基于偏微分方程的人工地物與自然區(qū)域分類技術(shù)研究.pdf

1、利用計算機對遙感影像來進行分類是遙感數(shù)字影像處理的一個重要組成部分。近20多年來，出現(xiàn)了大量對遙感圖像的地物目標進行分類識別的應(yīng)用研究，而作為地物類別中的主要內(nèi)容-人工地物區(qū)域的分類檢測是其中一個重要組成部分，人工區(qū)域主要是指建筑物、道路、橋梁、和大型工程構(gòu)筑物等。然而，由于人工區(qū)域的復(fù)雜性和多樣性，提出正確、高效的分類算法具有相當?shù)奶魬?zhàn)性及研究價值。 在人工地物與自然區(qū)域的分類檢測中，特征提取和分類方法是兩個重要的組成步驟，本

2、文首先介紹了遙感圖像分類的研究背景和國內(nèi)外的研究現(xiàn)狀，討論了當前遙感圖像的分類算法以及應(yīng)用情況，以及對當前常用的特征提取算法進行了闡述和比較，進而參考圖像處理和模式識別學科的最新發(fā)展引入了相應(yīng)的特征提取和圖像分類算法。本文將著重在以下幾個方面展開研究工作：研究基于圖像多尺度幾何分析的遙感圖像特征提取方法；研究基于圖像偏微分方程的遙感圖像分類方法；以及研究稀疏分類器于遙感圖像分類中的應(yīng)用。具體闡述如下： 1.對于遙感圖像中的特征提

3、取進行了深入的研究，通過引入圖像多尺度幾何分析來對遙感圖像進行最優(yōu)逼近表示，圖像多尺度幾何分析相對于傳統(tǒng)的小波分析更能夠充分利用遙感圖像本身所特有的幾何特征來進行稀疏表征。文中首先引入Contourlet變換，并針對遙感圖像所固有的特點提出了一種旋轉(zhuǎn)不變特征的提取方法；接下來，針對遙感圖像分析過程中，由于采樣帶來的信息丟失以及由此產(chǎn)生的Gibbs效應(yīng)，本文引入了冗余無采樣Contourlet變換來對遙感圖像進行特征提取，并在對圖像進行冗

4、余Contourlet分解過程中提出了相應(yīng)的基函數(shù)選擇策略，進行自適應(yīng)的遙感圖像稀疏表征，優(yōu)化了特征選擇。 2.針對人工地物與自然區(qū)域分類檢測中的二分類和多分類問題，本文研究了圖像偏微分方程在遙感圖像分類中的應(yīng)用，特別是基于水平集的幾何曲線演化模型方法。針對二分類的人工區(qū)域和自然區(qū)域的檢測問題，本文在經(jīng)典的Chan-Vese兩分模型基礎(chǔ)上進行了改進，提出了相應(yīng)的改進二分類模型；針對多類人工區(qū)域和自然區(qū)域的分類問題，本文將兩分Ch

5、an-Vese模型進行拓展，得到圖像多區(qū)域類別劃分模型，避免了傳統(tǒng)多分類模型中的耦合問題；而通過在演化模型中融合圖像多尺度幾何特征，可以得到理想的分類結(jié)果；在利用傳統(tǒng)水平集方法來進行演化過程中，為了避免水平集收斂到局部最小的問題，本文采取了非傳統(tǒng)的多分辨率處理方法，即通過在不同的演化階段下對各分辨率特征進行分階段處理，保證了水平集的正確演化，最終實現(xiàn)了對遙感圖像的精確分類。 3.由于遙感圖像的復(fù)雜性，某些類別的區(qū)域特征會存在非線

6、性分布問題，如果利用傳統(tǒng)的Mumford-Shah分類模型及一些改進的模型則很難進行正確劃分，而引入了稀疏分類器方法，提出相應(yīng)的非線性映射Mumford-Shah分類模型，可以很好地解決這個問題。引入稀疏分類器方法的優(yōu)點是可以充分利用大量的訓練樣本信息來提高對多區(qū)域類別的劃分準確度；同時，利用稀疏分類器對原始遙感圖像的非線性特征進行預(yù)處理后，對應(yīng)的遙感圖像會形成一個呈線性可分的類別歸屬度分布圖。接下來利用二分和多分模型就可以完成類別的劃