高光谱与极化SAR图像协同处理关键技术研究

鉴于高光谱(HSI)与极化SAR(Pol-SAR)图像各自的优点与局限性，本项目拟进行HSI与Pol-SAR图像的协同处理关键技术研究，通过互补信息的提取和关联实现精确的地物分类与识别。主要研究：1)HSI高维数据空间的非线性流形表示和Pol-SAR图像中极化信息的提取方法，并将提取到的空间、光谱与极化等信息进行关联；2)针对不同信源图像时空分辨率不一致，研究基于仿射协变特征提取和基于分块互信息交叉匹配的HSI与Pol-SAR图像高效配准技术；3)利用机器学习理论的HSI与Pol-SAR协同处理技术建立面向分类应用的模型结构，并构建协同处理的综合评价体系。拟解决的关键问题包括互补信息提取和协同处理中的关联与模型化问题。通过本项目的研究可实现HSI与Pol-SAR图像的优势互补，对于环境监测变化检测、资源调查、城市规划、军事侦察、灾害评估等均具有重要意义。