高分辨率遥感影像信息提取的特征结构化多尺度分析方法研究

High resolution remote sensing image reflects surface details on a small spatial scale, and provides a basis for multi-scale image analysis. It also has great application potential in fields such as GIS data updating, large scale remote sensing mapping, revision of topographic maps, cadastral surveying, land monitoring etc. This research centers around the rich details of high resolution remote sensing image and its multi-resolution features to carry out multi-scale analysis and automatic information extraction. The research’s three main aspects include feature extraction and a feature-structured approach of high resolution remote sensing image, multi-scale analysis modeling based on structural features, and semantic consistency of multi-scale information communication. The research can improve the capabilities of information analysis and automatic information extraction of high resolution remote sensing image, and it has important academic value and practical significance.

高分辨率遥感影像能在较小的空间尺度上反映地表细节信息，为影像多尺度分析提供基础，它在GIS数据更新、大比例尺遥感制图、地形图更新、地籍调查、国土监测等领域有巨大的应用潜力。本项目围绕高分辨率遥感影像丰富的细节信息和多分辨率特征开展多尺度分析与信息自动提取方法研究，主要研究高分辨率遥感影像特征提取和特征结构化方法、基于结构化特征的多尺度分析模型、多尺度信息传递的语义一致性三方面内容。研究成果可以提高高分辨率遥感影像信息分析的能力和信息提取的自动化程度，具有重要的学术价值和现实意义。

项目研究主要涉及三个方面：(1)高分辨率遥感影像多尺度特征提取与结构化表示；(2)高分辨率遥感影像多尺度分析的特征结构化建模；(3)多尺度对象基元性控制方法。理论与技术问题落实在Ridgelet变换、Curvelet变换等多尺度几何分析方法的特征提取与特征结构化表示方法研究上。首先，开展多尺度几何分析的研究，主要包括在Radon变换域中，分别进行脊方向与角方向的特定Wavelet变换，形成对影像中直线结构相适应的变换域特征模式，并以瓦片划分为基本模式单元，进行特征模式的自动识别、组合与提取，对被识别的线结构特征瓦片组合进行Radon逆变换，构成影像的线结构波(Linear Structural Wavelet, LSWlet)，这些研究内容是对第一代Ridgelet变换的重要创新性实践成果。同时，对Fourier变换域的广泛特性进行了深入研究，已经形成了比较充分的理论积累，据此，深刻挖掘出第二代Curvelet变换的应用潜力。第二，围绕高分辨率遥感影像丰富的细节信息和多分辨率特征开展多尺度分析与信息提取的建模方法研究，即特征结构化建模，主要研究高分辨率遥感影像特征变换和特征结构化方法、基于结构化特征的多尺度分析模型（包括三个结构相关而又形式不同的模型：①下采样金字塔模型结构；②非下采样直塔模型结构；③金字塔与直塔的混合模型结构）。并对直塔模型进行了深入研究与实验，验证了特征结构化多尺度分析模型方法的有效性。第三，项目研究将多尺度对象基元性控制方法隐含在多尺度分析模型之中的具体实现，项目还研究了与遥感影像信息提取有关的多方面理论与技术方法。.Radon变换的对偶性可以为影像中直线几何结构提取提供稳定的模型框架，在这个框架中可以植入小波变换等多种分析方法，从而构成新的优化模型。.对影像块分别进行Ridgelet变换的方法来逼近高分辨遥感影像复杂丰富的几何结构。第二代Curvelet变换则可以构成灵活多变的多尺度分析模型。.分别采用三种模型对多尺度特征进行结构化表示，并进行特征的自动综合，同时将多尺度对象的基元性控制机制融合在模型的综合分析之中，实现高分辨遥感影像信息提取的稳健性。