江苏省普通高校研究生科研创新计划项目(CXLX120955)
- 作品数:3 被引量:26H指数:2
- 相关作者:白杨赵银娣韩天庆刘善磊更多>>
- 相关机构:中国矿业大学江苏省基础地理信息中心国家测绘局更多>>
- 发文基金:江苏省普通高校研究生科研创新计划项目江苏高校优势学科建设工程项目国家自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 一种改进的K2DPCA高光谱遥感图像降维方法被引量:8
- 2014年
- 本文提出了一种改进的核二维主成分分析(K2DPCA)高光谱遥感图像降维方法,该方法通过标准核二维主成分分析消除了遥感图像各波段列间的相关性,利用列二维主成分分析在核二维主成分的行方向上进一步去除相关性,实现了遥感图像在空间维上的双向降维,并得到各波段的主成分,重建原始图像。采用AVIRIS和HyMap两种高光谱遥感图像进行试验,结果表明该方法在保证重构图像质量的同时,能够有效提高图像压缩比,在遥感图像降维中具有普适性。
- 白杨赵银娣韩天庆
- 关键词:二维主成分分析图像降维图像重构
- 基于KPCA和FCM的HJ-1A星遥感数据分类被引量:2
- 2013年
- 为提高对环境与灾害监测预报小卫星1A(HJ-1A)星遥感数据分类的精度,首先将HJ-1A星HSI高光谱数据和CCD多光谱数据进行GS(Gram-Schmidt)融合,然后利用主成分分析法(principal component analysis,PCA)和核主成分分析法(kernel PCA,KPCA)分别对融合后的高光谱图像进行降维处理。KPCA降维时采用高斯、线性和多项式3种核函数,根据特征提取效果评价结果,选择累积贡献率较大的多项式核函数。最后,分别对融合后的高光谱图像、PCA主成分图像和基于多项式核函数的KPCA主成分图像进行模糊C均值分类。实验结果表明,KPCA对融合后高光谱图像的特征提取得到了较好的效果,同时提高了分类精度和效率。
- 白杨赵银娣
- 空间约束的无人机影像SURF特征点匹配被引量:16
- 2013年
- 与普通场景图像相比,无人机影像中纹理信息较丰富,局部特征与目标对象"一对多"的对应问题更加严重,经典SURF算法不适用于无人机影像的特征点匹配。为此,提出一种辅以空间约束的SURF特征点匹配方法,并应用于无人机影像拼接。该方法对基准影像整体提取SURF特征点,对目标影像分块提取SURF特征点,在特征点双向匹配过程中使用两特征点对进行空间约束,实现目标影像子图像与基准影像的特征点匹配;根据特征点对计算目标影像初始变换参数,估计目标影像特征点的匹配点在基准影像上的点位,对匹配点搜索空间进行约束,提高匹配速度与精度;利用点疏密度空间约束,得到均匀分布的特征点对。最后,利用所获取的特征点对实现无人机影像的配准与拼接,通过人工选取均匀分布的特征点对验证拼接精度。实验结果表明,采用本文方法提取的特征点能够得到较好的无人机影像拼接效果。
- 韩天庆赵银娣刘善磊白杨
- 关键词:无人机影像影像拼接图像分块