超光譜遙感圖像處理關(guān)鍵技術(shù)研究.pdf

1、隨著傳統(tǒng)多光譜遙感技術(shù)的發(fā)展，在電磁波(光)譜、地理信息系統(tǒng)、電子技術(shù)、計(jì)算機(jī)技術(shù)、航天航空技術(shù)的基礎(chǔ)上，超光譜遙感作為一門新興的遙感技術(shù)出現(xiàn)并迅速發(fā)展。鑒于超光譜圖像數(shù)據(jù)獨(dú)具的高光譜分辨率，其蘊(yùn)含豐富的地物光譜信息日益受到廣泛的關(guān)注。在傳統(tǒng)遙感圖像處理領(lǐng)域，已經(jīng)研究了多種處理方法，相關(guān)技術(shù)日趨成熟。而相對(duì)傳統(tǒng)的多光譜遙感，超光譜遙感圖像的更多的光譜數(shù)據(jù)維、更高的光譜分辨率產(chǎn)生的海量數(shù)據(jù)，為超光譜遙感圖像處理帶來了困難，通常的多光譜遙感

2、圖像處理方法在超光譜遙感圖像應(yīng)用上受到了限制。為了充分利用超光譜圖像數(shù)據(jù)的潛在優(yōu)勢(shì)，研究有效的適于超光譜圖像的分析和處理方法具有重要的理論意義和實(shí)用價(jià)值，而超光譜圖像分類處理技術(shù)的研究是超光譜圖像處理的熱點(diǎn)之一。因此，本文結(jié)合傳統(tǒng)多光譜遙感圖像處理技術(shù)，在現(xiàn)有的超光譜圖像分類處理方法基礎(chǔ)之上，重點(diǎn)研究了超光譜圖像數(shù)據(jù)的波段選擇、融合降維及適于超光譜圖像分類的新方法。 首先，為了從超光譜圖像高光譜維中選擇出有效的波段組合，降低超光

3、譜圖像的數(shù)據(jù)維數(shù)，在子空間分解的基礎(chǔ)上，論文提出了一種基于子空間分解的自適應(yīng)波段選擇(SABS)新方法。這種方法確保選擇出的波段組合合理地分布于整個(gè)光譜空間，不但降低了超光譜圖像的維數(shù)，減少了相鄰譜間的相關(guān)性，又有利于局部分類特征的保留。結(jié)合超光譜圖像的各種波段間存在較高相關(guān)特性，論文討論了波段選擇必要性和可行性，對(duì)整個(gè)數(shù)據(jù)源進(jìn)行子空間分解后，在每個(gè)子空間內(nèi)自適應(yīng)地選擇出了信息最為豐富的波段組合，充分利用了超光譜圖像自身的特點(diǎn)。利用SA

4、BS方法選擇出的波段組合，合理地分布于不同的特征子空間內(nèi)，避免在整個(gè)數(shù)據(jù)空間進(jìn)行特征提取時(shí)可能造成局部細(xì)節(jié)信息的丟失。實(shí)驗(yàn)證明，SABS是適于超光譜圖像波段選擇的有效方法。 其次，在多傳感器數(shù)據(jù)融合理論指導(dǎo)下，論文研究了基于小波包融合的超光譜圖像特征融合降維方法。超光譜圖像各譜段來源于同一時(shí)間、同一分辨率、同傳感器，結(jié)構(gòu)統(tǒng)一，不需配準(zhǔn)，適于進(jìn)行數(shù)據(jù)融合。小波包分解算法，分解不但在近似尺度(低頻)進(jìn)行，還在細(xì)節(jié)分量(高頻)進(jìn)行，便

5、于從多尺度，對(duì)超光譜圖像數(shù)據(jù)進(jìn)行更為細(xì)致的分析?；谛〔ò诤系某庾V圖像降維方法通過子空間分解，將整個(gè)超光譜圖像劃分成不同數(shù)據(jù)源，然后在每個(gè)數(shù)據(jù)源內(nèi)將超光譜圖像各波段進(jìn)行小包分解，并對(duì)分解后不同頻率下的分解圖像加權(quán)融合為一維特征圖像。因?yàn)椴煌V段圖像所包含信息不同，對(duì)應(yīng)的權(quán)值也就不同，其在融合圖像中的貢獻(xiàn)就有所不同。融合后的圖像匯集了子空間內(nèi)所有譜段超光譜圖像數(shù)據(jù)全部有效的信息，不但解決了超光譜圖像高數(shù)據(jù)維和少量訓(xùn)練樣本矛盾，又保留

6、了超光譜圖像豐富的分類、統(tǒng)計(jì)特征。論文通過對(duì)各種融合參數(shù)仿真實(shí)驗(yàn)，研究了小波包融合的最佳參數(shù)選擇，并給出了指導(dǎo)性建議。通過分類實(shí)驗(yàn)證明了利用這種方法降維的超光譜圖像，診斷信息保留完整，分類精度高，計(jì)算量小，基于小波包融合的降維方法是適于超光譜圖像數(shù)據(jù)降維處理的有效手段。 最后，論文對(duì)神經(jīng)網(wǎng)絡(luò)在超光譜圖像分類中的應(yīng)用進(jìn)行了研究，提出了超光譜圖像神經(jīng)網(wǎng)絡(luò)分類方法，并設(shè)計(jì)了概率神經(jīng)網(wǎng)絡(luò)分類器。隨著神經(jīng)網(wǎng)絡(luò)理論不斷豐富和計(jì)算機(jī)系統(tǒng)硬件水平

7、不斷提高，神經(jīng)網(wǎng)絡(luò)在模式識(shí)別領(lǐng)域占有越來越重要的地位，但神經(jīng)網(wǎng)絡(luò)應(yīng)用于超光譜圖像分類的研究還比較少。論文對(duì)比分析了可用于超光譜圖像分類的幾種神經(jīng)網(wǎng)絡(luò)模型，并且對(duì)概率神經(jīng)網(wǎng)絡(luò)在超光譜圖像分類中的應(yīng)用進(jìn)行具體研究。通過仿真實(shí)驗(yàn)，研究了概率神經(jīng)網(wǎng)絡(luò)分類器的樣本數(shù)據(jù)歸一化格式、樣本數(shù)據(jù)特征維數(shù)以及徑向基函數(shù)分布密度對(duì)分類結(jié)果的影響。結(jié)論表明，采用神經(jīng)網(wǎng)絡(luò)對(duì)超光譜圖像進(jìn)行分類，操作簡(jiǎn)單、樣本數(shù)據(jù)維數(shù)高、聯(lián)想能力強(qiáng)，是優(yōu)于傳統(tǒng)最大似然分類的超光譜圖