无人机拼接高光谱遥感图像的多结构回归编码空谱综合分类

Hyperspectral imaging from the platform of unmanned aerial vehicle (UAV) can be conducted on low-altitude. However, since an imagery collected in such a manner can cover merely small area, we have to mosaic many imageries of this kind. Mosaiced UAV hyperspectral imagery is featured with high spatial non-stationarity, high spatial resolution and vast data volume, etc. In view of such new features, based on the uncovering of the underlying discriminative structures in the data, we propose to classify mosaiced UAV hyperspectral imagery by means of multi-structure regression-based coding. We will first manage the imagery with the preprocessing of color balancing and reflectance inversion. Then, we will construct a high-dimensional discriminative spectral-spatial filtering and its fast algorithm with the considering of the structure of characteristic distinction among the true spectra, non-stationarity and noise. And we will build regression-based coding classifications based on the structure of the spatial continuity of class-specific reconstruction error, the structure of stochastic characteristics of reconstruction error, and the structure of the spectrum drift of test pixels with respect to the spectra of training pixels, respectively. With our research, we try to develop the high-performance classification for mosaiced UAV hyperspectral imageries.

无人机高光谱成像可实现低空成像，但由于其单幅图像覆盖地物面积小，须进行多块图像拼接。无人机拼接高光谱遥感图像具有空间非平稳性强、空间分辨率高及数据量大等新特点，对高光谱图像空谱综合分类技术带来很大挑战。本项目针对无人机拼接高光谱遥感图像的这些特点，充分挖掘该类图像数据中对可分性有帮助的可用结构，提出多结构回归编码空谱综合分类方法：通过合理的匀色和反射率反演进行前处理；利用光谱、非平稳成分和噪声成分的统计特性差异构造可分性高维空谱滤波及其快速算法；构造测试样本相对于空间局部训练样本漂移结构的回归编码分类方法及其快速算法；构造基于类别局部误差空间连续性结构的回归编码分类方法；构造构造基于重构误差统计结构的回归编码分类方法。通过本研究，以期实现无人机拼接高光谱遥感图像的高性能空谱综合分类。

无人机高光谱图像可低空成像，其单幅图像覆盖地物面积小，须进行多块图像拼接；同时，由于无人机载荷能力低，所搭载的成像光谱仪通常重量体积小，成像空间分辨率低。因此，无人机高光谱遥感图像通常具有空间非平稳性强、数据量大及通常需要超分辨锐化预处理等新特点，对高光谱图像空谱综合分类技术带来很大挑战。针对这些数据特点和挑战，本项目进行了研究。首先，我们充分挖掘该类图像数据中对可分性有帮助的可用结构，设计了几种回归编码分类方法。我们设计了一种高光谱图像空谱快速滤波及其回归编码分类方法，可提取除高光谱图像中的可分性成分，提高分类精度，同时具有线性计算复杂度；并在此基础上，设计了基于高光谱图像判别成分的主动学习方法；我们设计了一种基于空-谱-幅滤波的回归编码分类方法；还设计了一种基于先验滤波器的多层非线性回归编码空谱分类方法。然后，我们对高光谱图像空谱分类方法论进行了研究，提出了一些空谱分类方面的新概念、新定义和新的设计框架。我们还提出了两种基于卷积神经网络的高光谱图像锐化方法，可显著提高高光谱图像的超分辨锐化质量。我们还在针对大量无人机高光谱图像的自动拼接方法方面进行了研究，取得了较好的效果。另外，我们在基于流形学习和卷积神经网络的高光谱图像空谱分类方面也做了一些研究。