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

1、遙感科學(xué)與技術(shù)是上個世紀(jì)60年代發(fā)展起來的空間對地觀測技術(shù)，經(jīng)過半個多世紀(jì)的發(fā)展，遙感已成為空間信息獲取的主要手段，在地學(xué)及其相關(guān)各領(lǐng)域得到了廣泛地應(yīng)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(xué)及其相關(guān)領(lǐng)域的應(yīng)用更加深入，而且還突破傳統(tǒng)的應(yīng)用范圍，進(jìn)入到社會公共服務(wù)領(lǐng)域。這些變化，充分顯示了高分辨率遙感的巨大應(yīng)用潛力和市場需求。
　　遙感是為了應(yīng)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(jié)果一般具有很高的可靠性，但費(fèi)時、費(fèi)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(dǎo)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(dá)不到應(yīng)用要求，但自動解譯技術(shù)還處于實(shí)驗(yàn)階段，遠(yuǎn)未達(dá)到實(shí)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(xué)與技術(shù)領(lǐng)域研究的前沿和熱點(diǎn)。這也是本文研究所關(guān)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(xué)遙感影像的應(yīng)用最為廣泛。因此，本文的研究對象集中在高分辨率光學(xué)遙感影像上。研究的目的在于探索高分辨率光學(xué)遙感影像自動解譯的基本指導(dǎo)思想和總體技術(shù)模型，以及在這種技術(shù)框架下建立幾種代表性的目標(biāo)識別和提取技術(shù)。
　　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(shí)可行的總體技術(shù)模型和基本指導(dǎo)思想的現(xiàn)狀，提出了遙感影像分層解譯的總體技術(shù)模型。這種模型的基本思想是認(rèn)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(biāo)信息的過程。對不同類型地物的識別，應(yīng)使用不同特征進(jìn)行建模，從易到難、從簡單到復(fù)雜，從單體數(shù)量少的類到單體數(shù)量多的類，逐層進(jìn)行，相互推理和印證，最終實(shí)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(jià)為基礎(chǔ)的準(zhǔn)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(xué)遙感影像水體固有特征和水體視覺特征進(jìn)行深入研究和分析的基礎(chǔ)上提出的，并將視覺特征和結(jié)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?cái)?shù)和閾值自動計(jì)算方法。實(shí)驗(yàn)結(jié)果表明該模型獲得結(jié)果與人眼視覺解譯結(jié)果一致，

6、還具有方便使用、適應(yīng)性強(qiáng)的特點(diǎn)。
　　3．對光學(xué)遙感影像上的陰影顏色特性進(jìn)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(jī)理進(jìn)行了深入研究。在此基礎(chǔ)上，提出了一種新的多特征綜合（MFI）的陰影提取模型。實(shí)驗(yàn)和比較結(jié)果表明，該方法所獲取的陰影檢測結(jié)果與人眼的視覺解譯結(jié)果大體一致，且具有適應(yīng)性強(qiáng)的特點(diǎn)。
　　4.對遙感影像陰影的視覺特征進(jìn)行了研究，結(jié)合遙感影像陰影顏色特性的研究結(jié)果，地提出了一種基于自適應(yīng)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(guān)系為特征，首先對亮度進(jìn)行數(shù)學(xué)變換以增強(qiáng)陰影亮度與非陰影亮度之間的可分離性，同時將布爾關(guān)系進(jìn)行轉(zhuǎn)化以適合于同亮度一起作為特征輸入到PM模型中進(jìn)行綜合決策。該模型最大的特點(diǎn)是能根據(jù)被處理圖像的特點(diǎn)，動態(tài)地選擇合適的特征進(jìn)行建模，灰度圖像和彩色圖像均可適用。實(shí)驗(yàn)結(jié)果表明, SAFS模型的識別結(jié)果與人眼的視覺解譯結(jié)果一致。與MFI模型相比，SAFS模型計(jì)算簡便，具有更好的適應(yīng)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(shí)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(jié)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(jìn)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(jìn)行粗分割，將色調(diào)圖像的粗分割結(jié)果與飽和度圖像和強(qiáng)度圖像一起分別進(jìn)行各自的Gauss變換以增強(qiáng)植被特征的可分離性。最后將Gauss變換后的結(jié)果輸入到PM模型進(jìn)行決策。實(shí)驗(yàn)結(jié)果