高光谱遥感技术具有能同时反映遥感对象空间特征和光谱特征等独特优势, 但这些优势也带来了波段众多且相关性强、数据冗余度高、不利于进一步处理与利用等问题。通过降维可以减少数据中的冗余信息, 提高处理效率, 而特征提取作为降维的一种重要方法, 具有降维速度快等优点。因此, 特征提取对高光谱图像的利用有重要意义。首先介绍了高光谱图像降维的基本原理, 然后对各种高光谱图像特征提取方法进行了分类并归纳总结各自优缺点, 最后指出了高光谱图像特征提取方法研究中存在的问题, 并对高光谱图像特征提取技术发展趋势进行了展望。
高光谱图像 降维 特征提取 综述 hyperspectral image dimensionality reduction feature extraction overview
火箭军工程大学作战保障学院, 陕西 西安710025
利用高光谱遥感图像对**工程进行伪装效果评估,提出了一种基于直觉模糊决策的高光谱伪装效果综合评估方法,以及包括光谱泛相似测度、亮度对比度、视觉相似性测度和结构相似性测度等在内的高光谱伪装效果综合评价指标体系;建立了面向高光谱伪装效果评估的直觉模糊多属性决策模型;采用逼近理想解的排序算法进行模型决策,并提出了基于直觉模糊集Hamming距离的灰关联测度以提高方案之间的区分度。研究结果表明,利用所提方法得到的评估结果与专家评估结果一致,验证了其合理性和可行性。
图像处理 伪装效果评估 高光谱 空谱特征 直觉模糊集 逼近理想解的排序算法 灰关联 激光与光电子学进展
2019, 56(5): 051003
针对使用滑动窗不易检测高光谱图像边缘像元的缺陷, 采用边缘扩展的方法使得边缘像元能够得到正常检测;而后在滑动窗内采用局部求和的方式建立高光谱图像数据模型, 提高了检测的合理性;最后为验证算法的有效性, 利用真实的高光谱数据进行实验, 结果表明该算法优于传统RX算法和KRX算法, 能检测到更多的异常目标, 且降低了虚警率。
高光谱图像 异常检测 核函数 目标检测 hyperspectral image anomaly detection kernel function RX RX object detection
针对传统核主元分析法诊断动态系统故障可能会出现大量误报、漏报问题, 提出一种分步自回归核主元分析法。该方法以分步动态策略为基础建立诊断模型, 结合滑动窗口机制和指数加权思想, 通过不断加入经加权处理的实时数据更新诊断模型, 使用T2和SPE统计量判断系统是否发生故障。将该方法应用于柴油机气阀机构故障检测, 结果表明: 该方法既能充分利用原始数据和实时动态信息, 自动更新模型, 又能减小计算量, 更早监测出异常工作状态, 提高故障诊断的快速性, 还能增大故障敏感度, 使诊断结果更加准确可靠。
故障诊断 核主元分析 分步动态策略 滑动窗口 指数加权 fault diagnosis kernel principal component analysis step dynamic strategy moving window exponential weighting
