遙感圖像亞像元定位方法的研究.pdf

1、隨著遙感技術(shù)的迅猛發(fā)展，遙感圖像已被廣泛的應(yīng)用在環(huán)境/資源管理、自然災(zāi)害監(jiān)測(cè)、農(nóng)業(yè)/植被規(guī)劃、公共安全等技術(shù)領(lǐng)域。然而，遙感圖像在數(shù)據(jù)獲取過程中受環(huán)境參數(shù)和傳感器分辨等因素影響，使得混合像元不可避免的存在?；旌舷裨拇嬖谙拗屏诉b感圖像的空間分辨率。空間分辨率受限為土地覆蓋信息的提取帶來了極大的困難。因此，如何提高遙感圖像的空間分辨率成為遙感領(lǐng)域?qū)W者研究的熱點(diǎn)問題之一。
　　光譜解混技術(shù)雖然能夠獲得混合像元內(nèi)部各地物類別所占的比例，

2、但卻無法知道各地物類別在混合像元內(nèi)具體的空間分布情況。而亞像元定位正是一項(xiàng)確定混合像元內(nèi)各地物類別具體空間分布的技術(shù)，它使得地物空間分部信息在更高尺度下顯示?；谏鲜鰞?nèi)容，本文在悉心學(xué)習(xí)并總結(jié)現(xiàn)有研究成果的基礎(chǔ)上，對(duì)遙感圖像亞像元定位展開了深入的研究，主要研究內(nèi)容如下：
　　1、在現(xiàn)有亞像元/亞像元空間引力模型的亞像元定位(SSSAM)的基礎(chǔ)上對(duì)模型參數(shù)進(jìn)行分析。通過對(duì)已有的SSSAM的學(xué)習(xí)與分析可知，在SSSAM方法中，距離權(quán)值

3、函數(shù)是描述空間相關(guān)性的關(guān)鍵所在。不同的距離權(quán)值函數(shù)將從不同的角度對(duì)空間相關(guān)性進(jìn)行詮釋，進(jìn)而影響著亞像元定位的精度。文中分別將常見的三種距離權(quán)值函數(shù)：距離倒數(shù)模型、指數(shù)模型和高斯模型應(yīng)用到SSSAM中，并通過兩組實(shí)驗(yàn)對(duì)采用不同距離權(quán)值函數(shù)的SSSAM方法的定位效果進(jìn)行分析與比較，從而選擇出最優(yōu)的距離權(quán)值函數(shù)。實(shí)驗(yàn)結(jié)果表明：距離倒數(shù)模型定位效果最差，而指數(shù)模型與高斯模型相比，高斯模型定位精度略高，但其對(duì)模型參數(shù)變化較敏感。
　　2、提

4、出了一種基于立方卷積插值算法的亞像元定位方法。亞像元定位過程可以描述成以下兩個(gè)步驟：第一，對(duì)低分辨率圖像進(jìn)行超分辨率，得到具有概率隸屬度信息的高分辨率圖像；第二，按照概率值大小，來確定亞像元定位的最終結(jié)果，即亞像元尺度下的“硬分類”結(jié)果?；谶@一思想，文中利用立方卷積插值算法對(duì)低分辨率圖像進(jìn)行超分辨率，再對(duì)超分辨率結(jié)果進(jìn)行亞像元級(jí)別上的“硬分類”，從而得到亞像元尺度上的地物分類圖。實(shí)驗(yàn)表明：該方法具有較好的定位精度，同時(shí)，無需訓(xùn)練樣本和

5、迭代計(jì)算，是一種簡(jiǎn)單易實(shí)現(xiàn)的方法。
　　3、提出了一種基于混合插值算法的亞像元定位方法。利用傳統(tǒng)經(jīng)典的插值算法進(jìn)行亞像元定位的方法雖然可行，但插值算法本身的邊緣模糊效應(yīng)不可避免的存在。為了避免圖像插值過程的邊緣模糊效應(yīng)對(duì)亞像元定位精度的制約，設(shè)計(jì)了一種新的插值算法，即對(duì)偶插值，并將其分別與雙線性插值算法和反距離權(quán)值插值算法結(jié)合，形成兩種不同的混合插值算法。利用兩種不同的混合插值算法分別對(duì)低分辨率分量圖進(jìn)行超分辨率，得到高空間分辨率

6、下各亞像元屬于某一地物類別的概率值，再根據(jù)分量值約束信息進(jìn)行亞像元級(jí)別上的“硬分類”，獲得亞像元定位的最終結(jié)果。實(shí)驗(yàn)結(jié)果表明：與應(yīng)用單一插值算法相比，利用混合插值算法進(jìn)行亞像元定位能夠更好地保持圖像的邊緣特性，獲得更高的定位精度。
　　本文主要對(duì)三種亞像元定位方法進(jìn)行研究。首先，將不同的距離權(quán)值函數(shù)應(yīng)用到SSSAM中，通過實(shí)驗(yàn)為 SSSAM選擇最佳的距離權(quán)值函數(shù)；然后，將傳統(tǒng)的圖像插值算法應(yīng)用于亞像元定位中，為亞像元定位技術(shù)的研究