高分辨率遙感圖像處理若干關(guān)鍵技術(shù)研究.pdf

1、高分辨率遙感圖像提供了探測(cè)對(duì)象豐富的空間信息和光譜信息，已被廣泛應(yīng)用于軍事和民用領(lǐng)域。針對(duì)現(xiàn)有遙感圖像處理方法的不足，研究適于高分辨率遙感圖像特性的更為有效的處理方法，具有重要的理論意義和實(shí)際應(yīng)用價(jià)值。本文深入研究了高分辨率遙感圖像處理的若干關(guān)鍵技術(shù)，包括分割、匹配、融合、變化檢測(cè)和道路檢測(cè)，主要工作如下：
　　首先，提出了一種基于局部空間信息的核模糊聚類分割方法。不僅運(yùn)用核函數(shù)將待聚類的數(shù)據(jù)映射到高維空間，而且綜合了像素的空間鄰

2、域信息。該方法可以直接應(yīng)用于原始遙感圖像，不需要濾波預(yù)處理。實(shí)驗(yàn)結(jié)果表明，該方法對(duì)噪聲魯棒，可以得到較好的同質(zhì)區(qū)域，優(yōu)于現(xiàn)有的FCM、FLICM和KFCM方法。
　　然后，給出了一種基于NSCT和SURF的遙感圖像匹配方法。利用NSCT分解參考圖像和待匹配圖像，把得到的兩幅低頻分量圖像作為 SURF方法的輸入圖像進(jìn)行預(yù)匹配，再使用RANSAC方法消除其中的誤匹配點(diǎn)對(duì)。實(shí)驗(yàn)結(jié)果表明，與SIFT方法和SURF方法相比，該方法具有更高的

3、匹配精度和更快的匹配速度。
　　其次，研究了一種基于改進(jìn)梯度投影非負(fù)矩陣分解和復(fù) Contourlet的遙感圖像融合方法。該方法對(duì) CCT分解得到的低頻和高頻分量采用了不同的融合規(guī)則，并利用改進(jìn)梯度投影方法優(yōu)化了非負(fù)矩陣分解的速度。依據(jù)主觀和客觀定量指標(biāo)進(jìn)行了評(píng)價(jià)，結(jié)果表明該方法均優(yōu)于HSI方法、NMF與NSCT結(jié)合的方法以及提升小波變換與HSI結(jié)合的方法。
　　隨后，提出了基于KPCA/KICA的多時(shí)相遙感圖像變化檢測(cè)方法

4、。KPCA/KICA是利用核技巧對(duì)PCA/ICA的一種非線性推廣，可以較好地解決遙感圖像由于光照、角度等造成非線性混合的圖像特點(diǎn)。大量實(shí)驗(yàn)表明，該方法能夠更有效地檢測(cè)出高分辨率遙感圖像中的變化區(qū)域。
　　最后，討論了一種基于KFLICM和數(shù)學(xué)形態(tài)學(xué)的城市遙感圖像道路檢測(cè)方法。首先通過KFLICM方法對(duì)遙感圖像進(jìn)行分類，獲得含有大部分道路信息的成分圖像；然后利用數(shù)學(xué)形態(tài)學(xué)的一系列處理，最終檢測(cè)出道路目標(biāo)。實(shí)驗(yàn)結(jié)果表明，該方法可以準(zhǔn)確