高空间分辨率遥感信息提取与计算关键技术研究

针对中高空间分辨率遥感影像内容复杂、数据量大等特点，根据影像视觉的整体性和分析理解的层次性，提出建立多层次、多特征融合的遥感影像内容理解框架和计算方法。着重研究解决影像的分解与协调计算：分解是通过多种基于光谱、纹理、空间等模型计算，给出不同的几何参量；协调则是通过规则和模型，综合不同的几何参量，实现对同一目标的统一描述。通过该遥感图像计算分析思想，探索实现从影像视觉整体性描述-影像复杂度、到大尺度快速分割、到区域范围约束下的精细分解和协调计算、到最终映射为目标对象的一套新型信息提取方法。并以海岸带地物目标为应用实例进行信息的提取试验，为实现中高空间分辨率下海岸带资源与环境遥感监测服务。该项目的研究将为制约遥感信息提取的瓶颈问题寻求突破口。

在高空间分辨率卫星遥感技术快速发展的今天，遥感手段获取基础空间数据的能力大大提升，急需突破信息提取的瓶颈问题，实现遥感解译智能化与自动化技术。本项目针对中高空间分辨率遥感影像内容复杂、数据量大等特点，根据影像视觉的整体性和分析理解的层次性，提出建立多层次、多特征融合的遥感影像内容理解框架和计算方法。项目从影像视觉整体性描述出发，提出了影像复杂度描述方法和具体的描述指标。并着重研究了遥感影像分割中的尺度问题，从寻找“合适”的分割尺度参数出发，提出了多尺度分割结果快速生成与导出策略。同时项目提出了一种融合边缘信息的对象合并算法(RGIE)，对初分割的影像对象进行再合并，验证试验表明该方法能够同时划分出不同复杂程度的地物，在一定程度上跨越尺度参数的限制。在此基础上，发展了基于RGIE 算法的岸线提取（海陆分离）方法，此方法对不同海岸类型适应能力较强，特别在养殖海岸的岸线提取比传统阈值分割方法更有优势。此外项目研究了遥感智能解译中的多源信息融合技术，发展了基于影像对象的多源辅助信息特征级融合方法，开展了多尺度辅助信息融合分类实验（使用的辅助信息包括数字地形信息、夏季时相ETM 和HJ 卫星遥感信息、MODIS NDVI 时间序列遥感信息），并对比了不同分类器的应用效果。在突破以上关键问题基础上，构建了遥感自动解译系统模型，并以海岸带高分影像为例，开展了海岸带土地利用/覆被遥感自动解译应用验证研究，实验结果显示，自动解译的地块结构与目视解译结果相差不大。该项目成果将极大地服务于海岸带资源与环境遥感监测与应用。