基于隐马尔可夫树模型的高分辨率遥感影像分类若干问题研究

隐马尔可夫树模型是当前模式识别领域的热点论题之一，对解决高分辨率遥感应用领域中的问题具有相当的优越性，但在高分辨率遥感影像分类方面仍需要深入研究。本项目将在多尺度分析、隐马尔可夫链、马尔可夫随机场模型、隐马尔可夫树模型的理论基础上，利用地物可分性准则选择适于隐马尔可夫树模型的子波基，引入数学形态学对边缘进行粗定位，兼顾尺度间边缘的状态转移概率特点，重点解决隐马尔可夫树模型的多尺度边缘信息融合，根据遥感影像多光谱的特点开展通用隐马尔可夫树模型的应用，并建立顾及尺度系数与子波系数的隐马尔可夫树扩展模型。研究成果有利于解决高分辨率遥感影像中地物光谱统计特征不稳定、尺度各异、边缘不确定等方面问题，充分体现和挖掘高分辨率影像数据的特点与信息，满足影像实时处理的需要并提高影像分类精度与可靠性，对于促进隐马尔可夫树模型在高分辨率遥感影像分类中的发展与应用具有重要意义。

国家自然科学基金项目“基于隐马尔可夫树模型的高分辨率遥感影像分类若干问题研究，项目编号（40901221）”，通过三年的研究工作，已完成项目计划内容，取得的研究成果主要包括：. （1）隐马尔可夫树模型的子波基选择。比较拉普拉斯金字塔分解、小波变换、轮廓波变换等方法，设计开发基于小波变换、双树复小波变换、轮廓波变换的遥感影像融合算法。. （2）隐马尔可夫树模型的多尺度边缘信息检测。引入数学形态学检测遥感影像边缘信息，开发“基于IDL的遥感图像混合像元分解系统”；设计开发基于隐马尔可夫树模型的多尺度边缘信息检测算法。. （3）通用隐马尔夫树模型的构建与高分辨率遥感影像分类。提出基于迭代上下文融合的HMT模型遥感影像分类算法，构建不同变换域下的通用隐马尔可夫树模型，设计开发基于小波域/轮廓波域HMT模型的遥感图像去噪算法和遥感纹理图像检索算法。. （4）隐马尔可模型的多/高光谱遥感影像分类。提出一种顾及空间关系的高斯混合模型的多光谱遥感影像非监督分类方法，提出高光谱遥感影像隐马可夫树模型分类算法。