面向分類的多-高光譜與SAR圖象協(xié)同處理技術(shù)研究.pdf

1、多/高光譜圖象不僅包含了普通遙感圖象的二維空間信息，而且具有豐富的光譜信息，特別是高光譜圖象可以形成一條近似連續(xù)的光譜曲線。而 SAR圖象主要反映了地表物質(zhì)的介電特性與幾何特性，空間紋理細(xì)節(jié)信息豐富，其中極化 SAR圖象更是包含了地物散射的極化信息。因此協(xié)同利用多/高光譜圖象的空間光譜信息以及 SAR圖象的極化散射信息，進(jìn)行地物分類識別具有重要的研究意義和應(yīng)用前景。
　　本文按照數(shù)據(jù)源的特點(diǎn)以及信息量的多少，將多/高光譜和SAR圖

2、象分為了兩組來進(jìn)行特征提取與選擇方法的研究，從而充分利用兩者在光譜以及極化散射信息方面的優(yōu)勢互補(bǔ)，并在此基礎(chǔ)上，以對地物的高精度分類識別為最終目的，實(shí)現(xiàn)了面向分類的基于多層次的協(xié)同處理：
　　第一組為多光譜和SAR圖象，本文根據(jù)其各自的特性，研究了多光譜圖象的光譜特征，以及 SAR圖象的紋理特征，其中包括局部統(tǒng)計(jì)特征、基于灰度共生矩陣的紋理特征和分形維數(shù)特征，并采用了基于遺傳算法的特征選擇方法對SAR紋理特征進(jìn)行了選擇，去除冗余信

3、息，來為后續(xù)多光譜與SAR圖象更加快速、準(zhǔn)確地協(xié)同分類做好準(zhǔn)備。
　　第二組為圖象信息量更加豐富的高光譜和極化 SAR圖象。為了得到最能反映分類本質(zhì)的光譜特征集并克服“維數(shù)災(zāi)難”現(xiàn)象，本文主要研究了更適合于高光譜特征提取的雙重最近區(qū)域變換方法，并將該方法與傳統(tǒng)的主成分分析和線性判別分析方法進(jìn)行了對比。而針對極化 SAR圖象，本文研究了/AaH/分解、Freeman分解、Yamaguchi分解和基于多成分散射模型的目標(biāo)分解方法來實(shí)現(xiàn)

4、特征提取，為后續(xù)高光譜與極化SAR圖象的協(xié)同分類奠定基礎(chǔ)。
　　最后，在以上對多/高光譜與SAR圖象特征提取與選擇研究的基礎(chǔ)上，本文從特征層和決策層出發(fā)，重點(diǎn)研究了基于并行特征組合的特征層協(xié)同分類算法和基于模糊集理論的決策層協(xié)同分類算法，并由以上兩種方法得到啟發(fā)，本文提出將特征層與決策層相結(jié)合，將更加精確的特征層協(xié)同分類結(jié)果作為決策層協(xié)同分類的輸入，從而保留并利用了特征層和決策層協(xié)同分類各自的優(yōu)點(diǎn)，實(shí)現(xiàn)了面向分類的多層次、高精度的