高光谱遥感纹理分形和分形纹理研究

高光谱影像纹理对于高光谱影像地物目标提取、分类和识别等解译分析具有重要的作用和意义。目前，基于光谱像元灰度的特征编码、光谱曲线主分量特征以及相似性等高光谱影像纹理分析方法在表征光谱特征存在欠缺，需要较多编码来表征纹理，分类计算复杂。本文以分形测度为研究方法，分别从光谱域和空间域来构建高光谱纹理特征影像，主要研究1）高光谱响应曲线的分形特征规律及其表达；2）基于分形测度的高光谱响应曲线分维值计算算法；3）基于高光谱响应曲线分维值的高光谱影像纹理编码算法（光谱域）；4）高光谱影像纹理编码的分维值计算算法，在纹理空间构建分维特征影像。通过上述关键技术的突破，为高光谱遥感影像的影像分割、地物分类、智能解译以及其应用提供一条新的技术途径。

高光谱影像纹理对于高光谱影像地物目标提取、分类和识别等解译分析具有重要的作用和意义。本课题围绕着高光谱影像空间域和光谱域相结合的特征分析和表达方法开展研究，将分形测度方法引入到高光谱影像特征计算，主要研究完成了1）高光谱响应曲线的分形特征规律及其表达；2）各种基于分形测度的高光谱响应曲线分维值计算算法，研究了面向边缘增强、分段特征和二次差分的高光谱曲线分形维计算算法，提高了基于高光谱影像分形特征影像计算的可靠性和效率；3）基于高光谱响应曲线分维值的高光谱特征影像及其分类方法（光谱域），将空间域的分形特征和空间域的形态学计算相结合，进行高光谱影像分类；4）基于空间域高光谱影像纹理编码的分维值计算算法，在纹理空间构建分形维特征影像，并以此进行高光谱影像分类。突破了高光谱影像基于高光谱曲线的分形维计算预处理和可靠分形维特征影像生成，实现了多尺度、高可靠的分形维特征计算，进一步以分形特征和数学形态学相结合构建高光谱特征向量，并以此进行支持向量机（SVM）分类，为高光谱遥感影像的影像分割、地物分类、智能解译以及其应用提供一条新的技术途径。本课题研究的科学意义在于将分形测度引入到复杂、非线性数据的特征计算与分析，探索了基于分形理论的高光谱影像处理方法，为高光谱影像数据处理提供了新的途径。