高分辨率遥感图像决策级语义融合技术研究

Obtaining high quality semantic description is the key issue of content-based remote sensing image annotation system. By using multi source decision level semantic fusion, quality of semantic description can be improved significantly, but there are three problems needed to be solved which are semantic representation, registration and fusion. The research objects of this project are optical remote sensing panchromatic image and SAR image. On the basis of analysis low level semantic characteristics, hierarchy semantic information representation model based on ontology is established; Using the human's visual attention mechanisms for reference on, this project reveal mechanism of choosing feature points from semantic tree, and a coarse registration model based on this mechanism is established; The semantic similarity calculation model in non-linear space,and the semantic fine registration method based on this similarity calculation model are established; Explore semantic fusion model and algorithm based on fuzzy cognitive map, and fusion performance evaluation index based on semantic similarity are established. The established decision level semantic registration and fusion models are expansion and extension of semantic analysis theory, and have important theory meaning; Quality of semantic content description is improved by fusion. Practicality of content-based remote sensing image annotation system is promoted. The related achievements can be popularized and applied to earthquake disaster rescue and space reconnaissance, and have wide application prospect.

获取高质量的语义描述是实现基于内容的遥感图像标注系统的关键，通过多源语义决策级融合能显著提高内容描述的质量，但需要解决语义信息如何表示、配准及融合等问题。项目以星载光学遥感全色图像和SAR图像为研究对象，在深入分析低层语义特征的基础上，建立基于本体技术的层次语义树表示模型；借鉴人类视觉注意机理，揭示语义树显著节点的视觉选择机制，建立基于视觉注意机制的语义树粗配准模型；建立非线性空间的语义相似度计算模型和基于此模型的语义树精细配准方法；探索基于模糊认知图的语义融合模型和算法，建立新的融合规则和基于语义相似度的融合性能评价模型。 项目建立决策级的语义表示、配准、融合模型与算法，是对语义分析理论的延伸与拓展，具有重要的理论意义；通过语义融合提高内容描述的准确率，推动基于内容的遥感图像标注系统实用化，在地震救灾和航天侦察等领域应用前景广阔。

针对SAR图像相干斑噪声抑制和特征保持问题，建立了多尺度自卷积(MSA)和相位一致(PC)的滤波器模型，结合MSA频域变换多尺度均值和PC高精度特征定位的特点，提出了一种频域有特征保护的SAR图像相干斑噪声抑制算法。算法判断SAR图像中不同类型区域，选择不同的滤波策略。算法有效地解决了空域方法对SAR图像噪声抑制效果好而易破坏细节特征的矛盾，算法具有良好的抑制SAR图像相干斑噪声和保护特征的能力。.针对遥感图像融合不可避免会遇到云层消除的问题，首先分析了现有云影消除算法的优缺点，然后构建了遥感云影成像距离模型，依据遥感云影距离模型提出了一种新的算法，对有云遥感图像中的云层和阴影进行检测与识别，生成融合区域图。在融合区域图的基础上，提出了一种新的融合策略对云影区域和非云影区域分别进行处理得到融合图像，新算法不仅能消除薄云，而且对厚云的消除效果也非常好，且不会留下类似直接替换法产生的衔接边缘。.针对遥感图像的特点，设计了彩色密集SIFT特征作为低层特征，利用K-means聚类得到遥感图像的视觉词汇，实现了遥感图像的视觉特征包表达，避开复杂的目标分割和检测的过程，将场景的识别问题转化为对视觉词汇分布的学习问题，利用PLSA模型提取图像中的潜在语义，建立了图像视觉特征到场景语义类别的联系，可实现多种场景类型的识别，其准确性和效率相比与传统方法都具有明显的优势。.项目建立决策级的语义表示、配准、融合模型与算法，是对语义分析理论的延伸与拓展，具有重要的理论意义；通过语义融合提高内容描述的准确率，推动基于内容的遥感图像标注系统实用化，在大数据应用，地震救灾和航天侦察等领域应用前景广阔。