宽波段多维度高光谱遥感图像分析及解译新方法研究

Hyperspectral remote sensing has remarkable advantages in land-cover classification, target detection and recognition, etc. However, most of the hyperspectral data analyses, at present, are confined to the spectral bands in the visible and near-infrared wavelength range, and extracting spatial-spectral information. This project focuses on exploring novel approaches for the analysis and interpretation of wide-band multidimensional hyperspectral remote sensing images with polarized or temporal features and long-wave infrared spectral bands, aiming at describing the targets more comprehensively and providing a better implementation of interpretation application. The main research contents and the critical techniques include: 1) exploring the analysis and description of the characteristics of broadband multi-dimensional hyperspectral remote sensing images, and proposing new methods based on voxel or generalized voxel for data analysis and multi-dimensional image representation to overcome the limitation of existing methods; 2) investigating data collaborative processing techniques based on transfer learning and domain adaptation techniques for broadband hyperspectral remote sensing images, and constructing spatial-temporal collaborative model to solve the joint interpretiation problem for multi-temporal or multi-scenarios; 3) investigating the broadband hyperspectral image interpreting-oriented technologies for voxel-patch-scene hierarchical feature extraction and semantic analysis, and realizing the ultimate objective of multi-dimensional integrative interpretation and recognition for broadband hyperspectral remote sensing images. Solving the above problems will further promote the development of hyperspectral remote sensing image automatic interpretation, and the popularization and application of broadband multi-dimensional hyperspectral data.

高光谱遥感在地物分类、目标检测识别等方面具有显著的优势。但目前高光谱数据分析大多仅限于可见光到近红外波段，提取空-谱信息，本项目将针对拓宽到长波红外、并增加偏振或时相特性的宽波段多维度高光谱图像数据，探索研究其分析及解译的新方法，旨在更全面地描述目标，以更好地实现解译应用。主要研究内容和待解决的关键技术包括：1）研究宽波段多维度高光谱遥感图像特性分析及描述，提出基于体素或广义体素的数据分析方法及多维度图像表征，突破现有提取方法的局限性；2）研究基于迁移学习和域适应技术的宽波段高光谱遥感图像数据协同处理技术，并构建时空协同模型，解决多时相多场景的联合解译问题；3）研究面向宽波段高光谱图像解译的体素-图块-场景特征分级提取和语义分析技术，实现宽波段高光谱图像多维度一体化解译识别的最终目标。以上问题的解决，将对高光谱遥感图像自动解译的发展和宽波段多维度高光谱数据的推广应用起到进一步的推动作用。

本项目在对宽波段多维度高光谱遥感图像特性分析的基础上，着重研究了高光谱图像的信息恢复、多维度特征提取、语义分析和迁移学习等关键技术，最终实现宽波段多维度高光谱遥感的深层次信息挖掘和图像解译。项目主要取得了以下成果：1）基于对宽波段多维度高光谱遥感数据的特性分析及理解，构建了基于数据表达完整性、特征描述鲁棒性和属性表征可区分性等多个内容的宽波段多维度高光谱数据分析模型，为后续各种解译算法研究奠定理论基础；2）针对成像机理和传输条件等导致图像存在噪声、空间分辨率不足等问题，设计了宽波段多维度高光谱图像质量恢复方法和空间分辨率提升方法，以保证后续高光谱图像解译和应用的数据质量；3）针对地理位置不同但场景相似的图像数据，提出基于特征迁移的宽波段高光谱遥感图像跨域分类方法，克服了由于时空差异、训练样本不足以及样本多样性等对分类性能的影响；4）研究了宽波段多维度高光谱遥感图像不同层次的特征提取方式，深入剖析数据内在的地物关联信息，提出了基于多层次特征表示和关联信息挖掘的高光谱遥感图像地物语义分析方法；5）研究了高光谱图像宽波段多维度信息协同利用和联合解译，建立了基于空间-光谱等多维度信息协同的高光谱图像解译模型并实现了面向空-谱-时多维度高光谱图像的变化检测，完成多时相高光谱图像的变化属性分析和场景解译。.项目的成果已公开发表于国内外著名杂志和重要国际会议上，获得同行认可和关注。该研究将对高光谱遥感图像自动解译的发展和宽波段多维度高光谱数据的推广应用起到进一步的推动作用。