遥感对地观测技术是关系到一个国家未来可持续发展的重要技术。目前遥感对地观测技术出现了以下三“高”的发展趋势:高空间分辨率、高时间分辨率和高光谱分辨率。光谱遥感技术逐渐成为人们准确获取地球表面信息的一种主要的手段之一,并发挥着越来越广泛的社会效益,高光谱分辨率传感器是未来空间遥感发展的核心内容。在实际多、高光谱影像处理和分析工作中,光谱影像丰富的光谱信息为地物的边界和地物目标的检测识别创造了良好的条件,随着高光谱影像空间分辨率的提高以及地理信息系统技术的发展,对多、高光谱遥感影像的处理和分析也提出了更高的要求。近年来,对多、高光谱遥感影像处理和分析方法的研究成为遥感领域的前沿之一。将一些新的理论和方法应用于多、高光谱影像处理和分析对于提高遥感信息的提取水平具有十分重要的意义。 投影寻踪是处理和分析高维数据集的一类新兴技术。投影寻踪方法是根据特定的应用意义设计相应的投影指标,把高维数据集投影到低维数据空间后进行分析,揭示高维数据集内部的结构和特征。在多、高光谱遥感影像处理和分析领域中有一个重要的学术思想倾向就是希望在减少光谱数据的维数和数据量,但又期望尽可能保留原始光谱数据的所有信息。这一学术思想倾向与投影寻踪在保留感兴趣信息的前提下,把高维数据集投影到低维数据空间来分析的核心思想不谋而合。本文从投影寻踪降低高维数据集维数的角度出发,将投影寻踪应用于多、高光谱遥感影像分析,主要开展了如下几方面的研究工作: 1、投影寻踪是通过寻找有意义的低维投影以揭示高维数据内部结构特征。本文在分析投影寻踪的数学思想和求解方法基础上,把投影寻踪方法与光谱影像处理分析中降低数据维数的分析方法进行有机的结合。发展了基于全局优化算法(遗传算法、动力演化算法)的投影寻踪方法在多、高光谱影像数据分析中的应用。 2、分析了多、高光谱影像处理和分析时波段选择的必要性和可能性。通过分析多、高光谱影像数据本身具有波段间相关性高的特点,把多、高光谱影像的波段选择看作通用多元数据分析中的变量选择(特征集的选择),采用基于自适应子空间分解的波段选择方法来实现波段选取。并通过波段选取后的多、高光谱影像分类试验来验证基于自适应子空间分解的波段选择方法的优点和有效性。 3、主成分分析方法在多、高光谱影像处理和分析中得到了广泛的应用,本文在分析主成分分析投影寻踪思想的基础上,通过比较投影寻踪方法与一般解析方法求解样本数据主成分的试验,验证两种求解方法在本质上的一致性。在寻找最佳投影方向上,发展了标准遗传算法,提出基于动力演化的优化算法。选择信息散度作为投影指标,并通过模拟数据和多光谱影像数据试验表明了该方法在提取高维数据集非正态性结构特征方面的优势。 4、在分析线性光谱混合模型应用于遥感影像混合像元分离的基础上,把多、高光谱影像当作观测信号,看作由各个独立信号源混合而成。根据观测混合信号比各个独立信号更接