基于人类视觉感知的高分辨率卫星遥感图像智能分类方法研究

高空间分辨率卫星遥感系统在本世纪前十年得到了突飞猛进的发展，源源不断的高分辨率遥感数据在资源环境调查、土地利用动态监测、灾害评估以及国家安全保护等方面发挥着越来越重要的应用。然而，传统的遥感图像分类技术已经难以适应高分辨率卫星遥感图像信息提取的需要。该研究以QUICKBIRD、IKONOS、SPOT5等高空间分辨率卫星遥感数据为研究对象，针对高分辨率卫星遥感图像的特点，建立基于人类视觉感知机理的高分辨率遥感图像的分类框架和多尺度信息耦合机制，实现高分辨率卫星遥感图像的光谱特征、空间特征、上下文关系特征的有机结合，研发基于视觉感知的高分辨率遥感图像分割技术和适合高维特征的分类算法，形成高分辨率遥感图像分类的软件原型。该研究对于提高高分辨率遥感图像分类的智能化水平和效率，促进高分辨率卫星遥感应用及其产业化，增强国际竞争力均具有十分重要的意义。

课题从人类视觉感知特性的理论出发，针对传统分类算法应用于高分辨率遥感图像上存在的诸多问题，以QUICKBIRD、IKONOS、SPOT-5等高分辨率卫星遥感图像作为研究对象，探索针对高分辨率遥感图像分类的新方法和新思路。在分析高分辨率遥感图像特点的基础上，进行高分辨率卫星遥感图像分类的算法框架设计，进而重点研究了基于人类视觉感知特性的高分辨率遥感图像滤波、图像分割、特征提取、目标检测以及图像分类等关键技术。取得的主要成果如下：.（1）、设计了一种基于人类视觉感知和特征融合的高分辨率卫星遥感图像分类框架。该算法构架针对高分辨率遥感图像特定的数据形式和数据内容而采用了“特定”的分类策略。.（2）、研究了一种多尺度空间特征与光谱特征的耦合机制和映射算法，实现全色图像地物分割结果与多光谱图像分割结果的相互检验和校正，提高图像分割精度。该算法采用以“图像分割——边界映射——多光谱数据检验”的信息耦合方式实现对全色图像分割区域不断的再分和整合，直到分割区域与地物在空间信息和多光谱信息上表现一致为止。这种信息耦合方式和映射算法实际上是将区域提取的特征反馈到图像的分割过程中去，从而提高分割结果。.（3）、基于人类视觉感知特性，对图像分类框架涉及的若干关键技术进行了深入研究，具体包括：1）、基于视觉感知特性的自适应形态学滤波算法；2）、基于视觉模糊机制的多尺度分割和表达；3）基于Contourlet变换的高分辨率遥感影像纹理特征提取和基于空间映射机制的区域光谱特征提取；4）基于视觉自适应特性的区域合并算法；5）基于视觉注意模型的高分辨率遥感图像目标检测方法；6）基于空间映射机制和再分类策略的高分辨率遥感图像分类方法以及7）基于SVM的分类器。.（4）、以QUICKBIRD、IKONOS、SPOT-5等高分辨率遥感卫星图像作为数据源，对上述研究进行了系列的实验、分析和对比。