基于Surfacelet解耦的高光谱影像“图谱纹理”研究

高光谱遥感是智能对地观测系统的重要组成部分，易受大气、地形、传感器材料与结构等因素影响，引起光谱的不确定性，导致"同物异谱，同谱异物"。目前高光谱影像光谱处理理论局限于光谱维的统计分析、特征诊断、数据降维等，易造成Hughes等现象；纹理方法局限于单（彩色）波段纹理分析，难以解决光谱维空间维耦合造成的光谱变异对纹理的影响问题。高光谱遥感数据本质上是"图谱合一"的高维数据立方体，是辐射、空间和光谱信息的有机统一。本课题基于高光谱遥感"图谱合一"理念，提出"图谱纹理"概念和描述模型，研究利用多维多尺度多方向Surfacelet变换进行遥感图谱纹理体的耦合分解，在解耦后的特征因子空间中，搭建人工免疫高性能计算模型，完成去耦因子信息的最优分离，实现高光谱遥感影像"图谱纹理"的解耦分离计算和相关性能评价。本项目有助于推动高光谱遥感影像处理理论的深入发展，为全球变化智能对地观测提供重要的理论和技术支撑

根据国家自然科学基金项目申请书年度研究计划和资助计划书内容以及项目年度研究进展报告中研究计划安排，项目严格遵守国家自然科学基金项目管理和经费管理的有关规定，经过三年的研究，完成了项目主要研究内容的相关工作，开展了关键技术研究，开发了系列算法，资助发表论文8篇，其中2篇SCI检索、4篇EI检索、2篇核心文章，培养硕士研究生1名，开发研究支撑软件系统一套,达到了项目预期目标，完成了项目预期成果考核指标。主要成果概述如下：.高光谱遥感是智能对地观测系统的重要组成部分,易受到大气、地形、传感器材料与结构等因素的影响，引起光谱的不确定性，导致“同物异谱，异物同谱”。目前高光谱影像光谱处理理论局限于光谱维的统计分析、特征诊断、数据降维等，易造成Hughes等现象；纹理方法局限于单（彩色）波段纹理分析，难以解决光谱维空间维耦合噪声的光谱变异对纹理的影像问题。高光谱遥感数据本质上是“图谱合一”的高维数据立方体，是辐射、空间和光谱信息的有机统一。.本课题首先研究了高光谱遥感影像的预处理问题，提出了一种基于最优信噪比光谱统傅立叶(CFFT)的噪声滤波方法，提高了卫星高光谱遥感影像的数据质量。基于人工免疫网络中形态空间模型，建立了反映了空间几何关系的分区记忆模式的人工免疫独特型网络遥感影像分类器(RAINC)，建立了基于人工免疫计算的高光谱组分反演统一模型(ICSFSLIM)，实现了人工免疫网络理论在高光谱遥感信息提取中的初步应用。同时研究了人工免疫克隆选择、粒子群等高性能计算算法在智能分类器参数优化中的应用，分别建立了高光谱影像的克隆选择支持向量机分类器(CSSVMC)和粒子群支持向量机分类器(PSSVMC)。基于高维向量空间理论，建立了高光谱遥感影像图谱纹理体的提取与度量技术，改进了多维多尺度Surfacelet分析工具，分析了不同地物的图谱纹理的多维多尺度分解的参数特征，建立了图谱纹理体在ST域的多种特征提取方法集，利用上述优化智能分类器，实现了对高光谱遥感影像图谱纹理信息的分类分析，并以AVIRIS等多种高光谱遥感数据进行了上述算法评价。最后，利用VC++和Matlab开发了高光谱遥感图谱纹理系统（HRSST）V1.0。结果表明本项目研究的一系列模型和算法较好的解决了项目申请书中指出的目前高光谱遥感应用中面临的一些理论和实际问题，并为其他问题的解决提供了一种新的思路和方法。