基于多尺度特征的遙感云圖分類.pdf

1、可見光衛(wèi)星遙感圖像是目前非常重要的一種地球空間檢測信息，應用范圍非常廣泛。但是星載成像設備有一個難以避免的問題，即在有云層覆蓋的情況下，所得到的遙感圖像使用價值會大大降低，基于遙感圖像的后續(xù)處理也會受到負面影響。為此，研究人員對如何檢云、去云進行了長期的探索，并取得了很多研究成果。
　　 自然界中的云無論是從物理特性還是圖像特性來看，都是一種非常復雜的目標，傳統(tǒng)的云檢測與云圖分類算法有兩個較為明顯的弊端，一是針對整景遙感圖像設計

2、的算法往往具有計算量較大、復雜度過高等缺點，二是對云類目標提取出來的特征普適性不強，穩(wěn)定性不高。
　　 本論文在分析總結了前人研究結果的基礎之上，提出了相應的改進算法，主要研究成果概述如下：
　　 1.提出了一種對遙感圖像進行子塊分割的算法體系。將較難處理的整景圖轉換為較為容易處理的小尺寸子圖，并且利用分割逼近的思想，將較為復雜的云類目標檢測問題轉化為較為容易的云圖分類問題；
　　 2.將現有的云圖特征描述算法進

3、行整理歸納，詳細闡述了灰度梯度共生矩陣與分數維在云圖特征描述中的應用。提出了一種高效的特征空間降維的方法，并且以此為基礎，結合K-均值分類器實現了一個自動云量判讀系統(tǒng)，結合仿真數據驗證了分割近似云量統(tǒng)計算法的有效性；
　　 3.提出了基于高斯金字塔的遙感云圖多尺度特征提取算法。在尺度變換的過程中，遙感圖像的各種特征會不同程度地退化。用特征的退化率對單一尺度特征矢量進行延拓，就可以得到圖像的多尺度特征矢量。實驗數據表明，經過延拓的