摘要：面对日益丰富的机载、星载高光谱传感器,及其相伴增多的高光谱数据,产生的数据量过大、波段冗余等问题一直是高光谱图像处理、解译的重难点。同时,利用高光谱遥感技术揭露伪装目标,也一直是现代遥感应用技术研究要点。在探测得到海量的地物光谱数据、具有冗余的光谱信息,设计恰当的数据降维技术具有至关重要的作用。降维处理的主要方法中的波段选择方法,其不但可以使图像数据的光谱信息在不失真的条件下实现数据降维,还能在其基础上对伪装目标及其背景实现精确区分,是当今利用高光谱技术进行军事应用的重要技术手段,同时也是国内外众多学者的研究热点。利用各类指标计算波段间的不同表现,并依据其参数选取代表性强的波段用于地物识别或分类来检验方法的优劣是目前比较常用的研究方式,但是面向特殊地物,如植被伪装目标的特定波段选择方法方面的实验研究现仍较少。研究选取绿色钢板、绿色伪装网、绿色假草皮,置于含有绿色健康植被、湿润裸地、干燥裸地的背景环境中,通过模拟真实环境中的伪装目标和背景地物进行波段选择及分类实验验证。首先通过分析光谱曲线,选取显著特征波段;其次结合根据波段间相关系数划分的子空间进行波段筛选;然后依据地物目标的图像亮度建立视觉模型,最终得到具有相对独立性和最佳可识别度的波段选择集合。并在支持向量机分类器和马氏距离分类器中同两种常用算法选择波段结果与全波段组合进行分类实验对比,实验发现所提出方法的波段选择结果相对于常用算法和全波段组合,分类精度和速度均有所提高。其中,相较于应用全波段进行分类,在两类分类器的分类结果,总体分类精度分别提高4.559 2%和2.364 8%, Kappa系数分别提高0.059 4和0.031 2,分类时间减少6.83 s。实验证明该方法能有效在植被伪装目标和背景地物之间做出高效分类,具有较大实际应用价值。

摘要：作为遥感领域的新兴技术,高光谱成像为遥感影像处理分析和计算机视觉提供了海量内容。高光谱图像的优势在于电磁波谱的范围广度与高分辨率,能够将地物目标的光谱反射特性和差异特征更全面地表现出来,广泛地应用于地物分类、目标识别、异常检测等领域。但是,高光谱图像由于数据量繁重、信息重叠冗杂等问题,给图像处理、存储和传输带来一定挑战。选择合适的光谱波段可以在不改变原图像物理信息的情况下,达到较好的图像处理成果。为设计适合数据降维和目标地物分类的波段选择方法,提出将视觉显著性模型应用到波段选择方法中。首先引入基于图像空间分布的目标显著性算法进行波段图像处理得到目标显著图;其次,利用目标显著图分析地物之间在每一波段图像中的可分离程度定义为波段显著性。为避免波段信息重叠,在波段选择之前利用谱聚类算法将波段划分为若干子空间。然后在子空间内依据波段显著性降序排列,选择各子空间中目标显著性表现较好的波段组成波段子集;最后,在GF-5采集的高光谱图像数据进行方法验证,筛选有效的目标显著性算法,与常用的波段选择算法进行分类精度比较。结果表明,基于LC目标显著性算法的波段选择子集,在SVM分类器中具有优异分类结果,总体分类精度和Kappa系数达87.7800%和0.8053,优于应用全波段和其他三种波段选择方法的结果子集。

摘要：四旋翼飞行器其自身具有即时垂直起降的能力,可以完成低速飞行和定点悬停。四旋翼飞行器所运用在的其他领域也在不断拓展,例如如军事侦察,地形勘探等。本作品中将无人机配合Openmv视频模块进行WiFi实时传输图像,能够更好的进行一定距离内潜入侦察、遥控搜救[1]。同时保障了救灾人员的生命安全,降低了其在危险情形下受伤乃至牺牲的概率。