基于視覺特征的高分辨率光學遙感影像目標識別與提取技術研究——以水體、陰影和植被為例.pdf

1、遙感科學與技術是上個世紀60年代發(fā)展起來的空間對地觀測技術，經(jīng)過半個多世紀的發(fā)展，遙感已成為空間信息獲取的主要手段，在地學及其相關各領域得到了廣泛地應用。隨著高空間分辨率遙感的發(fā)展及天―空－地一體化遙感系統(tǒng)的形成，遙感不但已經(jīng)在地學及其相關領域的應用更加深入，而且還突破傳統(tǒng)的應用范圍，進入到社會公共服務領域。這些變化，充分顯示了高分辨率遙感的巨大應用潛力和市場需求。
　　遙感是為了應用而產(chǎn)生和發(fā)展的，因此首先須要將空間信息從其載體

2、――遙感影像中解譯出來。長期以來，遙感影像主要依靠人工解譯。這種解譯方式直接利用了人腦的智慧和知識，解譯結果一般具有很高的可靠性，但費時、費力，解譯成本高，而且定量化的分析精度較差。影像分辨率的提高，直接導致遙感數(shù)據(jù)量的大幅度增加和地理空間信息需求的大幅增加。面對海量數(shù)據(jù)和不斷增加的市場需求，仍然使用人工解譯的方式顯然是達不到應用要求，但自動解譯技術還處于實驗階段，遠未達到實用化的程度。在這樣的背景下，深入開展遙感圖像自動化、智能化解譯

3、的研究是非常必要的。遙感影像自動化、智能化解譯，已經(jīng)成為了遙感科學與技術領域研究的前沿和熱點。這也是本文研究所關注的問題。
　　鑒于遙感影像的種類較多，不同的影像類型具有不同的影像特性，而光學遙感影像的應用最為廣泛。因此，本文的研究對象集中在高分辨率光學遙感影像上。研究的目的在于探索高分辨率光學遙感影像自動解譯的基本指導思想和總體技術模型，以及在這種技術框架下建立幾種代表性的目標識別和提取技術。
　　本文的研究涉及面較大，主

4、要創(chuàng)新概括起來在以下幾個：
　　1．針對目前遙感影像自動解譯尤其是全要素解譯缺乏切實可行的總體技術模型和基本指導思想的現(xiàn)狀，提出了遙感影像分層解譯的總體技術模型。這種模型的基本思想是認為遙感影像是由各種地物類型圖層的疊加，解譯的過程是分離這些圖層并提取目標信息的過程。對不同類型地物的識別，應使用不同特征進行建模，從易到難、從簡單到復雜，從單體數(shù)量少的類到單體數(shù)量多的類，逐層進行，相互推理和印證，最終實現(xiàn)整個圖像的自動解譯。對于特征

5、選擇，提出了基于主要視覺特征并兼顧該特征自動獲取時的現(xiàn)勢可操作性和代價為基礎的準則。
　　2．提出了一種新的僅依賴于圖像自身特性的水體自動提取模型。該模型是在對高分辨率光學遙感影像水體固有特征和水體視覺特征進行深入研究和分析的基礎上提出的，并將視覺特征和結果引入到建模中，且不需要包括紅外成像波段在內(nèi)的任何輔助信息。為了保留小樣本的特性，提出了基于最小距離和的簇數(shù)和閾值自動計算方法。實驗結果表明該模型獲得結果與人眼視覺解譯結果一致，

6、還具有方便使用、適應性強的特點。
　　3．對光學遙感影像上的陰影顏色特性進行了分析，并對遙感影像陰影色調(diào)、飽和度和亮度特性的機理進行了深入研究。在此基礎上，提出了一種新的多特征綜合（MFI）的陰影提取模型。實驗和比較結果表明，該方法所獲取的陰影檢測結果與人眼的視覺解譯結果大體一致，且具有適應性強的特點。
　　4.對遙感影像陰影的視覺特征進行了研究，結合遙感影像陰影顏色特性的研究結果，地提出了一種基于自適應特征選擇（SAFS）

7、的陰影檢測模型。SAFS模型選用亮度和各顏色分量定義的6種布爾關系為特征，首先對亮度進行數(shù)學變換以增強陰影亮度與非陰影亮度之間的可分離性，同時將布爾關系進行轉化以適合于同亮度一起作為特征輸入到PM模型中進行綜合決策。該模型最大的特點是能根據(jù)被處理圖像的特點，動態(tài)地選擇合適的特征進行建模，灰度圖像和彩色圖像均可適用。實驗結果表明, SAFS模型的識別結果與人眼的視覺解譯結果一致。與MFI模型相比，SAFS模型計算簡便，具有更好的適應性、更

8、高的效率和自動化程度，為遙感影像的自動化檢測提供了實用的處理方法。
　　5．提出了一種新的基于視覺特征和視覺識別結果的城市植被自動提取方法。該方法選擇色調(diào)、飽和度和亮度三個主要視覺特征作為建模特征，首先將圖像進行HSI變換，然后利用植被特殊的色調(diào)特征對色調(diào)圖像進行粗分割，將色調(diào)圖像的粗分割結果與飽和度圖像和強度圖像一起分別進行各自的Gauss變換以增強植被特征的可分離性。最后將Gauss變換后的結果輸入到PM模型進行決策。實驗結果