高光譜遙感圖像的預(yù)處理和分割關(guān)鍵技術(shù)研究.pdf

1、高光譜圖像分割技術(shù)是高光譜圖像分析和理解的基礎(chǔ)，準(zhǔn)確的圖像分割有利于后續(xù)的分類、識(shí)別、感興趣區(qū)域的提取等操作。此外，由于高光譜圖像的高維特性使得傳統(tǒng)的圖像分割技術(shù)不能夠用于高光譜圖像的分割，因此高光譜分割技術(shù)的研究具有實(shí)際的價(jià)值。直接對(duì)高光譜原始圖像進(jìn)行處理，存在數(shù)據(jù)量龐大，信息冗余度高、計(jì)算效率低等問題，需要對(duì)高光譜圖像進(jìn)行降維預(yù)處理。高光譜圖像存在條帶噪聲，在特征提取降維后會(huì)變得更突出，嚴(yán)重影響了后續(xù)高光譜圖像的分析與理解，所以在降

2、維前需要消除條帶噪聲。本文針對(duì)高光譜遙感圖像，在條帶噪聲的去除、降維和圖像分割三個(gè)方向進(jìn)行了研究。
　　在高光譜圖像去噪方面，應(yīng)用傳統(tǒng)矩匹配法雖然可以有效去除條帶噪聲，但是對(duì)于非平坦區(qū)域，圖像存在“帶狀效應(yīng)”，即圖像從整體上表現(xiàn)出一種時(shí)暗時(shí)明的不連續(xù)性。本文提出了基于改進(jìn)S-G濾波的矩匹配方法，有效去除條帶噪聲的同時(shí)，解決了傳統(tǒng)矩匹配法的“帶狀效應(yīng)”。對(duì)于地物均勻分布和地物非均勻分布狀況下的高光譜圖像，都能夠有效地去除條帶噪聲，較

3、好地保持了原始圖像信息，提高了圖像質(zhì)量。
　　在高光譜圖像降維方面，提出了分段金字塔融合的降維方法。首先，通過計(jì)算波段間相關(guān)系數(shù)將其劃分為若干個(gè)波段組。在波段分組的基礎(chǔ)上，采用金字塔圖像融合的策略實(shí)現(xiàn)高光譜圖像的降維，減少高光譜數(shù)據(jù)之間的冗余，合并不同波段的互補(bǔ)信息，利于后續(xù)的分割處理?；诮鹱炙纸獾膱D像融合過程，通過低頻圖像的波段指數(shù)加權(quán)融合和高頻圖像的局部能量取最大值融合，使得不同波段組降維結(jié)果相關(guān)系數(shù)較小的同時(shí)，避免了直接

4、加權(quán)融合造成圖像模糊的問題。
　　針對(duì)高光譜圖像的分割問題，提出一種基于分?jǐn)?shù)階粒子群算法（FODPSO）和區(qū)域合并的圖像分割方法。在上述分組降維的基礎(chǔ)上，采用FODPSO算法計(jì)算各波段組降維圖像的最佳分割閾值，實(shí)現(xiàn)高光譜圖像的分組分割。然而根據(jù)分組分割得到的高光譜圖像初始分割結(jié)果往往存在過分割現(xiàn)象，區(qū)域之間仍然存在許多相似性，且分組分割時(shí)僅考慮了像素的光譜值，使得光譜值相近但空間上不相鄰的區(qū)域被劃分為同一區(qū)域中。為了得到更準(zhǔn)確的分