基于视觉感知机理的高分辨率遥感影像空谱特征提取方法研究

Spectral-spatial feature extraction on pixel level is the primary step in the classification and interpretation of high spatial resolution remote sensing images. However, the problem of insufficient distinctiveness and consistency of features still remains to be solved in the existing feature extraction methods. Human visual system has the advantages of good decorrelation and photometric invariance in the processing of colors, and of sufficiency in the integration of local information. Therefore, this project intends to study the spectral-spatial feature extraction of high resolution remote sensing images based on visual perception mechanisms. The main research contents include: (1) Based on color perception mechanism, extract the spectral feature using the unitive color perception model, which makes the feature have better distinctiveness and photometric consistency; (2) Based on characteristics of retinal receptive field, extract the spatial feature (weighted pooling histogram feature of multi-scale and multi-attribute profiles) using the spatial information pooling model, which enables the feature to better describe the spatial information; (3) Based on feature fusion strategy and composite kernel strategy respectively, realize the spectral-spatial feature fusion to achieve a comprehensive representation of different types of information. This research is expected to model the visual perception mechanisms in low-level feature extraction, and research results are expected to improve the interclass separability and intraclass consistency of features, which will finally contribute to the promotion of classification accuracy of remote sensing images.

像素级空谱特征提取是高分辨率遥感影像分类与自动解译中的首要环节。现有的面向高分辨率遥感影像的特征提取方法仍存在着特征可分性与一致性不足的问题。人类视觉感知系统对颜色信息的处理具有较好的去相关性和光度不变性，对局部信息的处理合理有效。本课题拟从视觉感知模型的建立入手，探索视觉感知机理在底层特征提取中的模拟与应用，对高分辨率遥感影像中的空谱特征提取展开研究：基于色彩感知机制，建立统一色彩感知模型并进行光谱特征的提取，使特征能具有更好的可分性和光度不变性；基于视网膜感受野特性，建立空间信息池化模型并进行多尺度多属性的空间直方图特征提取，使空间特征能更好描述局部信息；分别基于特征数据融合和复合核函数融合策略，研究光谱-空间特征的融合方法，以获得能全面表达空谱信息的融合特征。本课题有望在理论上建立底层特征提取中的视觉感知模型，为特征类间可分性和类内一致性的提高及高分遥感影像分类精度的提升提供支持。

高分辨率遥感在土地利用、城市建设、目标检测等诸多领域均有广泛应用，对经济发展和国防安全具有重要的作用。本项目主要面向高分辨率遥感图像分类及相关应用，开展了基于视觉感知的遥感图像特征提取与应用研究。在开展本课题研究的过程中，主要关注高分辨率图像的视觉感知和深度特征，采用能有效模拟人类视觉感知的模型，提升特征提取的有效性，提高影像分类的精度和应用效果。研究内容按计划完成了基于色彩感知机制的光谱特征提取方法研究、基于视觉特性的多尺度多属性空间特征提取研究、光谱和空间特征的融合以及在遥感图像分类中的应用。相对于初始研究计划，增加了更加基于深度学习网络模型的方法研究，在遥感图像分类的基础上扩展了视觉特征的应用范围，研究了其在包括图像分类、场景分类、图像分割、目标检测等方面的具体应用。项目主要研究并取得了进展的内容包括：基于色彩感知机制的颜色特征提取与高分辨率遥感图像土地利用分类、基于属性特征和卷积神经网络的高分辨率遥感图像特征提取与分类、基于深度卷积网络的高分辨率遥感图像城区检测、基于Res-UNet的海陆分割、基于类别独立全卷积网络的遥感图像分割、基于残差胶囊网络的遥感图像场景分类、基于架构搜索网络的遥感图像场景分类、基于高分辨率网络的遥感图像场景分类、基于多尺度密集网络的遥感图像场景分类、基于改进Faster R-CNN的近岸舰船目标检测、任意方向倾斜框的近岸舰船目标检测、复杂干扰背景下的光学遥感图像飞机目标检测等。模拟人类视觉感知机理，项目提出了面向高分辨率遥感影像像素级、目标级、场景级的空谱特征提取方法与应用模型，获得了对多种地物具有良好可分性及一致性的特征，在图像分类及分割、城区检测、场景分类、舰船和飞机等目标检测等应用中都取得了较现有方法明显的效果提升，对遥感图像解译技术的发展与进步提供了有益的方法支撑。