建筑物是一种极其重要的人工地物目标,通过提取建筑物可为城市规划、人口估算和景观分析等提供技术支撑。面向对象分类方法作为目前提取地物的有效手段之一,已广泛应用在建筑物信息的提取中。面向对象的形态学建筑物指数法具有较好的实用性,但提取稀疏建筑物的效果仍有待提高。为了解决这一问题,将中值绝对偏差应用于面向对象的建筑物提取,分别对建筑物密集和稀疏两种情况进行分析,采用查准率、查全率和F₁分数等指标对提取结果进行评价。实验结果表明,面向对象的中值绝对偏差法提取稀疏建筑物的效果明显优于面向对象分类方法和面向对象的形态学建筑物指数法。

遥感图像的监督分类技术在信息提取和变化检测领域中具有广泛的应用,其中训练样本的选择至关重要,训练样本的好坏直接决定分类精度的高低。然而,受到条件的限制和人为的错误均可能导致一些不纯或错选的异常训练样本被选取,从而造成分类精度的降低。为了解决这个问题,采用中位数绝对偏差法,根据图像的光谱信息探测和剔除遥感图像监督分类任务中不纯和错选的训练样本。选取由Landsat-8获取南昌市部分地区的光学遥感图像数据,使用支持向量机对含有异常训练样本和剔除异常训练样本的两种情况进行监督分类,并对分类结果进行比较。实验结果表明,剔除异常训练样本的分类精度明显优于含异常训练样本。

拉曼成像是一种无损伤、 无需标记的光谱成像技术, 它可以提供样品的不同组分的分子指纹信息以及空间分布特征, 相比其他成像技术有着更重要的应用。 但是拉曼散射的截面积小, 灵敏度低, 加上在很多实验中为了观察某些组分的动态分布而缩短扫描时间, 导致最终得到的成像数据被噪声干扰, 因此往往需要对信号进行去噪处理。 常规的算法一般都是基于一个给定的数学模型对光谱进行处理, 容易造成过滤波, 使得信号失真； 另外, 在处理拉曼成像数据时, 常规算法往往是对数据进行逐条光谱去噪, 从而忽略了多条光谱之间的相互关系, 导致最终的拉曼图像仍然受许多噪点干扰。 因此, 提出了一种基于奇异值分解和中位数绝对偏差的拉曼成像的信号处理方法, 用于拉曼成像数据的去噪处理。 该方法首先对拉曼成像数据进行奇异值分解, 获得一个奇异值矩阵与两个正交矩阵； 然后通过中位数绝对偏差法对奇异值矩阵中的各奇异值进行离群值检测, 选取前k个被连续标记的离群值作为要保留的奇异值, 并将其余的奇异值赋值为零, 得到新的奇异值矩阵； 最后用新的奇异值矩阵与两个正交矩阵重新求解得到去噪后的拉曼成像数据。 实验中, 首先验证了中位数绝对偏差法确定前k个奇异值的正确性, 其次分别从处理后的图像质量和信号波形两方面对比了该算法与常规算法的去噪效果。 结果证明, 中位数绝对偏差法可以快速地确定出合理的k值大小, 而且, 依据该k值处理后的成像数据不仅在成像质量上消除了大量的噪点, 使得组分的空间分布特征清晰可见, 也在信号波形上较完美地保留了微小谱峰, 并恢复光谱信号。 该算法不同于常规算法, 能同时对整个拉曼成像数据进行处理, 并保留光谱之间的统计特征, 是一种更加有效的拉曼成像数据的去噪方法。