搜索结果: 1-15 共查到“信息与通信工程 高光谱”相关记录25条 . 查询时间(0.33 秒)
中国科学院西安光学精密机械研究所专利：多模式高速率高光谱图像并行采集处理方法
中国科学院西安光学精密机械研究所专利：基于时间服务的高光谱成像仪1553B总线通信方法
2018年4月4日下午，中山大学李军教授做客学者论坛，与成电师生分享她在高光谱图像分类上的研究动态。信息与通信工程学院朱策教授主持讲座。李军介绍了高光谱图像的特征。她谈到高光谱图像的光谱分辨率在一定范围内，由于它在获得地表图像信息的同时，还获得了光谱信息，真正做到了光谱与图像的结合，故而受到了广泛的关注。而高光谱图像分类则是该领域最活跃的话题之一。考虑到高光谱图像的特殊性，李军介绍在进行分类时，高...
基于空间约束加权条件稀疏表示高光谱图像分类
图像处理 高光谱图像分类 加权条件稀疏表示 马尔可夫随机场
2015/9/17
为了充分利用稀疏表示分类信息和高光谱图像的空间信息,提出结合马尔可夫随机场的加权条件稀疏表示高光谱图像分类算法。该算法对稀疏表示分解后的残差向量建立条件稀疏表示模型,在计算残差向量的类别归属时引入频段方差信息;利用光谱信息散度从信息熵的角度挖掘重构光谱中的类别鉴定信息;在期望最大化算法模型中,将条件稀疏模型与光谱信息散度模型相结合,使算法具备迭代自更新的能力;将马尔可夫随机场引入加权条件稀疏表示算...
L1稀疏正则化的高光谱混合像元分解算法比较
高光谱 混合像元分解 稀疏性 增广拉格朗日
2014/7/8
基于稀疏性的高光谱解混是近年来高光谱混合像元分解的研究热点.主要研究了L1正则化的高光谱混合像元分解算法.首先分析了L1正则化的三种解混模型,即无约束、非负约束和全约束模型;然后给出了三种模型对应的数值求解算法;最后,采用模拟的和真实的高光谱数据进行实验,比较了三种高光谱混合像元分解算法的效果.实验结果表明:三种模型均具有很好的高光谱混合像元分解精度(SRE),其中全约束模型最好,非负约束模型次之...
联合低秩与稀疏先验的高光谱图像压缩感知重建
压缩感知 低秩先验 稀疏先验 增广拉格朗日乘子算法
2013/11/8
本文建立了一种新的高光谱图像压缩感知重建模型,编码端采用块对角的Noiselet测量矩阵对每一谱带进行独立采样,解码端首先建立高光谱图像低秩稀疏表示模型,分解为低秩与稀疏成分,并对低秩成分在空间维进行稀疏分解,进而构建联合谱间低秩性先验与谱内空间稀疏性先验的凸优化重建模型,并提出模型求解的增广拉格朗日乘子迭代算法,通过引入辅助变量与线性化技巧,使得每一子问题均存在解析解,降低了模型求解的复杂度.实...
目标检测是高光谱数据处理的重要应用之一，高光谱图像中空间和光谱信息的充分利用对于目标检测率的有效提升非常关键。提出一种新的联合稀疏表示的目标检测方法，将混合范数理论和算法应用于高光谱目标检测，在联合高光谱图像空间和光谱信息的基础上，建立了基于联合稀疏性约束的混合范数正则化数学模型，并利用交替方向乘子法对模型进行了优化求解。仿真实验结果表明，该方法能有效提高高光谱目标检测的准确性，降低虚警率。
成像高光谱的近地田间应用为农业定量遥感的发展提供了新的契机。如何发挥其图谱合一的数据优势，尤其在解析土壤、阴影等背景地物对作物养分反演模型的影响需要关注。该研究借助可见/近红外成像高光仪，在近地田间采集小麦群体的成像立方体，根据影像中光照裸土、阴影裸土、光照叶片和阴影叶片的反射光谱特征建立了归一化光谱分类指数，并应用该指数提取大豆影像中不同类型地物的光谱，分析了背景土壤剔除前后的大豆植被归一化光谱...
有监督的高光谱图像伪装目标检测方法
高光谱 监督类方法 伪装 目标检测
2013/3/14
针对伪装目标检测问题，提出了一种有监督的高光谱伪装目标检测方法。以植被型伪装目标为研究对象，在分析伪装材料与绿色植被光谱之间特性的基础上，先通过光谱重排、光谱微分以及光谱差异性增强处理，对植被型伪装材料与真实植被（背景）之间的光谱差异进行放大，然后利用主成分分析（PCA）变换进行降维，从而实现了一种适用于大面积植被型伪装目标的高光谱检测方法。实验结果表明，该检测方法在检测时间和检测效果上要优于基于...
基于sc-NMF的高光谱图像融合
高光谱图像融合 非负矩阵分解 光谱保持 质量评价
2013/2/20
将高光谱图像与全色图像融合，所得融合数据对于后续的其它高光谱图像处理非常有帮助。区别于传统方法，针对高光谱图像特点，引入了光谱约束项，改进并建立基于光谱约束的非负矩阵分解（spectral-constrained nonnegative matrix factorization，sc-NMF）。改进后，该模型首先在光谱约束前提下，对高光谱图像进行非负矩阵分解，对分解所得基底进行增强，再重建高光谱图...
第四届国际高光谱图像与信号处理学术研讨会在上海举行
国际高光谱图像 信号处理 遥感领域
2012/6/8
2012年6月4日至7日，第四届国际高光谱图像与信号处理学术研讨会（Whispers2012）在上海召开，来自世界20多个国家的200余位高光谱领域专家和学者参加了此次会议。本次研讨会由国际电子电气工程师协会地球科学与遥感协会（IEEE GRSS）主办，同济大学、武汉大学、中科院对地观测中心、南京大学联合承办。
基于谱域-空域组合核函数的高光谱图像分类技术研究
主成分分析 谱域空域 核函数 最小二乘
2011/5/25
针对传统高光谱图像分类算法多利用目标的光谱信息，不重视空间信息的问题，本文提出了一种综合利用谱域-空域信息的最小二乘支持向量机分类算法。首先利用主成分分析进行特征提取，然后在保留的主分量图像上用数学形态学得到目标的空域信息。并结合光谱域特征，探讨了各种组合策略，构造组合核函数。通过在分类器中引入空域信息，提高了分类准确率。而且采用了最小二乘支持向量机，将标准向量机的二次规划问题转换为求解线性方程组...
针对大规模的高光谱数据分类，为了利用未标签样本所含信息，来提升分类器性能，提出了一种半监督分类算法。该算法根据聚类假设，即属于同一类地物的样本点在聚类中被分为同一类的可能性较大的原则来改进核函数，采用基于光谱角度量的K均值聚类算法对样本集进行聚类，根据多次聚类的结果，构造包袋核函数，然后利用加法和乘法运算将包袋核函数和RBF核函数组合成新的核函数，从而把未标签样本信息融入分类器。而且采用最小二乘支...
基于光谱加权直推式支持向量机的高光谱图像半监督分类
半监督 直推式 凹凸过程优化 光谱加权
2011/1/25
高光谱图像分类中的有标签的样本获取较为困难，而半监督分类可以利用到大量未标签样本所含信息，来提高分类准确率。其中直推式支持向量机是标准支持向量机在半监督学习问题上的一种扩展。本文中我们采用凹凸过程规划将直推式支持向量机的非凸目标函数分解为凸函数和凹函数的组合，从而将非凸问题转化为凸优化问题求解。并且针对高光谱图像不同波段鉴别地物类别的能力的差异，为了充分利用各个波段的分类能力，我们引入了光谱权值对...