基于天基實測數據的云背景圖像分類方法及應用.pdf

1、紅外對地目標探測系統(tǒng)多工作于大氣吸收譜段，對其而言云和大氣為主要探測背景。在對紅外探測系統(tǒng)進行仿真的工作中，需要大量的仿真圖像對仿真系統(tǒng)性能進行評估。因此云背景仿真的有效性對于紅外目標探測仿真系統(tǒng)性能的評估具有重要意義。本文利用某衛(wèi)星的實測數據，以構建云仿真數據庫為目的，對實測數據進行了處理和分類工作，并結合構建的知識庫進行了仿真應用。主要研究內容包括以下四個方面：
　　在遙感圖像表達方面，以云圖像分類為目的，研究了遙感圖像的表達

2、方法。從衛(wèi)星云圖像分類的判據出發(fā)，分析不同種類云的成像特征，選取能量、分形、小波三個方面對紅外云圖像進行特征描述，并研究了特征在分類工作的有效性。
　　在遙感數據分析預處理方面，針對天基實測數據進行數據的有效性篩選。從測量相機的工作原理出發(fā)，分析了實測數據中的無效數據產生的原因。從大量無效數據中總結出幾種典型的無效數據，分析提取其異于正常測量數據的特征。在特征分析的基礎上提出一種無效數據剔除辦法，并針對具體的測量任務進行了數據篩選

3、工作。
　　在紅外云背景圖像分類方面，建立了以風云衛(wèi)星云分類產品為基礎的初步分類數據庫，并完成了實測數據與風云云分類結果的匹配工作，作為分類器訓練樣本選取的參考。利用基于投票決策模型的支持向量機方法、BP神經網絡和基于聚類和SVM的主動學習方法對實測數據進行分類試驗，基本實現(xiàn)了分類功能。對比了三者的分類效果，主動學習方法無論是整體上還是各個類別上分類效果都是最好。部分類別分類效果較差，分析造成的此結果的兩點原因：實測數據質量差和樣