高分辨率遥感影像多特征稀疏表达与智能理解方法研究

High-resolution remotely sensed data can provide a large amount of ground information in the multiple temporal-spatial-spectral dimensions and present accurate, huge, and complicated geographical patterns. Therefore, it has become one of the basic information sources for landscape analysis, environmental evaluation, rapid response, and resources surveying. With the spatial resolution increased, the spatial correlation between neighboring pixels is substantially enhanced and the semantic-visual information becomes more significant. In this context, the traditional low-level feature extraction and classification techniques are inadequate for obtaining high-accuracy geospatial information. Consequently, the primitive-semantic feature representation and automatic image understanding can be regarded as the core scientific problem of the huge-volume remote sensing image interpretation. Accordingly, in this project, we propose a series of innovative models to solve the aforementioned scientific topic, including: multilevel primitive feature extraction, feature-semantic reasoning, multifeature sparse analysis and fusion, and semantic scene recognition and understanding. This research is potential for improving the intelligent processing level of high resolution remote sensing data and is expected to exceed the current technological bottlenecks. It has important academic value and practical significance in high resolution remote sensing.

高分辨率遥感数据给我们提供了丰富的地表多时-空-谱信息，展现了精细、海量、复杂的地理模式，已成为景观分析、环境评价、快速响应、资源调查的基础数据源之一。随着分辨率的提高，影像中像素空间关系显著增强，语义视觉信息更加明显，传统的低层特征提取与影像分类技术无法获取高精度的地理空间信息。因此，高分辨率遥感影像的基元-语义特征表达与智能化理解，是解决海量影像自动高效解译的关键科学问题，也是目前遥感科学技术的学术前沿。本项研究围绕这一科学问题展开研究，原创性的提出了多层基元特征提取、特征-语义推导模型、多元特征稀疏流行分析与融合、语义场景认知与主动学习等原创性的方法。研究成果能显著提升当前高分辨率遥感影像的智能化处理能力，有望突破当前的技术瓶颈，具有重要的学术价值和现实意义。

近年来，随着遥感传感器分辨率的迅速提高，遥感对地观测能力达到空前水平。然而，在全球范围内，与高分辨率遥感影像获取水平不相适应的遥感数据信息提取及分析能力制约了遥感应用水平的进一步提升。究其原因，对高分辨率遥感影像的高效特征表达与提取是当前感影像综合信息提取的关键前提，对此问题的相关研究也是目前国际遥感科学技术的前沿领域之一。.本项研究将围绕高分辨率遥感影像的高效特征表达与提取中的关键性问题展开研究，主要内容包括：(1)实现高分辨率遥感影像光谱-结构-对象特征描述；(2)实现海量遥感数据的高效自动特征提取；(3)探索多特征流形空间的遥感影像稀疏表达；(4)提出遥感影像智能化认知与理解模型。.在项目的支持下，我们提出了一系列原创性的理论与方法：(1)在特征提取方面，我们提出了多形态学谱、广义差分形态学谱、三维小波纹理等特征，增强了遥感影像的特征描述能力，从而更好地实现影像解译；(2)在稀疏特征表达方面，我们提出了增强房屋指数、高分辨率水体指数，以及稀疏低秩影像压缩等方法；(3)在遥感影像智能化理解上，我们提出了遥感影像语义学习、多指数学习、支持张量机等智能解译算法，并将其应用于城中村提取与时空分析、城市遥感动态监测。.项目组共发表SCI论文28篇，6篇入选ESI高被引论文。在项目支持下，负责人黄昕教授在国家著名期刊IEEE JSTARS(二区)上主持了高分辨率影像处理专刊，当选国际遥感著名刊物IEEE GRSL、PE&RS副主编。