基于特征接近度的多特征融合方法.pdf

上传人:chenlf 文档编号:99084888 上传时间:2019-05-20 格式:PDF 页数:5 大小:1.25MB
返回 下载 相关 举报
基于特征接近度的多特征融合方法.pdf_第1页
第1页 / 共5页
基于特征接近度的多特征融合方法.pdf_第2页
第2页 / 共5页
基于特征接近度的多特征融合方法.pdf_第3页
第3页 / 共5页
基于特征接近度的多特征融合方法.pdf_第4页
第4页 / 共5页
基于特征接近度的多特征融合方法.pdf_第5页
第5页 / 共5页
亲,该文档总共5页,全部预览完了,如果喜欢就下载吧!
资源描述
第45卷第11期
中国海洋大学学报
45(11):109~113
2015年11月
PERIODICAL OF XEAN UNIVERSITY OF CHINA
ov.,2015
基于特征接近度的多特征融合方法
刘金梅2,王县字
中国海洋大学信息科学与T程学院,山东青岛266100;2.青岛农业大学理学与信息科学学院,山东青岛26109)
摘要:特征融合的关键是对特征参数优化组合。本文提出一种基于特征接近度的多特征融合算法。定义吸引力表示
特征矢量与原型模式的空间接近程度。用特衎矢量与类原型模式之间的吸引力组成接近度矢量,作为融合特征。选择高
光语 Hyperion影像作为验数据,研究基于特征融合的地物分类。实验证明,在特征集相同的情况下,本文提出的方法比
主成分分析法具有更好的融合效果
关键词:遥感影像;特征融合:特征接近度
中图法分类号:TP391
文献标志码
文章编号:1672-5174(2015)1-109-05
16441/.cnki.hdxb.20140013
遥感是观测地球的有效手段。不断进步的传感器化。DS证据理论要求证据之间是相互独立的,在实
技术为研究者提供各种影像数据。目前遥感技术应用际应用中,证据之间的相关性会导致融合结果错误。
所面临的重要问题是如何有效利用丰富的遥感数据获孔祥兵等通过建立融合多种特征的数学模型,实现多
取需要的信息
特征整合。尹宏鹏使用自适应加权法集成多个特
遥感数据融合能够将不同来源的数据所含的信息征,取得较好的融合效果7
优化组合,获得关于地物较为完整的信息。遥感数椐
接近度的概念最早是由 Scott等人在二维点对特
融合分为3个层次,即像素级融合、特征级融合和决策征呱配中提出的,用数据欧氏距离表示了不同特征矢
级融合「1。特征級遥感影像融合是分別提取待融合图量之间空间关系,得到点分布信息。焦竹青等将接
像的特征,将同一位置的不同特征进行融合,融合后得近度和模糊理论相结合,讨论一维数据融合问题。定
到该位置对应地物较为全面的特征信息。通过归纳融义2个模糊集合的相似程度为接近度,将传感器之间
合特征矢量,可以得到同类地物的数学模型,应用于国的关系用接近度函数表示,建立接近度矩阵,从而得到
民生产和生活的各个领域。
所有传感器数据融合的结果。沈瑜等在红外图像和
特征融合的常用方法有典型相关分析理论、主成可见光图像融合中,定义区域最小方差与区域最大方
分分析法、DS证据理论等。典型相关分析( Canonical差的比值作为接近度,使用邻域能量和接近度限定不
orrelation Analysis)理论用几对重要的相关变量代替同光谱数据的融合比例。该方法能够得到清晰度和对
2个特征矢量实现不同特征融合?。典型相关分析在比度较好的融合图像,是一种像素级图像融合·n
融合特征的问时能够降低特征表示维数,但算法只考 Arun Ross等在多模生物特征识别系统中使用接近
虑2个变量之间的相关性,没考虑变量内部各维数据度评价不同生物指标与模式矢量的匹配程度,利用多
之间的关联。主成分分析法( Principal Component A-种生物完成信息验证,实现决策级融合
nalysis,简称FPCA)能够对多种特征信息压缩,是一种
本文将接近度用于遥感图像处理,实现特征级数
自适应信息融合。主成分分析变换是均方误差最小据融合。通过将特征空间中的点由高维空河的坐标表
的变换,压缩了特征矢量维数。但高维特征值和特征示转变为用空间相对距离表示,融合多特征数据。鉴
向量求解复杂,难以在实践中广为应用。DS证据理论于主成分分析法在特征融合和降维方面的性能与本文
提供了多源信息的融合规则。宁亚辉等首先提取道路提出的方法接近,选择主成分分析法做对比,验证基于
形状特征,根据道路的形状特征建立概率分配函数,使特征接近度的融合方法的有效性
用证据理论融合形状特征,提取道路信息。汪闻等
通过计算两时相影像特征的结构相似度,生成基本概
基于特征接近度的特征融合
率赋值函数,利用证据合成,得到两时相遥感影像变
对图像进行多特征提取,不同特征存在于不同的
基金项目:山东省自然科学基金项月(ZR2009GL008;ZR2010C1.025)资助
收稿日期:201401-10;修订凵期:20]4-05-06
作者简介:刘金梅(1979-),女,副教授。 E mail: liu_ Dinner(@qau,edu,cn
万方数据
110
中国海洋大学学报
5年
特征空间。不同类型的特征可以归一化后在同一特征接近度矢量g,表示样本y的融合特征。比较g与G
空间表示,空间维数是所有特征空间维数之和。空间中行向量的欧氏距离,确定样本的类型。
个抽象持征的属性。如果直接使用这和空间表示图2实验数据
像,占用的存储空间多,计算开销较大。
实验用到的遥感数据来自美国E(1卫星搭载的
参数优化是特征融合的关键,通常根据每维参数高光谱成像光谱仪 Hyperion。 Hyperion是目前在轨
在分类中的贡献或区分能力优化选择。本文提出的特的唯一一台星载高光谱成像仪器,能获取242个波段
征融合算法思路与现有方法不同。在高维特征空间表数据,覆盖光谱范固是400~2500mm,宗间分辨率是
示特征矢量时,特征点的空间位置关系反映了样本的30m,幅宽7.7km。
类型关系。任意样本点在特征空间都是以同类原型模
研究区域位于黄河三角洲,影像获取时间是2012
式为中心,在一定范围内随机分布在特征空间。样本年5月4日格林尼治时间02:25:31。因为大气吸收及
类型不同,其与各类原型模式的空间关系也不同。用传感器自身的原因,有一部分数据无法生成灰度图像
样本特征矢量与各类原型模式的距离能够确定样本矢只有158个波段数据能够使用。实验拟对研究区域的
量和原型模式的空间接近程度。样木矢量与所属类型高光谱影像分类。
的原型模式接近度最高,与其它类型原型模式接近度
随空间关系变化而变化。
分类实验
将原型模式对应的特征空间点看作类型的核心
截取一景图像中的部分区城研究,区域大小是
点,核心点对特征空间上的所有特征点都有吸引力。102X157,预先定义研究区域内有5种地物类型,即建
特征点离核心点越近,吸引力越强。每个类型的核心筑、海水、养殖区、裸地、内陆水体。每类取50例训练
点的吸引力只是在一定的空间范围内有效。
样本点,50例测试样本,用光谱特征和纹理特征表示。
定义1在m维特征空间中,核心点x,和特征点ズ;之通过现场勘探,得到样本集合。选取158个波段的反射
间的吸引力定义为
率作为样本的158维光谱特征,计算第27~30、47~50
波段的4个灰度差分统计量,形成32维纹理特征。
其中:=x;-x;是2个特征矢量的欧氏距离,当x
设(x,y)是图像中一点,与该点邻近的(r+△x,
等于x;时,da=0,2个点重合,吸引カ最大,G=1:随y+△y)点之间的灰度差的概率用△()表示。对
着d增大,吸引力降低。是控制核心点影响范固的参ム(1)统计后,用对比度、角度方向二阶矩、熵和平均值
数,小的a获得特征的局部知识,大的o获得比较全局表示纹理特征
性的知识。参数σ功能是以x:为中心,设置其作用范
对比度
围,只有与x的距离小于此范围的x,才能和x,存在
ON
展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 论文 > 船舶与海洋论文


版权所有:www.WDFXW.net 

鲁ICP备14035066号-3