【摘要】：遙感具有覆蓋范圍廣、包含信息量大、獲取信息快等優(yōu)點(diǎn),其所獲得的圖像已廣泛應(yīng)用于國防安全與國民經(jīng)濟(jì)的眾多領(lǐng)域。遙感圖像地物分類是遙感圖像解譯的關(guān)鍵技術(shù),受到各國研究者的廣泛關(guān)注,成為近年來的研究熱點(diǎn)。本論文對(duì)合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)圖像地物分類和高光譜遙感圖像地物分類進(jìn)行了研究,結(jié)合各自特點(diǎn),分別提出了有針對(duì)性的算法。作為微波遙感的代表,SAR具有全天時(shí)、全天候的工作能力。但是,由于相干成像機(jī)理,導(dǎo)致SAR圖像不可避免地含有相干斑噪聲,從而可能會(huì)遮蓋感興趣的細(xì)節(jié)和目標(biāo)。本論文針對(duì)SAR圖像地物分類中涉及的相干斑噪聲大、邊緣定位差、標(biāo)簽樣本缺乏等具有挑戰(zhàn)性的問題,進(jìn)行了深入的研究,提出了魯棒的SAR圖像地物分類算法。近年來,高光譜遙感圖像由于具有較高的光譜分辨率,能夠更精細(xì)和準(zhǔn)確地區(qū)分不同地物類別,成為當(dāng)前遙感圖像中另一個(gè)前沿領(lǐng)域。但是,高光譜圖像中眾多的波段使得高光譜圖像地物分類計(jì)算復(fù)雜度過高并造成Hughes現(xiàn)象。針對(duì)這一難題,本論文利用軟計(jì)算和互信息(mutual information,MI)理論,從有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)三個(gè)方面對(duì)高光譜波段選擇進(jìn)行了研究,從理論和實(shí)驗(yàn)上驗(yàn)證了所提波段選擇方法是行之有效的。本論文主要工作概括如下:(1)針對(duì)詞袋模型(bag-of-visual-words,BOV)可視字構(gòu)造中,已有聚類算法對(duì)初始值敏感、易于陷入局部極值,并且聚類的過程和最終分類結(jié)果沒有直接關(guān)聯(lián)的問題,提出了一種基于克隆選擇優(yōu)化的BOV方法,并將其用于SAR圖像特征提取與分類。提出的方法通過定義一種基于交叉驗(yàn)證的準(zhǔn)則,能夠直接評(píng)估最終的分類結(jié)果,構(gòu)造出具有辨別力的可視字。同時(shí),設(shè)計(jì)了一種克隆選擇算法(clonal selection algorithm,CSA)對(duì)該準(zhǔn)則進(jìn)行優(yōu)化,克服了傳統(tǒng)聚類算法易于陷入局部極值的缺陷。實(shí)驗(yàn)結(jié)果表明,提出的方法獲得了滿意的SAR圖像地物分類結(jié)果,并對(duì)SAR圖像中的相干斑噪聲較為魯棒。(2)針對(duì)模糊聚類(fuzzy c-means,FCM)算法對(duì)于圖像中噪聲敏感的問題,研究者們已經(jīng)提出了許多改進(jìn)的FCM算法。但是,它們大多針對(duì)自然圖像中的加性噪聲,很少考慮過SAR圖像中的乘性相干斑噪聲。此外,已有算法在增強(qiáng)對(duì)噪聲魯棒性的同時(shí),有可能對(duì)圖像邊緣過于平滑而造成失真。為此,本論文提出了一種基于非局部信息和改進(jìn)邊緣保持的FCM方法用于標(biāo)簽樣本缺乏時(shí)的無監(jiān)督SAR圖像地物分類。提出的方法先是定義了一個(gè)基于比值距離的非局部相似度測量,然后設(shè)計(jì)了一個(gè)基于統(tǒng)計(jì)的邊緣修訂方法,能夠在SAR圖像分類的同時(shí)保持對(duì)相干斑噪聲的抑制和精確的邊緣定位。對(duì)比已有的無監(jiān)督分類算法,在人工合成SAR圖像和真實(shí)SAR圖像上驗(yàn)證了所提方法在分類上的有效性和對(duì)相干斑噪聲的魯棒性。(3)由于具有非線性和非參數(shù)的特點(diǎn),MI測度已經(jīng)廣泛用于高光譜波段選擇的準(zhǔn)則中。但是,已有的基于MI的準(zhǔn)則通常利用二元MI來近似基于MI的理想準(zhǔn)則,很可能丟失具有辨別力的波段,并且沒有給出近似的成立條件。針對(duì)這一問題,提出了一種基于三元MI測度和CSA優(yōu)化的有監(jiān)督波段選擇方法用于高光譜圖像地物分類。提出的方法利用基于三元MI的準(zhǔn)則來測量波段間對(duì)于分類的冗余性,并從MI理論上,證明了提出的準(zhǔn)則和已有的二元MI準(zhǔn)則都是理想準(zhǔn)則的低階近似,并且提出的準(zhǔn)則需要更寬松的近似條件。此外,還設(shè)計(jì)了一種CSA來搜索波段子集。其中,自適應(yīng)的克隆和變異操作加速了CSA的收斂。實(shí)驗(yàn)結(jié)果驗(yàn)證了所提方法在高光譜波段選擇上的應(yīng)用潛力。(4)在高光譜圖像中,如何在沒有標(biāo)簽信息指導(dǎo)的情況下,有效地進(jìn)行波段選擇是一個(gè)很有挑戰(zhàn)性的課題。為了盡可能地保留原始波段中所含的信息,定義了一個(gè)無監(jiān)督的最大聯(lián)合MI準(zhǔn)則。但是它很難精確計(jì)算。因此,利用熵和MI,提出了一種高信息低冗余的準(zhǔn)則來低階近似它,并且從MI理論角度證明了許多已有的無監(jiān)督特征選擇準(zhǔn)則也是它的低階近似。對(duì)比這些已有準(zhǔn)則,提出的準(zhǔn)則適用范圍更加廣泛。通過高光譜圖像地物分類實(shí)驗(yàn),我們進(jìn)一步驗(yàn)證了所提算法的有效性。(5)在高光譜圖像中,如何利用收集到的少量有標(biāo)簽樣本和大量的無標(biāo)簽樣本來共同提高波段選擇的性能是值得研究的課題。本論文提出了兩種半監(jiān)督波段選擇方法。第一個(gè)是在前面兩個(gè)工作的基礎(chǔ)上,同時(shí)利用有標(biāo)簽和無標(biāo)簽樣本,提出了一種半監(jiān)督的高信息高辨別低冗余的方法。對(duì)比已有半監(jiān)督特征選擇算法,實(shí)驗(yàn)驗(yàn)證了所提算法的有效性。第二個(gè)是針對(duì)第一個(gè)方法中存在的三元MI對(duì)于波段辨別力敏感和搜索時(shí)間復(fù)雜度高的問題,提出了一種半監(jiān)督的基于正則化三元MI的近鄰傳播聚類方法。該方法定義了一個(gè)正則化三元MI,并對(duì)其取值范圍進(jìn)行推導(dǎo),根據(jù)不同的范圍,不僅考慮到波段之間的冗余性,而且考慮到波段之間的協(xié)作性,能夠更加精確地移除高冗余波段。此外,該方法利用波段的連續(xù)性屬性,設(shè)計(jì)了一種基于統(tǒng)計(jì)的方法,能夠預(yù)先自動(dòng)移除噪聲波段,避免了聚類方法易受噪聲波段干擾的問題。對(duì)比已有的特征選擇算法,通過高光譜圖像地物分類實(shí)驗(yàn),驗(yàn)證了所提方法的可行性和高效性。
【圖文】：

光譜成像是指通過搭載在不同空間平臺(tái)上的高光譜成像光譜儀記錄譜波段對(duì)地球表面的反射率[15]。高光譜成像儀能夠在電磁波譜的可段范圍內(nèi)，，為每個(gè)像元（各個(gè)波段同一位置的點(diǎn)組成的向量）提供，對(duì)地物的屬性的區(qū)分和識(shí)別提供了充分的信息[8]。它能夠同時(shí)獲得譜的信息。高光譜成像示意，如圖 1.2 所示。.1.5 高光譜圖像的特點(diǎn)及應(yīng)用常規(guī)遙感圖像相比，高光譜遙感圖像具有以下幾個(gè)顯著特點(diǎn)[9, 16]：1） 數(shù)據(jù)為“圖譜合一”的 3 維數(shù)據(jù)；2） 波段多、具有很高的光譜分辨率；3） 數(shù)據(jù)量大、相鄰波段間數(shù)據(jù)冗余性大。波段之間有很強(qiáng)的相關(guān)別是近鄰波段間的數(shù)據(jù)冗余性較大。光譜圖像雖然只發(fā)展了短短二十余年，但已經(jīng)受到了國內(nèi)外廣泛的領(lǐng)域和軍用領(lǐng)域發(fā)揮著越來越重要的作用[8]。圖 1.2 高光譜成像示意圖

將一個(gè)非局部信息項(xiàng)和一個(gè)正則項(xiàng)加入 FCM 的目標(biāo)函數(shù)中，成功緩解了腦磁共振數(shù)據(jù)中的灰度分布不均勻與噪聲對(duì)圖像分割工作造成的負(fù)面干擾。隨后，Zhao 等人也將非局部信息加入 FCM 中，提出了用于醫(yī)學(xué)圖像分割的改進(jìn) FCM 版本FCM-NLS[51]和 FCA-NLASC[52]�？梢钥吹剑鲜鏊械幕诜蔷植扛倪M(jìn)的 FCM 算法都是針對(duì)醫(yī)學(xué)圖像，他們通過調(diào)查更大的鄰域范圍，考慮了更多的信息來改善FCM 性能。但是，這些算法不能直接應(yīng)用于 SAR 圖像分割，因?yàn)樗麄儧]有考慮SAR 圖像特有的相干斑噪聲特性。所以，如何在 SAR 圖像分割中同時(shí)抑制噪聲并保留邊緣細(xì)節(jié)仍然是一個(gè)很有挑戰(zhàn)性的問題。我們將在第三章中詳細(xì)討論。（2） 進(jìn)化計(jì)算這種種群中個(gè)體之間的信息交換和個(gè)體自身的信息突變，使得進(jìn)化算法不容易陷入局部極值。同時(shí)，由于對(duì)待求解問題的具體形式及動(dòng)力學(xué)特性沒有要求，所以進(jìn)化算法具有較強(qiáng)的魯棒性和普適性。常用的進(jìn)化計(jì)算方法包括：遺傳算法[103]、模擬退火算法(simulate anneal, SA)[145]、粒子群優(yōu)化算法[104]、蟻群算法(antcolony optimization, ACO)[146]、克隆選擇算法[105]等。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 馬秀麗;焦李成;;基于分水嶺-譜聚類的SAR圖像分割[J];紅外與毫米波學(xué)報(bào);2008年06期

本文編號(hào)：2526767