，最后给出针对飞机尾焰序列图像进行检测的结果。实验结果表明：该方法可提高运动目标检测的可靠性与效率。