【摘要】：隨著高分辨遙感技術(shù)的迅猛發(fā)展,海量的高分辨率遙感數(shù)據(jù)可以被獲取,如何有效利用其豐富的空間光譜信息進(jìn)行影像準(zhǔn)確解譯已成為遙感領(lǐng)域最具挑戰(zhàn)性的研究前沿問(wèn)題。高分辨率遙感影像信息提取技術(shù)的發(fā)展使得影像解譯從像素層轉(zhuǎn)變到了對(duì)象層,因此,地物的分類(lèi)效果得到了提升。然而,當(dāng)前對(duì)象層地物分類(lèi)的方法主要是從影像中提取底層特征實(shí)現(xiàn)地物分類(lèi),只能達(dá)到地物目標(biāo)層,如樹(shù)木和建筑物,而對(duì)于商業(yè)區(qū)和居民區(qū)這種高層語(yǔ)義信息仍無(wú)能為力。為獲取高層場(chǎng)景語(yǔ)義信息,如何突破現(xiàn)有高分辨率遙感影像中底層特征與高層語(yǔ)義信息之間存在的語(yǔ)義鴻溝進(jìn)行場(chǎng)景語(yǔ)義理解,是當(dāng)前高分辨率遙感影像解譯的的關(guān)鍵性和熱點(diǎn)問(wèn)題。源于自然語(yǔ)言處理領(lǐng)域的主題模型,通過(guò)挖掘影像中的潛在主題信息來(lái)表示高分辨率遙感影像,是解決高分辨率遙感影像場(chǎng)景語(yǔ)義鴻溝的有效方法。然而面對(duì)復(fù)雜的高分辨率遙感影像,如何利用主題模型有效地挖掘影像中的強(qiáng)區(qū)分性特征來(lái)識(shí)別高分辨率遙感場(chǎng)景影像,仍具有很大的挑戰(zhàn)性:(1)底層特征學(xué)習(xí)能力不足。傳統(tǒng)的場(chǎng)景分類(lèi)方法僅僅使用單個(gè)特征,而多元特征的場(chǎng)景分類(lèi)方法大多是將其進(jìn)行簡(jiǎn)單的特征疊加,并未充分學(xué)習(xí)不同特征之間的差異性,對(duì)復(fù)雜的遙感場(chǎng)景描述能力有限;(2)中層主題冗余度高、缺乏同質(zhì)性描述。傳統(tǒng)主題模型概率建模生成的主題特征重疊度高,增加了時(shí)間消耗且影響了場(chǎng)景主題特征的可區(qū)分性;當(dāng)前基于均勻格網(wǎng)劃分的采樣方法能夠生成影像的異質(zhì)性描述,然而對(duì)于包含關(guān)鍵性地物目標(biāo)語(yǔ)義的場(chǎng)景,傳統(tǒng)采樣方法生成的特征描述能力有限;(3)高層語(yǔ)義理解忽略空間位置信息和全局性。已有的基于主題模型的場(chǎng)景分類(lèi)方法忽略了影像塊之間的空間位置信息以及場(chǎng)景全局性的細(xì)節(jié)描述,無(wú)法準(zhǔn)確理解場(chǎng)景中所蘊(yùn)含的深度語(yǔ)義信息。因此,本文針對(duì)主題模型在高分辨率遙感影像場(chǎng)景理解中存在的問(wèn)題,挖掘影像的潛在主題信息,從底層特征學(xué)習(xí)、中層主題建模和高層語(yǔ)義理解三個(gè)方面開(kāi)展面向高分辨率遙感影像場(chǎng)景理解的主題模型研究。主要研究?jī)?nèi)容與創(chuàng)新工作如下:(1)系統(tǒng)總結(jié)了高分辨率遙感影像場(chǎng)景的特點(diǎn)、研究現(xiàn)狀與存在的問(wèn)題,介紹了主題模型的基本理論方法,并詳細(xì)分析了其在高分辨率遙感影像場(chǎng)景中的現(xiàn)狀和應(yīng)用前景。(2)在底層特征描述方面,針對(duì)底層特征學(xué)習(xí)能力不足的問(wèn)題,提出了多元特征主題語(yǔ)義融合的概率主題模型場(chǎng)景分類(lèi)方法。針對(duì)場(chǎng)景中地物的多樣性和分布的可變性,本論文從局部和全局角度、離散和連續(xù)視角提取場(chǎng)景的異質(zhì)特征,提高基于詞袋模型的場(chǎng)景描述能力;針對(duì)傳統(tǒng)字典構(gòu)建及主題建模僅僅是將多元底層特征進(jìn)行簡(jiǎn)單的特征疊加,并未充分學(xué)習(xí)不同特征之間的差異性的問(wèn)題,本文挖掘場(chǎng)景影像的光譜、紋理和SIFT特征,分別進(jìn)行主題建模及融合,增強(qiáng)高分辨率遙感影像場(chǎng)景的解譯效果。(3)在中層主題建模方面,針對(duì)中層主題冗余度高、缺乏同質(zhì)性描述的問(wèn)題,提出了同異質(zhì)主題聯(lián)合的稀疏主題模型場(chǎng)景分類(lèi)方法。針對(duì)傳統(tǒng)概率主題模型在主題建模時(shí)生成重疊度高的主題的問(wèn)題,本文利用稀疏推理方法替代狄里克雷分布方法,提出了基于異質(zhì)特征表達(dá)的稀疏主題模型場(chǎng)景分類(lèi)方法,并在此基礎(chǔ)上聯(lián)合超像素分割和均勻格網(wǎng)劃分方法對(duì)影像分別進(jìn)行采樣,實(shí)現(xiàn)基于同異質(zhì)特征聯(lián)合的稀疏主題建模,降低了主題的冗余度,有效提高場(chǎng)景主題特征的可區(qū)分性,加快場(chǎng)景理解的速度。(4)在高層語(yǔ)義理解方面,針對(duì)高層語(yǔ)義理解忽略空間位置信息和全局性的問(wèn)題,提出了基于多層次語(yǔ)義表達(dá)的場(chǎng)景分類(lèi)方法。傳統(tǒng)詞袋模型通常忽略視覺(jué)單詞的空間位置信息,深度學(xué)習(xí)可以保持空間信息但難以保持高分辨率遙感影像的局部特性。為此,本文基于局部全局詞袋模型和深度模型,從低中高三個(gè)層次分別提取特征,有效構(gòu)建復(fù)雜場(chǎng)景的多層次描述;在此基礎(chǔ)上,通過(guò)分析深度學(xué)習(xí)和概率主題模型各自的特性,提出了自適應(yīng)深度稀疏聯(lián)合建模的場(chǎng)景分類(lèi)方法,實(shí)現(xiàn)復(fù)雜場(chǎng)景的高精度解譯。(5)構(gòu)建基于概率主題模型的高分辨率遙感影像場(chǎng)景解譯原型系統(tǒng)。結(jié)合從多個(gè)角度提出的基于概率主題模型的高分辨率遙感影像場(chǎng)景理解方法,構(gòu)建滿足多種應(yīng)用需求的高分辨率影像場(chǎng)景理解原型系統(tǒng)。本文面向高分辨率遙感影像場(chǎng)景理解,開(kāi)展概率主題模型在底層特征學(xué)習(xí)、中層主題建模和高層語(yǔ)義理解方面的研究,能夠增強(qiáng)高分辨遙感影像的解譯效果,進(jìn)一步推動(dòng)了高分辨率遙感影像場(chǎng)景理解在實(shí)際中的應(yīng)用,這對(duì)于城市功能區(qū)變化分析和環(huán)境監(jiān)測(cè)等領(lǐng)域具有重要的科學(xué)意義和社會(huì)價(jià)值。
【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：P237
【圖文】：

由于空間分辨率的增加和獨(dú)特的成像方式，高分辨率遙感場(chǎng)景影像中更加精逡逑細(xì)的地物組成和空間分布，為解譯分析提供良好的條件和基礎(chǔ)（孫顯等，２０１１；顧逡逑廣華，２０１３；江悅，２０１０）。圖１．１以武漢地區(qū)２００２年的ＥＴＭ＋和ＱｕｉｃｋＢｉｒｄ遙感影逡逑像為例，其中ＥＴＭ＋影像的空間分辨率為３０米，ＱｕｉｃｋＢｉｒｄ影像空間分辨率為２．４逡逑米。圖中的方框區(qū)域?qū)?yīng)著武漢大學(xué)信息學(xué)部的放大區(qū)域，對(duì)比方框可以看出高分逡逑辨率遙感影像主要有以下特點(diǎn)（周成虎和駱劍承，２００９；孫顯等，２０１１；孫家波，逡逑２０１４；顧秀穎，２０１５；馬廷，２００１）：逡逑（１）

由于空間分辨率的增加和獨(dú)特的成像方式，高分辨率遙感場(chǎng)景影像中更加精逡逑細(xì)的地物組成和空間分布，為解譯分析提供良好的條件和基礎(chǔ)（孫顯等，２０１１；顧逡逑廣華，２０１３；江悅，２０１０）。圖１．１以武漢地區(qū)２００２年的ＥＴＭ＋和ＱｕｉｃｋＢｉｒｄ遙感影逡逑像為例，其中ＥＴＭ＋影像的空間分辨率為３０米，ＱｕｉｃｋＢｉｒｄ影像空間分辨率為２．４逡逑米。圖中的方框區(qū)域?qū)?yīng)著武漢大學(xué)信息學(xué)部的放大區(qū)域，對(duì)比方框可以看出高分逡逑辨率遙感影像主要有以下特點(diǎn)（周成虎和駱劍承，２００９；孫顯等，２０１１；孫家波，逡逑２０１４；顧秀穎，２０１５；馬廷，２００１）：逡逑（１）

高分辨率遙感影像相同地物目標(biāo)不同語(yǔ)義概念逡逑（ｂ）逡逑圖１．２高分辨率遙感影像場(chǎng)景中的地物分布特點(diǎn)。其中（ａ）反映了場(chǎng)景中地物類(lèi)別的多逡逑樣性、場(chǎng)景中地物種類(lèi)的可變性以及場(chǎng)景中同種地物類(lèi)別的差異性，（ｂ）反映了場(chǎng)景中目標(biāo)逡逑空間關(guān)系的復(fù)雜性。逡逑高分辨率遙感影像場(chǎng)景中地物分布的特點(diǎn)可以系統(tǒng)地總結(jié)為以下幾點(diǎn)：逡逑（１）

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 李德仁;童慶禧;李榮興;龔健雅;張良培;;高分辨率對(duì)地觀測(cè)的若干前沿科學(xué)問(wèn)題[J];中國(guó)科學(xué):地球科學(xué);2012年06期

2 宮鵬;黎夏;徐冰;;高分辨率影像解譯理論與應(yīng)用方法中的一些研究問(wèn)題[J];遙感學(xué)報(bào);2006年01期

3 李德仁;論21世紀(jì)遙感與GIS的發(fā)展[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2003年02期

4 馬廷;高分辨率衛(wèi)星影像及其信息處理的技術(shù)模型[J];遙感信息;2001年03期

相關(guān)博士學(xué)位論文 前10條

1 孫家波;基于知識(shí)的高分辨率遙感影像耕地自動(dòng)提取技術(shù)研究[D];中國(guó)農(nóng)業(yè)大學(xué);2014年

2 吳麗娜;基于詞袋模型的圖像分類(lèi)算法研究[D];北京交通大學(xué);2013年

3 顧廣華;面向圖像語(yǔ)義描述的場(chǎng)景分類(lèi)研究[D];北京交通大學(xué);2013年

4 李曉旭;基于概率主題模型的圖像分類(lèi)和標(biāo)注的研究[D];北京郵電大學(xué);2012年

5 徐盛;基于主題模型的高空間分辨率遙感影像分類(lèi)研究[D];上海交通大學(xué);2012年

6 解文杰;基于中層語(yǔ)義表示的圖像場(chǎng)景分類(lèi)研究[D];北京交通大學(xué);2011年

7 崔衛(wèi)紅;基于圖論的面向?qū)ο蟮母叻直媛视跋穹指罘椒ㄑ芯縖D];武漢大學(xué);2010年

8 江悅;場(chǎng)景圖像內(nèi)容表述和分類(lèi)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

9 唐穎軍;基于語(yǔ)義主題模型的圖像場(chǎng)景分類(lèi)研究[D];北京交通大學(xué);2010年

10 曾璞;面向語(yǔ)義提取的圖像分類(lèi)關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前1條

1 顧秀穎;高分辨率遙感影像典型的復(fù)雜場(chǎng)景匯總統(tǒng)計(jì)方法[D];上海交通大學(xué);2015年

本文編號(hào)：2752469