收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

高光谱遥感影像恢复与分类方法研究

卢婷  
【摘要】:高光谱遥感影像能够提供丰富的空间和光谱信息,为精确地物信息分析创造了有利条件,因此被广泛应用于环境监测、地质勘探、精确农业、军事监测等多个领域。近年来不断发展的高光谱成像技术为遥感对地观测技术带来了新机遇,但同时也对现有的影像处理技术提出了新的挑战:受成像设备与外部环境等因素的影响,传感器在获取高光谱分辨率影像数据的同时不可避免的引入了空间维和光谱维的噪声,噪声的存在不但降低了影像的质量,而且限制了后续的影像分析与应用;高光谱遥感影像中的“同物异谱”和“异物同谱”现象,使得类内差异变大、类间差异减小,单独利用光谱信息难以实现高精度场景分类识别;光谱分辨率的提高带来了数据维度的增长,但传统的分类识别算法在处理高维数据时通常面临“休斯效应”,为实现高维数据、小样本情况下的快速精确解译对传统分类识别算法提出了更高的要求。本论文在深入总结和分析高光谱图像处理研究现状的基础上,针对高光谱遥感数据在影像获取和场景解译两个方面存在的问题,结合高光谱影像自身在空间域和光谱域的特性,研究了高性能影像恢复与分类识别技术,并通过在真实高光谱遥感数据上的实验验证了本文提出方法的有效性和优越性。具体研究内容如下:(1)针对随机噪声引起的高光谱遥感影像降质问题,本文提出了基于空谱自适应稀疏表示的影像恢复方法。该方法通过光谱自适应波段分组和空间自适应相似区域搜索,获得光谱相关—空间相似的像素簇,然后通过空谱自适应联合稀疏分解与重构去除影像中的噪声成分,实现无噪声影像的恢复。该方法的特点是:结合光谱信号的稀疏特性,并充分利用高光谱影像中的光谱相关信息与空间相似信息,有效去除影像中的随机高斯噪声,实现空谱特性高保真的影像恢复效果。实验中,对比了逐波段的影像恢复方法以及几种不同的空—谱信息联合的影像恢复方法。结果表明:本文方法在目视结果和空谱特性保真度客观评价指标上均具有优势,验证了本文方法在解决高光谱遥感影像恢复问题上的有效性和可靠性。(2)针对传统的像素级分类方法容易受到“同物异谱”和“异物同谱”现象影响、导致分类结果不精确的问题,本文提出了基于点集对点集距离测度的空谱分类方法。本方法首先结合高光谱影像中局部空间区域的地物分布特性,利用超像素分割技术获取局部区域的同类测试点集,并从训练样本获取训练点集;然后,通过计算点集对点集的最小凸包距离,获取每个超像素对应的测试点集的共同类别标签。一方面,结合形状自适应的局部空间信息和点集内的光谱相似信息,并利用点集对点集距离测度来获取分类标签,能够有效避免类似“椒盐噪声”的分类结果,提升整体分类精度;另一方面,与像素级分类方法相比,超像素级面向对象的分类方法能够有效提升分类算法的计算效率。实验中,对比了不同的空谱联合分类算法。结果表明本文提出的基于点集对点集距离测度的分类方法在整体分类精度和计算效率上都能得到有效的提升。此外,由于农田场景的高光谱影像中包含大量同质区域,基于点集对点集距离测度的超像素级分类方法对这类场景的分类具有十分明显的优势,证明了该方法在农业制图上的实用价值。(3)针对单分类器在分类识别中的分类精度受限和算法鲁棒性不足的问题,本文研究了多分类器融合机制并用于解决高光谱遥感影像分类问题,提出了一种融合像素级支持向量机分类器和超像素级联合稀疏表示分类器的空谱分类方法。基本步骤如下:首先,利用支持向量机分类器获取像素级分类结果;然后,结合超像素分割技术和联合稀疏表示分类器获取超像素级分类结果;最后,通过自适应地融合两种不同分类器获取的分类结果,并利用最大后验概率准则,对最终的类别标签进行联合估计。与单独的像素级支持向量机分类方法和超像素级联合稀疏表示分类器相比,本文提出的多分类器融合分类方法能够有效利用不同分类器的优势,实现边缘结构区域与同质区域分类精度的同步提升,获得鲁棒性更高的分类性能。此外,实验中还对比了其他联合空谱信息的分类方法。结果表明本文提出的多分类器融合分类方法在农田场景和城市场景中都能获得更优的分类结果,证明了该方法在不同场景中的实用价值。(4)针对单特征在表达图像特性上的单一性以及在小样本情况下难以有效提升分类精度的问题,本文深入分析了亚像素级、像素级和超像素级特征在表达高光谱影像空谱信息上的互补性,研究了基于多特征融合的空谱分类方法,设计了特征级融合和决策级融合分类框架,结合亚像素级光谱混合信息、像素级结构变化信息以及超像素级局部空谱相似信息,通过有效的融合分类策略实现分类,提升不同类别地物之间的可分性。在特征级融合框架中,由不同的特征分别引导出对应的核空间函数,并通过线性求和方式形成更具可分性的合成核;然后,利用合成核支持向量机实现融合分类。在决策级融合分类框架中,首先基于不同的特征,利用支持向量机估计初始分类概率;然后,自适应结合多个初始分类概率,并通过求解最大后验概率估计问题获得最终分类结果。实验中与不同基于多特征融合的空谱分类方法进行对比,实验结果证明:本文提出的基于多特征融合的分类方法能更全面地描述高光谱影像中丰富的空—谱信息,有效提升小样本情况下高维光谱数据的分类性能,为高光谱遥感数据的场景识别分类提供了新思路。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 秦振涛;杨茹;张靖;杨武年;;基于聚类结构自适应稀疏表示的高光谱遥感图像修复研究[J];遥感技术与应用;2018年02期
2 徐锐;林娜;吕道双;;面向对象的高光谱遥感影像稀疏表示分类[J];测绘工程;2018年04期
3 张静妙;高双喜;王晓娜;;基于低秩字典学习的高光谱遥感图像去噪[J];控制工程;2016年06期
4 陈曦;;清新隽永 桑达6310[J];通信技术;2004年09期
5 王淑敏;宫宁生;陈逸韬;;加权的超像素级时空上下文目标跟踪[J];计算机应用研究;2017年01期
6 何同弟;李见为;;基于自适应稀疏表示的高光谱遥感图像分类[J];系统工程与电子技术;2013年09期
7 李刚;万幼川;;基于改进的像素级和对象级的遥感影像合成分类[J];测绘学报;2012年06期
8 胡冰;刘衡竹;王攀峰;周海芳;;像素级融合并行算法的模型研究[J];计算机时代;2008年02期
9 朱慧;刘富强;;车载视频系统中基于半像素级搜索的电子稳像算法[J];科技信息;2007年07期
10 ;挑战之星[J];电脑爱好者;2008年16期
11 赵波,吴成柯,张方;一种基于硬件实现的快速运动估计半像素级搜索算法[J];电路与系统学报;2005年02期
12 白丕绩;姚立斌;陈楠;毛文彪;韩庆林;周连军;姬玉龙;;像素级数字长波制冷红外焦平面探测器研究进展[J];红外技术;2018年04期
13 李玲玲;娄联堂;;像素级多传感器图像融合研究进展[J];河南科技;2006年03期
14 黄冬梅;梁素玲;王振华;孙婧琦;徐首珏;;利用信息熵的高光谱遥感影像降维方法[J];计算机工程与应用;年期
15 李斐斐;;高光谱遥感影像技术发展现状与应用[J];现代营销(下旬刊);2018年03期
16 赵艳福;张灵凯;;高光谱遥感的应用[J];城市地理;2017年04期
17 郑泽忠;范东明;李玉霞;曹云刚;夏清;;AVIRIS高光谱遥感影像无缝镶嵌探讨[J];地理与地理信息科学;2008年05期
18 胡钢;秦新强;田径;;像素级多传感器图像融合技术[J];沈阳工程学院学报(自然科学版);2007年02期
19 程一松,胡春胜;高光谱遥感在精准农业中的应用[J];农业系统科学与综合研究;2001年03期
20 田庆久;评《高光谱遥感及其应用》一书[J];遥感信息;2000年02期
中国重要会议论文全文数据库 前10条
1 张霞;刘良云;赵春江;张兵;;利用高光谱遥感图像估算小麦氮含量研究[A];成像光谱技术与应用研讨会论文集[C];2002年
2 徐元进;胡光道;;取缔阀值的高光谱遥感光谱匹配分类信息制图[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
3 徐元进;胡光道;;穷举法在高光谱遥感图像地物识别中的应用[A];第四届中国软件工程大会论文集[C];2007年
4 李京;蒋卫国;;高光谱遥感在湿地监测与分类中的应用[A];第十届全国光电技术学术交流会论文集[C];2012年
5 黄家柱;龚绍奇;韦玉春;李云梅;;内陆水体总氮、总磷浓度高光谱遥感实验研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
6 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
7 杨宝;朱启兵;黄敏;;基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别[A];第24届中国控制与决策会议论文集[C];2012年
8 胡中中;许一菲;武和雷;;小波分析在像素级融合中的应用[A];中国计量协会冶金分会2011年会论文集[C];2011年
9 黄娟;郭明克;张永梅;闫涛;王宁;;利用高光谱遥感资料提取赤潮信息方法研究[A];成像光谱技术与应用研讨会论文集[C];2002年
10 黄文钰;尚海兴;;基于小波变换的高光谱遥感影像光谱匹配技术研究[A];陕西省水力发电工程学会第三届青年优秀科技论文集[C];2013年
中国博士学位论文全文数据库 前10条
1 卢婷;高光谱遥感影像恢复与分类方法研究[D];湖南大学;2017年
2 谢卫莹;高光谱遥感影像高精度分类方法研究[D];西安电子科技大学;2017年
3 王毓乾;基于空间—光谱分析的高光谱遥感影像稀疏解混研究[D];武汉大学;2015年
4 毕晓佳;高光谱遥感协同处理黑刺沟岩矿蚀变信息方法研究[D];成都理工大学;2016年
5 谭炳香;高光谱遥感森林类型识别及其郁闭度定量估测研究[D];中国林业科学研究院;2006年
6 冯燕;高光谱图像压缩技术研究[D];西北工业大学;2006年
7 张海涛;基于兴趣体保护的高光谱遥感图像压缩技术研究[D];辽宁工程技术大学;2014年
8 黄建忠;基于高性能计算的土地利用影像分类技术研究[D];武汉大学;2013年
9 程增飞;基于压缩感知的阵列信号处理技术研究[D];西安电子科技大学;2017年
10 赵永红;基于稀疏表示的阵列信号空间谱估计方法研究[D];西安电子科技大学;2017年
中国硕士学位论文全文数据库 前10条
1 郑炯卫;一种应用于读出电路的像素级TAC设计[D];电子科技大学;2018年
2 李真熙;基于像素级人脸标注的人脸编辑方法[D];中国科学技术大学;2017年
3 张东军;基于SOPC的扫描仪像素级校正系统设计与实现[D];西安电子科技大学;2009年
4 尤伟;高光谱遥感目标检测并行处理方法研究[D];哈尔滨工程大学;2016年
5 李成轶;基于稀疏表示的热红外高光谱数据岩性分类研究[D];中国地质大学(北京);2017年
6 张悦;高光谱遥感图像降维技术研究[D];东华理工大学;2018年
7 刘群;基于深度学习的高光谱遥感图像特征学习与分类算法研究[D];华侨大学;2018年
8 马秀强;高光谱遥感在大冶铜铁矿区水环境监测中的应用[D];中国地质大学(北京);2018年
9 邱壑;耕地土壤有机质与速效氮磷钾含量高光谱遥感反演研究[D];福建农林大学;2017年
10 马航;基于无人机高光谱遥感东北粳稻叶绿素含量监测及建模研究[D];沈阳农业大学;2017年
中国重要报纸全文数据库 前8条
1 刘佳;短视频风口来了 但不是每只猪都能飞起来[N];第一财经日报;2017年
2 闫柏琨;高光谱遥感:地球资源环境管护开发的新利器[N];中国矿业报;2016年
3 姚娣;高光谱遥感就是“火眼金睛”[N];北京日报;2017年
4 记者 于德福 通讯员 单广宁 魏雪松;我国开展航空高光谱遥感油气调查示范[N];中国国土资源报;2016年
5 中国科学院院士、国际欧亚科学院院士 童庆禧;我国高光谱遥感的发展[N];中国测绘报;2008年
6 记者 金小平;中国地调局举办高光谱遥感找矿培训班[N];中国矿业报;2007年
7 李然;三百万像素级拍照手机横空出世[N];中华工商时报;2005年
8 王峻;热情赤环 千万像素级相机“赤道”E1000登场[N];电子资讯时报;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978