基于偏微分方程的人工地物與自然區(qū)域分類(lèi)技術(shù)研究.pdf

1、利用計(jì)算機(jī)對(duì)遙感影像來(lái)進(jìn)行分類(lèi)是遙感數(shù)字影像處理的一個(gè)重要組成部分。近20多年來(lái)，出現(xiàn)了大量對(duì)遙感圖像的地物目標(biāo)進(jìn)行分類(lèi)識(shí)別的應(yīng)用研究，而作為地物類(lèi)別中的主要內(nèi)容-人工地物區(qū)域的分類(lèi)檢測(cè)是其中一個(gè)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(lèi)算法具有相當(dāng)?shù)奶魬?zhàn)性及研究?jī)r(jià)值。 在人工地物與自然區(qū)域的分類(lèi)檢測(cè)中，特征提取和分類(lèi)方法是兩個(gè)重要的組成步驟，本

2、文首先介紹了遙感圖像分類(lèi)的研究背景和國(guó)內(nèi)外的研究現(xiàn)狀，討論了當(dāng)前遙感圖像的分類(lèi)算法以及應(yīng)用情況，以及對(duì)當(dāng)前常用的特征提取算法進(jìn)行了闡述和比較，進(jìn)而參考圖像處理和模式識(shí)別學(xué)科的最新發(fā)展引入了相應(yīng)的特征提取和圖像分類(lèi)算法。本文將著重在以下幾個(gè)方面展開(kāi)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(lèi)方法；以及研究稀疏分類(lèi)器于遙感圖像分類(lèi)中的應(yīng)用。具體闡述如下： 1.對(duì)于遙感圖像中的特征提

3、取進(jìn)行了深入的研究，通過(guò)引入圖像多尺度幾何分析來(lái)對(duì)遙感圖像進(jìn)行最優(yōu)逼近表示，圖像多尺度幾何分析相對(duì)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(lái)進(jìn)行稀疏表征。文中首先引入Contourlet變換，并針對(duì)遙感圖像所固有的特點(diǎn)提出了一種旋轉(zhuǎn)不變特征的提取方法；接下來(lái)，針對(duì)遙感圖像分析過(guò)程中，由于采樣帶來(lái)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(wú)采樣Contourlet變換來(lái)對(duì)遙感圖像進(jìn)行特征提取，并在對(duì)圖像進(jìn)行冗

4、余Contourlet分解過(guò)程中提出了相應(yīng)的基函數(shù)選擇策略，進(jìn)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(duì)人工地物與自然區(qū)域分類(lèi)檢測(cè)中的二分類(lèi)和多分類(lèi)問(wèn)題，本文研究了圖像偏微分方程在遙感圖像分類(lèi)中的應(yīng)用，特別是基于水平集的幾何曲線(xiàn)演化模型方法。針對(duì)二分類(lèi)的人工區(qū)域和自然區(qū)域的檢測(cè)問(wèn)題，本文在經(jīng)典的Chan-Vese兩分模型基礎(chǔ)上進(jìn)行了改進(jìn)，提出了相應(yīng)的改進(jìn)二分類(lèi)模型；針對(duì)多類(lèi)人工區(qū)域和自然區(qū)域的分類(lèi)問(wèn)題，本文將兩分Ch

5、an-Vese模型進(jìn)行拓展，得到圖像多區(qū)域類(lèi)別劃分模型，避免了傳統(tǒng)多分類(lèi)模型中的耦合問(wèn)題；而通過(guò)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(lèi)結(jié)果；在利用傳統(tǒng)水平集方法來(lái)進(jìn)行演化過(guò)程中，為了避免水平集收斂到局部最小的問(wèn)題，本文采取了非傳統(tǒng)的多分辨率處理方法，即通過(guò)在不同的演化階段下對(duì)各分辨率特征進(jìn)行分階段處理，保證了水平集的正確演化，最終實(shí)現(xiàn)了對(duì)遙感圖像的精確分類(lèi)。 3.由于遙感圖像的復(fù)雜性，某些類(lèi)別的區(qū)域特征會(huì)存在非線(xiàn)

6、性分布問(wèn)題，如果利用傳統(tǒng)的Mumford-Shah分類(lèi)模型及一些改進(jìn)的模型則很難進(jìn)行正確劃分，而引入了稀疏分類(lèi)器方法，提出相應(yīng)的非線(xiàn)性映射Mumford-Shah分類(lèi)模型，可以很好地解決這個(gè)問(wèn)題。引入稀疏分類(lèi)器方法的優(yōu)點(diǎn)是可以充分利用大量的訓(xùn)練樣本信息來(lái)提高對(duì)多區(qū)域類(lèi)別的劃分準(zhǔn)確度；同時(shí)，利用稀疏分類(lèi)器對(duì)原始遙感圖像的非線(xiàn)性特征進(jìn)行預(yù)處理后，對(duì)應(yīng)的遙感圖像會(huì)形成一個(gè)呈線(xiàn)性可分的類(lèi)別歸屬度分布圖。接下來(lái)利用二分和多分模型就可以完成類(lèi)別的劃