生物視覺啟發(fā)的高分辨率遙感影像特征提取與目標檢測研究.pdf

1、隨著遙感技術的不斷發(fā)展和進步，遙感影像的空間分辨率不斷提高，高分辨率影像中的地物清晰可辨、細節(jié)豐富，原來用于中低分辨率的遙感影像特征提取與目標檢測方法已經(jīng)無法滿足高分辨率遙感影像應用，使得高分辨率遙感影像自動或半自動地分類與識別面臨前所未有的挑戰(zhàn)。人類視覺系統(tǒng)具有非凡的認知與識別能力，可以輕易地分辨復雜的高分辨率遙感影像中的各種地物目標，受此啟發(fā)，本文模擬人類視覺系統(tǒng)的信息處理機制，研究生物視覺啟發(fā)的高分辨率遙感影像特征提取與目標檢測方

2、法，為高分辨率遙感影像自動或半自動地分類與識別提供有力的技術支撐。
　　論文在深入理解人類視覺系統(tǒng)信息處理機理，尤其是腹側通路視覺信息處理機制與視覺注意機制的基礎上，將人類視覺系統(tǒng)感知/認知的層次與低層次視覺特征、中等層次特征、高層（抽象）語義特征相對應，從稀疏感知的紋理模型、層次性的視覺皮層模型以及視覺注意模型出發(fā)，面向高分辨率遙感影像土地利用分類，重點研究了紋理特征提取、目標層次視覺特征提取，面向高分辨率遙感影像有限目標識別，

3、重點研究了基于視覺注意的影像目標檢測，主要的創(chuàng)新性研究工作如下：
　　（1）提出了基于稀疏表示的方向匯聚方法（OPSR），用于提取稀疏且旋轉不變的影像紋理特征。該方法把過完備詞典看作大腦皮質(zhì)中的神經(jīng)元群，而詞典中的每個原子看作對特定方向的刺激產(chǎn)生響應的一個神經(jīng)元。將詞典中的每個原子進行旋轉，產(chǎn)生能夠響應不同方向刺激的神經(jīng)元。所有的原子及其旋轉后的原子組成擴展詞典，而高分辨率遙感影像基于擴展詞典的稀疏分解過程就可以表示為神經(jīng)元群對特

4、定的不同方向的刺激產(chǎn)生的稀疏響應。然后再模擬人類視覺視皮層復雜細胞的匯聚特性，將源自同一原子（包括該原子及對其旋轉產(chǎn)生的原子）的所有響應進行匯聚，從而提取稀疏且具有旋轉不變的特征。在高分辨率遙感紋理影像上的實驗表明，該方法能夠提取稀疏具有旋轉不變性的紋理特征，有助于高分辨率遙感影像目標分類與識別。
　?。?）提出了增強的視皮層標準模型。該模型不但模擬了人類視覺系統(tǒng)的稀疏編碼策略，還利用訓練好的過完備詞典作為原型詞典代替原來視皮層標

5、準模型中隨機構造的原型詞典，提取具有稀疏性的S2特征，并進一步提取C2特征。這種通過學習獲得詞典的方式更符合人類的認知過程。將該模型用于提取高分辨率遙感影像的特征，通過兩類與多類分類實驗，證明本文提出的增強的視皮層標準模型比視皮層標準模型更加穩(wěn)定、性能更佳、效率更高，對比較規(guī)則的紋理結構的高分辨率遙感影像具有較好的區(qū)分能力。
　?。?）模擬人類視覺系統(tǒng)的視覺選擇注意機制，提出了集成多線索的基于貝葉斯推理的視覺注意模型。該模型將視覺