基于生物视觉启发的卫星遥感影像对象解译理论研究

人类视觉系统具有优越于当前计算机视觉的目标识别以及记忆能力，尽管当前人类认识生物视觉系统还非常不够，但在视觉皮层目标识别与记忆等方面已取得了一些非常诱人的研究成果。.受视觉系统的腹侧通路目标识别的层次模型、视觉记忆模型等启发，结合计算机视觉、场景理解最新的研究成果与面向对象遥感影像分析方法，重点研究卫星遥感影像对象层次特征提取模型；影像对象的中间复杂特征度量与自动提取；从基于矢量量化学习的短期记忆（STM）到基于视觉归纳学习的长期记忆（LTM）传递的对象表达的记忆体系，以及对象的层次特征与多尺度表达之间语义通信；受遥感影像目视解译过程等的启发，研究从层次特征可区分性选择到综合集成多种技术与方法，建立模拟遥感影像目视解译的方法库，探索高空间分辨率卫星遥感影像智能解译的新途径，对于推动我国开展高分辨率对地观测系统智能化处理无疑具有重要的理论与应用价值。

近3年来，课题组结合高分辨率遥感的特点，从生物视觉—影像特征提取的机理出发，就生物视觉启发的特征等研究方面，在以下几个方面已经取得了显著进展：.（1）受Hubel和Wiesel关于视觉皮层具有从简单细胞、复杂细胞、低阶超复杂细胞到高阶超复杂细胞的层次性结构的假设启发，提出了一个受生物视觉启发的前馈深度层次模型，即层次特征映射（Hierarchical Feature Map, HFM）模型。该模型虽然仅仅只有编码器，但是其实际性能已经能和同时具有编码器、解码器的基本深度网络相媲美，显示HFM对大脑视觉皮层中前馈视觉信息处理过程的建模是成功的。.（2）从生物视觉的角度出发，通过研究每个区域颜色感知的神经机制，以及各区域之间的信息传递及转换过程，建立了颜色的层次性编码模型（HMCC）。该模型较好地模拟了自然光经眼睛进入视网膜，到侧膝体，再经过V1，V2，PIT及IT阶段的处理过程，最终形成了从低层到高层的颜色层次性特征表达。.（3）以初级视皮层V1的超柱结构内具有多尺度、多方向特性的简单细胞为基本单元，研究了超柱结构内神经元群的感受野信息提取与目标表达过程，提出了群口向量编码与时态群口编码解码模型，以稳健地表达图像内容。分析评价了各种方向特征以及解码获得的局部SSP特征。.（4）针对高分遥感影像解译的层次特点，提出一种新的面向影像监督分类的层次流形学习方法（Hierarchical Manifold Learning，HML），该方法充分利用训练样本的类别标签信息和类内流形的局部结构信息通过构造层次流形进行降维，并用提取得到的共享特征表达父流形的信息，此外，还通过广义回归神经网络以较低的计算代价解决流形学习的out-of-sample问题，从而进一步提高该方法的监督分类精度。.此外，本项目已经在IEEE Transactions on Geoscience and Remote Sensing杂志发表文章5篇，IEEE Geoscience and Remote Sensing Letters发表1篇文章。.在人才培养方面，已经毕业博士2人，硕士6人，其中1名博士正在申请上海市优秀博士论文。