论文部分内容阅读
近年来,随着卫星、传感器以及计算机技术的飞速发展,高光谱遥感技术在精准农业、海洋勘探、城市规划等领域得到了广泛的应用,为服务国家与地方经济发展做出了显著的贡献。高光谱遥感图像（Hyperspectral Image,HSI）是由成百上千个连续窄波段构成的图谱合一三维立方体数据,可以为地面覆被材质识别与分类提供丰富的诊断性特征信息。然而,高光谱遥感图像的数据量大、信息冗余与非线性特征为高光谱遥感图像的处理带来了诸多困难。同时,受大气环境、传感器等因素的影响,导致高光谱遥感图像极易引发“同谱异物,同物异谱”现象,为高光谱遥感领域覆被精细分类与精确制图带来了不可避免的挑战。因此,如何实现有效的高光谱遥感图像空间与光谱信息特征提取（Spectral-Spatial Feature Extraction）以及如何设计高效的高光谱遥感图像空谱分类（Spectral-Spatial Classification）算法,深入挖掘高光谱遥感图像蕴含的特征识别价值,提升覆被识别、分类以及制图的精准性,是一个具有科研价值和社会经济意义的研究课题。本文针对高光谱遥感图像的空谱特征提取与空谱分类问题,聚焦于高光谱遥感图像自适应空谱特征提取与分类方法的研究,构思与设计了三种高光谱遥感图像特征提取与空谱分类算法,极大地提升了高光谱遥感图像地面覆被材质解译与分类的精度。本文主要的研究内容概述如下:基于三维块特征共享的高光谱遥感图像特征提取:由于受天气、传感器抖动等外部因素的影响,高光谱遥感图像像素的相邻光谱-空间信息（Spectral-Spatial Information）容易混入其它地物类型的覆盖物,导致像素邻域存在空谱弱假设现象,即空谱信息包含噪声,从而影响后续高光谱遥感图像解译与分类精准性。因此,为了有效地克服高光谱遥感图像像素邻域的空谱弱假设现象,提取高可分离性与判别性图像特征,本文提出了一种基于三维块特征共享（3-D Block Characteristics Sharing,3-D-BCS）的高光谱遥感图像特征提取方法,该特征提取方法的基本思想在于基于超像素视角重定义像元局部区域空谱信息,克服特征提取过程中存在的像元空谱弱假设。实验结果表明,所提出的基于三维块特征共享的高光谱遥感图像特征提取方法在分类任务中,即使在训练样本非常少的情况下,仍然能够在分类精度方面由于其它对比方法。基于空间峰值感知协同表示的高光谱遥感图像分类:基于协同表示（Collaborative Representation,CR）的传统分类方法均没有考虑将超像素（Superpixel）聚类中心像元之间的光谱信息和空间位置引入至建模过程。事实上,超像素聚类中心像元包含了许多有价值的信息,它可以有效改善解译结果中的椒盐噪声以及提高协同表示模型的分类精度。基于此,本文设计并介绍了一种用于高光谱遥感图像分类的空间峰值感知协同表示方法（Spatial Peak-Aware Collaborative Representation,SPa CR）,该方法将超像素聚类中心像元之间的光谱信息与空间位置关系引入至协同表示模型的正则化项中,构建了一个基于协同表示的封闭解。实验结果表明,本文方法在无任何数据预处理的情况下,其分类精度远高于经典的以及先进的分类器与空谱分类方法。基于结构感知多核学习的高光谱遥感图像分类:目前大多高光谱遥感图像空谱分类方法或特征提取方法都是基于空间-光谱弱假设,即假设空间区域内的所有像元都属于同一类,并将光谱空间内接近的像元标记为同一类别。基于此,本文提出了一种结构感知多核学习（Structure-Aware Multikernel Learning,Sa MKL）的高光谱遥感图像空谱信息提取与分类方法,该方法充分考虑了高光谱遥感图像特征提取中的邻域像元的空谱信息弱假设问题,同时引入了一个多核学习过程,从而改善了高光谱遥感数据特征的可分性。该方法包含了四个关键技术,首先,基于各种滤波算子,从原始高光谱遥感图像中分别提取光谱、空间以及纹理特征。然后,本文设计了k峰值密度方法来定义超像素区域,该区域可以有效地捕获高光谱遥感图像的空间结构信息并克服上述空谱弱假设现象。接下来,将这三组复合核独立嵌入至支持向量机分类器中,得到三组分类结果。最后,采用多数投票原则获得高光谱遥感图像的最终分类标签。实验结果表明,该方法的分类性能能够远优于高光谱遥感图像分类领域众所周知和最先进的分类方法,特别是当先验可用的标记样本非常有限时。综上,本文针对高光谱遥感图像监督分类研究课题,从空谱特征提取与空谱分类关键科学问题与技术难点出发,设计了基于三维块特征共享的高光谱遥感图像特征提取算法与基于空间峰值感知协同表示的高光谱遥感图像空谱分类算法,提出了面向高光谱遥感图像特征提取与空谱分类的结构感知多核学习策略,为高光谱遥感图像特征提取与分类提供了新思路及新方法。此外,本文方法在真实高光谱遥感图像数据集上进行了湿地覆被要素制图与自然灾害检测,实验结果表明,本文方法能够有效提升覆被制图与灾害检测的准确率,从而证实了本文方法将对遥感制图与灾害检测的发展具有积极的促进意义。