基于遙感圖像的譜間和空間特征提取方法研究.pdf

1、遙感圖像是通過非接觸、遠(yuǎn)距離的探測技術(shù)所獲得的信息產(chǎn)物，包含著豐富的光譜維和空間維信息，被廣泛應(yīng)用于軍事、農(nóng)業(yè)種植、環(huán)境污染、地質(zhì)災(zāi)害等領(lǐng)域。遙感成像技術(shù)的蓬勃發(fā)展使得遙感圖像的數(shù)據(jù)處理技術(shù)得到了國內(nèi)外學(xué)者的廣泛關(guān)注。一般而言，遙感圖像的數(shù)據(jù)龐大而冗余，如何從中提取有效的信息并加以應(yīng)用成了目前一個(gè)亟待解決的問題。
　　本文針對遙感圖像分別從譜間和空間兩方面進(jìn)行了特征提取方法的研究，其主要研究內(nèi)容如下:
　　一方面，研究了高光

2、譜遙感圖像的稀疏特征提取方法。針對現(xiàn)有的稀疏主成分分析方法(Sparse Principle Component Analysis，SPCA)和稀疏判別分析方法(Sparse Discriminant Analysis，SDA)的不足，提出了一種結(jié)合光譜維和空間維特征的高光譜遙感圖像特征提取方法——稀疏張量判別分析方法(Sparse Tensor Discriminant Analysis，STDA)。同時(shí)，利用K最近鄰（K-Neare

3、st Neighbor, KNN）分類器實(shí)現(xiàn)了高光譜遙感圖像的分類。通過Pavia University數(shù)據(jù)和Indian Pines數(shù)據(jù)的實(shí)驗(yàn)驗(yàn)證表明，在提取光譜維特征的同時(shí)，提取空間維特征的方法進(jìn)一步地改善了高光譜遙感圖像的分類效果。
　　另一方面，研究了SAR遙感圖像的空間紋理特征提取方法。針對局部二值模式法（Local Binary Patterns，LBP）只能進(jìn)行小范圍領(lǐng)域內(nèi)的紋理特征描述的缺點(diǎn)，采用了Gabor濾波器

4、和Three-Patch局部二值模式法（Three-Patch Local Binary Patterns，TPLBP）來提取SAR遙感圖像的空間紋理特征。同時(shí)，利用基于核的極限學(xué)習(xí)機(jī)(Kernel Extreme LearningMachine，KELM)對SAR遙感圖像進(jìn)行了目標(biāo)識別。通過MSTAR數(shù)據(jù)庫實(shí)驗(yàn)驗(yàn)證表明，Gabor濾波器有效地提取了SAR遙感圖像中目標(biāo)和背景的邊緣特征信息，而TPLBP較LBP具有更強(qiáng)的紋理特征描述能力