多源多时相遥感图像光谱特征鲁棒性融合研究

The study of remote sensing radiation characteristics is the fundamental of remote sensing. The remote sensing information interacting with ground objects can cause different spectral characteristics for the same object. The image fusion can solve this phenomenon to a certain extent. At the same time, with the development of remote sensing from qualitative to quantitative, the fusion algorithm is needed not only to enhance the spatial features, but also to minimize the spectral information distortion. Otherwise, when the remote sensing is quantitatively analyzed, it will lead to large biased or erroneous results. Hence, it is required to develop the robust spectral characteristics fusion methods. Thus, on the basis of the initial results from the young NSFC project (No. 61101204, finished), i. e. the fusion result is related to different landscape types and different bands, we propose robust spectral characteristics fusion methods for multi-source remote sensing images with n-band, multi-temporal and different landscape types. By means of the transfer learning idea, based on the transfer of the spatial and spectral characteristics, the robustness of the spectral characteristics in the fused image is achieved by the adaptive information enhancement, the adaptive filtering and the adaptive selection of landscape attribute, respectively. Through applying to the landslides monitoring, especially through the analysis of the surrounding vegetation in the fused image to identify potential landslides, the effectiveness of the above fusion methods in spectral/spatial/spatial-spectral combination characteristics, the temporal density enhancement and defect data compensation are verified, and develop an image fusion prototype system.

遥感辐射特性研究是遥感的根本，遥感信息与地物相互作用的地物波谱特征会造成同物异谱现象，融合可在一定程度上解决同物异谱现象。同时随着遥感由定性向定量化发展，要求融合算法不仅能增强空间特征，还要尽量不发生光谱信息失真，否则对遥感进行定量化分析时，会得出偏差较大或错误的结果，这就要求发展光谱特征鲁棒的融合方法。本课题在青年基金关于特征融合算法研究成果和研究过程中发现的光谱失真还与不同地物类型和不同波段有关的基础上，从n波段、多时相、多地物类型三方面提出多源遥感图像光谱特征鲁棒性融合方法，借助迁移学习的思想，基于空谱特征迁移，分别通过自适应信息增强、自适应滤波和考虑地物类别属性的自适应选择来实现融合图像光谱特征的鲁棒性。并以山体滑坡监测为应用实例，尤其是通过融合分析周围植被长势突破潜在滑坡识别，验证上述融合方法在光谱/空间/空谱联合特征以及时相密集度提高和缺损数据弥补上的有效性，开发融合原型系统。

项目面向多源遥感图像空谱融合中光谱失真的瓶颈问题，研究和发展了多源、多波段、多时相、多地物类型遥感图像融合的新框架与模型，建立了较完备的光谱特征鲁棒性融合的理论与方法体系。根据融合的本质，通过自适应波段选择、自适应信息增强、自适应滤波和大数据的自适应训练，实现了融合的空谱特征迁移，有效保证了光谱特征的鲁棒性。研究成果成功应用到了滑坡监测中，利用光学遥感融合影像中滑坡体上覆植被长势的异常特征，从新的视角对早期滑坡进行间接监测，在西南地区的山体高位滑坡中取得了满意的效果。研究成果为多源遥感融合提供新的研究思路和处理框架，提升影像对地物特征的表达能力和定量分析能力，增强光学数据在各领域的应用潜力。.项目执行过程中，除了完成项目申请书设定的研究目标和研究内容外，申请人紧扣本学科前沿，超出预定研究目标和内容，率先初步提出不需要融合结果参考的深度学习融合模型，打破了惯有的需要制作模拟参考数据集的桎梏，为空谱融合的光谱特征鲁棒性提供了更多可能性。.项目圆满完成了预期的研究内容和目标，并在研究的深度和广度上都比既定计划有了进一步的扩展。在本项目资助下共发表学术论文25篇(第一标注16篇)，其中15篇SCI，7篇EI，3篇CSCD，获得优秀论文奖1项；获批国家发明专利2项，申请国家发明专利3项，软件著作权登记1项；在人才培养方面，项目负责人晋升为研究员和博导；项目组培养已毕业博士1名、硕士7名，在读硕士4名，指导学生荣获校级及以上奖励8项（国家级1项、省级1项、校级6项）。