高光谱图像混合像元分解算法

传统的高光谱图像混合像元分解技术包括端元提取和估计每个端元的混合比例.虽然很多模型都能得到可以接受的解混结果,但是一些未知端元的存在使得结果在包含未知端元的像素点处出现偏差.因此,提出了一种基于支持向量数据描述的高光谱图像混合像元分解算法.首先高光谱图像数据被分成类内和类外两部分,类内是完全由已知端元数据混合的像素点,而类外数据是包含未知端元的像素点.两类数据交界处被认为是已知端元和未知端元混合的数据.然后再对这些像素点进行混合像元分解,分别对仿真数据和真实高光谱图像进行实验.结果表明该算法可以有效地解决因存在未知端元对解混精度的影响,而且能给出未知端元的解混分量.该方法的解混结果几乎不受未知端元的影响,优于直接解混结果     

基于线性光谱混合模型的地表温度像元分解方法

以北京市Landsat TM为数据源,提出了一种新的地表温度光谱分解模型(Temperature Unmixing with Spectral,TUS),以期将地表温度的空间分辨率提高到30 m.首先,基于线性光谱混合模型获得地表组分的丰度值.然后,基于温度/植被指数选取典型端元的地表温度.最后,综合地表组分的比辐射率数据实现地表温度的分解.结果表明,TUS模型能够有效地提高地表温度的空间分辨率,反映不同地表组分地表温度的空间差异性,平均绝对误差(MAE)和均方根误差(RMSE)分别为1.25 K和2.27 K,非常适合于复杂地表覆盖地区的地表温度降尺度处理.     

基于相关向量机的高光谱影像混合像元分解

 提出了一种利用相关向量机后验概率进行高光谱影像混合像元分解的方法.基于支持向量机后验概率输出的高光谱影像混合像元分解方法中,类别后验概率需要通过带参数的S形函数近似,而且模型需要通过交叉验证获取较好的规则化系数.相关向量机是在贝叶斯框架下提出的更加稀疏的学习机器,它没有规则化系数,核函数不需要满足Mercer条件.本文从分析支持向量机用于高光谱影像混合像元分解存在的不足出发,介绍了稀疏贝叶斯分类模型和模型参数推断,采用了快速序列稀疏贝叶斯学习算法.通过PHI影像的混合像元分解实验分析,表明了基于相关向量机的高光谱影像混合像元分解方法的优势.     

基于像元混合模型估计的高光谱图像解混

在高光谱图像中,线性混合像元和非线性混合像元同时存在,若采用基于单一混合模型的解混算法,会使解混精度降低。因此,提出采用神经网络对高光谱图像中的像元混合模型进行估计,然后针对不同的混合模型进行相应的像元解混。像元解混时,在目标函数中添加丰度非负和丰度和为一约束项,利用差分搜索算法优化求解目标函数以实现高光谱图像的解混。仿真和实际高光谱数据实验表明,本算法提高了解混精度,适用于线性和非线性混合模型。     

基于贝叶斯网络的混合像元分解模型

提出了基于贝叶斯网络的混合像元分解模型来处理光谱信息不足的遥感影像。首先,用随机变量来表示像元中各成分的光谱值,在此基础上建立贝叶斯网络来刻画像元中各成分丰度与像元光谱的因果关系。然后,通过贝叶斯推理计算像元中各端元丰度的联合概率分布,并利用蒙特卡罗积分来计算各端元丰度的无偏估计值,从而得到混合像元内各端元丰度值。为了证明该算法的有效性,本研究设计了模拟试验和真实影像试验。结果表明,该算法在光谱信息不足的情况下的分解能力明显优于最小二乘算法。     

一种新的基于Fisher判别的混合像元分解算法:室内控制实验结果分析

混合像元分解技术(Spectral Mixture Analysis, SMA)是遥感图像处理的重要手段之一.传统方法假设每个端元具有稳定的光谱特征,然而端元内光谱差异普遍存在,这将导致混合像元分解精度的降低.针对该问题,提出了基于Fisher判别 (Fisher Discriminant Analysis, FDA) 的混合像元分解算法.Fisher判别对光谱各波段进行线性组合,使得转换后的光谱值分离度最大,即端元内的光谱差异较小而端元间的光谱差异较大.利用转换后的光谱对混合像元进行分解可以最大程度地减少端元内光谱差异对分解结果的影响.利用该方法对室内控制实验的模拟混合像元光谱进行分解,并与过去提出的几种混合像元分解技术进行比较,结果显示新方法相比传统方法在分解精度上有相当程度的提高.     

基于贝叶斯网络的混合像元分解模型

提出了基于贝叶斯网络的混合像元分解模型来处理光谱信息不足的遥感影像.首先,用随机变量来表示像元中各成分的光谱值,在此基础上建立贝叶斯网络来刻画像元中各成分丰度与像元光谱的因果关系.然后,通过贝叶斯推理计算像元中各端元丰度的联合概率分布,并利用蒙特卡罗积分来计算各端元丰度的无偏估计值,从而得到混合像元内各端元丰度值.为了证明该算法的有效性,本研究设计了模拟试验和真实影像试验.结果表明,该算法在光谱信息不足的情况下的分解能力明显优于最小二乘算法.     

基于Fisher判别零空间的高光谱图像混合像元分解

传统的光谱混合分析方法假设每个端元必须具有完全稳定的光谱特性,而在实际问题中同类地物的端元光谱往往存在着差异。为了有效地抑制同物异谱对混合像元分解的影响,本文提出一种基于Fisher判别零空间的高光谱遥感图像混合像元分解算法。Fisher判别零空间方法通过对高光谱图像数据进行线性变换,使得变换后的数据中同一端元内的光谱差异减小为零,而不同端元间的光谱差异尽可能地增大。利用变换后的光谱数据对混合像元进行分解就可以较大程度地减少同物异谱现象对分解结果的影响。对模拟高光谱图像数据以及Indiana地区和Cuprite地区的实际AVIRIS数据的解混结果表明,用Fisher判别零空间方法处理混合像元分解问题,可以得到较高的分解精度。     

基于非负矩阵分解的高光谱遥感图像混合像元分解

传统非负矩阵分解算法的目标函数具有大量的局部极小,在进行高光谱图像的光谱解混时,受初始值的影响很大.为解决该问题,作者通过在目标函数中引入丰度分离性和平滑性的约束条件,提出一种基于有约束非负矩阵分解的混合像元分解方法.同时该算法能够满足混合像元分解问题所要求的丰度值非负以及和为一的约束.模拟和实际数据实验结果表明,所提...     

一种新的基于特征直方图分解的红外焦平面阵列无效像元判别方法

为有效地判别和剔除红外焦平面阵列(IRFPA)的无效像元,本文在分析了IRFPA有效像元响应模型的基础上,指出在均匀输入时IRFPA有效像元输出值的均值差(DOM)和标准差(STD)特征的分布具有正态性。通过采用自适应投影匹配分解法对特征直方图进行高斯分解,进而估计出有效像元DOM和STD特征的分布区间,从而得到了判别无效像元的分类准则．针对实际IRFPA图像数据的实验表明,本文提出的无效像元的判别方法是有效的．     

基于可变形模型及像素相似性统计的自动图像发割

提出一种通用的融合基于可变形模型及区域特征统计的自动图像分割方案,像素相似性定义综合考虑灰度、梯度、色彩及纹理等多种图像因素,采用梯度矢量流Ｓｎａｋｅｓ算法自动进行目标匹配。为使分割结果更趋合理,利用相似单元分解技术对属于同一目标的区域进行自动合并,而对同一区域中属于不同目标的区域进行自动分裂,实现对未知目标个数及目标位置的输入图像的自动分割。对人工合成的低信噪比图像及自然图像的实验表明,本文方法     

DOA ESTIMATION USING A SPARSE LINEAR MODEL BASED ON EIGENVECTORS

To reduce high computational cost of existing Direction-Of-Arrival (DOA) estimation techniques within a sparse representation framework,a novel method with low computational complexity is proposed.Firs...     

细分光谱高温测温线性拟合方案的研究

按照PIS－A 型瞬态光谱仪的数据模式，用普朗克公式计算1000－6000K黑体的光谱辐射代替实测辐射，分析了减小线性拟合方案测温误差的方法。研究表明，适当选择参与拟合数据波长的上下限、提高信噪比和A／D转换位数，并对维恩近似带来的系统误差进行 校正补偿等措施，可有效提高测温精度。     

基于GLC模型的红外纹理合成方法研究

根据自然红外纹理在空间的统计分布特性，利用随机场模型可以有效地合成红外纹理，由于物体表面的温度场分布具有马尔可夫性，可以利用GLC(Generalized Long—Correlation)随机场模型模拟自然地物表面的红外辐射温度场分布情况，并利用普明克黑体辐射定律计算地表的辐出度场分布，通过辐出度场进行显示定标和量化，可以有效生成不同的红外纹理。模拟结果表明：GLC模型可以有效模拟3～5μm和8～12μm波段的红外纹理。     

耦合辐射传输模型的植被含水量遥感改进监测

基于耦合的叶片与冠层辐射传输模型,研究并使用了改进的植被指数提取植被含水量,以实现植被水分含量的遥感监测.使用PROSAIL模拟的高光谱数据,首先对NDVI、WI、NDWI、MSI、CSI及NDII等已有的植被指数提取含水量进行可行性分析比较.结果显示NDVI不能估算出植被含水量,CSI估算能力也不理想,其余四个指数WI,NDWI,NDII,MSI估算植被含水量时相关系数平方在0.76左右;之后对NDWI提取植被含水量进行了敏感因子分析,结果表明NDWI与MCARI具有较好的线性关系,从而得出改进的植被含水量估算方法.该方法可以较好地去除LAI的干扰,估算的相关系数平方提高为0.97,增加了27%,估算残差由初始的0.0156降低为0.00535,减少了65%.     

基于状态空间模型的多辐射源运动状态分析

利用无源传感器对辐射源进行无源定位是重要的研究课题,受到广泛重视。而利用运动的单一传感器对运动的多个辐射源同时进行运动状态分析则是无源定位问题中的难点。状态空间模型可将辐射源的参数估计和辐射源的运动状态分析有机地联系在一起。本文基于状态空间模型和运动的单一均匀线阵,用信息论准则和ESRPIT算法对辐射源的个数、辐射源的发射频率和空间频率、空间频率变化率进行联合估计,进而对各个辐射源进行运动状态分析(TMA目标运动分析)。     

基于统一模型的典型地表红外辐射特性对比研究

根据自然地表的稳态平衡方程,将干燥裸地、潮湿裸地、低植被覆盖地表统一为一种模型。综合考虑了各种自然因素,采用了蒙特卡罗方法,模拟了自然地表辐射温度的周期性变化以及各自然因素对红外辐射温度均值及其方差（起伏）的影响。实验结构表明此模型能较好地模拟这几种典型地表的红外热辐射特性。     

基于iPLS原理最优化信息区间的桃糖度组合权重PLS模型研究

采用反向区间偏最小二乘法和组合区间偏最小二乘法优化桃糖度可见/近红外光谱的信息区间组合,在选择的信息区间的基础上建立了一种线性组合权重PLS模型.对近红外光谱进行二阶导数处理、卷积平滑校正后,发现在区间分割数为15时筛选结果最优,BiPLS所选择的信息区间为742~770nm和 862~920nm,SiPLS所选择的信息区间为742~770nm、832~860nm和892~920nm.直接组合信息区间BiPLS和SiPLS模型的RMSEP值分别为0.386和0.308,线性组合权重PLS模型的RMSEP值分别为0.351和0.364.结果说明在近红外定量分析中线性组合权重模型的建立克服了复杂样品各信息区间对PLS建模贡献率不一样的问题.