【摘要】：隨著高分辨遙感技術的迅猛發(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行影像準確解譯已成為遙感領域最具挑戰(zhàn)性的研究前沿問題。高分辨率遙感影像信息提取技術的發(fā)展使得影像解譯從像素層轉變到了對象層,因此,地物的分類效果得到了提升。然而,當前對象層地物分類的方法主要是從影像中提取底層特征實現(xiàn)地物分類,只能達到地物目標層,如樹木和建筑物,而對于商業(yè)區(qū)和居民區(qū)這種高層語義信息仍無能為力。為獲取高層場景語義信息,如何突破現(xiàn)有高分辨率遙感影像中底層特征與高層語義信息之間存在的語義鴻溝進行場景語義理解,是當前高分辨率遙感影像解譯的的關鍵性和熱點問題。源于自然語言處理領域的主題模型,通過挖掘影像中的潛在主題信息來表示高分辨率遙感影像,是解決高分辨率遙感影像場景語義鴻溝的有效方法。然而面對復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區(qū)分性特征來識別高分辨率遙感場景影像,仍具有很大的挑戰(zhàn)性:(1)底層特征學習能力不足。傳統(tǒng)的場景分類方法僅僅使用單個特征,而多元特征的場景分類方法大多是將其進行簡單的特征疊加,并未充分學習不同特征之間的差異性,對復雜的遙感場景描述能力有限;(2)中層主題冗余度高、缺乏同質性描述。傳統(tǒng)主題模型概率建模生成的主題特征重疊度高,增加了時間消耗且影響了場景主題特征的可區(qū)分性;當前基于均勻格網(wǎng)劃分的采樣方法能夠生成影像的異質性描述,然而對于包含關鍵性地物目標語義的場景,傳統(tǒng)采樣方法生成的特征描述能力有限;(3)高層語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景分類方法忽略了影像塊之間的空間位置信息以及場景全局性的細節(jié)描述,無法準確理解場景中所蘊含的深度語義信息。因此,本文針對主題模型在高分辨率遙感影像場景理解中存在的問題,挖掘影像的潛在主題信息,從底層特征學習、中層主題建模和高層語義理解三個方面開展面向高分辨率遙感影像場景理解的主題模型研究。主要研究內容與創(chuàng)新工作如下:(1)系統(tǒng)總結了高分辨率遙感影像場景的特點、研究現(xiàn)狀與存在的問題,介紹了主題模型的基本理論方法,并詳細分析了其在高分辨率遙感影像場景中的現(xiàn)狀和應用前景。(2)在底層特征描述方面,針對底層特征學習能力不足的問題,提出了多元特征主題語義融合的概率主題模型場景分類方法。針對場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)視角提取場景的異質特征,提高基于詞袋模型的場景描述能力;針對傳統(tǒng)字典構建及主題建模僅僅是將多元底層特征進行簡單的特征疊加,并未充分學習不同特征之間的差異性的問題,本文挖掘場景影像的光譜、紋理和SIFT特征,分別進行主題建模及融合,增強高分辨率遙感影像場景的解譯效果。(3)在中層主題建模方面,針對中層主題冗余度高、缺乏同質性描述的問題,提出了同異質主題聯(lián)合的稀疏主題模型場景分類方法。針對傳統(tǒng)概率主題模型在主題建模時生成重疊度高的主題的問題,本文利用稀疏推理方法替代狄里克雷分布方法,提出了基于異質特征表達的稀疏主題模型場景分類方法,并在此基礎上聯(lián)合超像素分割和均勻格網(wǎng)劃分方法對影像分別進行采樣,實現(xiàn)基于同異質特征聯(lián)合的稀疏主題建模,降低了主題的冗余度,有效提高場景主題特征的可區(qū)分性,加快場景理解的速度。(4)在高層語義理解方面,針對高層語義理解忽略空間位置信息和全局性的問題,提出了基于多層次語義表達的場景分類方法。傳統(tǒng)詞袋模型通常忽略視覺單詞的空間位置信息,深度學習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,從低中高三個層次分別提取特征,有效構建復雜場景的多層次描述;在此基礎上,通過分析深度學習和概率主題模型各自的特性,提出了自適應深度稀疏聯(lián)合建模的場景分類方法,實現(xiàn)復雜場景的高精度解譯。(5)構建基于概率主題模型的高分辨率遙感影像場景解譯原型系統(tǒng)。結合從多個角度提出的基于概率主題模型的高分辨率遙感影像場景理解方法,構建滿足多種應用需求的高分辨率影像場景理解原型系統(tǒng)。本文面向高分辨率遙感影像場景理解,開展概率主題模型在底層特征學習、中層主題建模和高層語義理解方面的研究,能夠增強高分辨遙感影像的解譯效果,進一步推動了高分辨率遙感影像場景理解在實際中的應用,這對于城市功能區(qū)變化分析和環(huán)境監(jiān)測等領域具有重要的科學意義和社會價值。
【學位授予單位】：武漢大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：P237
【圖文】：

由于空間分辨率的增加和獨特的成像方式，高分辨率遙感場景影像中更加精逡逑細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（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)域對應著武漢大學信息學部的放大區(qū)域，對比方框可以看出高分逡逑辨率遙感影像主要有以下特點（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特的成像方式，高分辨率遙感場景影像中更加精逡逑細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（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)域對應著武漢大學信息學部的放大區(qū)域，對比方框可以看出高分逡逑辨率遙感影像主要有以下特點（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不同語義概念逡逑（ｂ）逡逑圖１．２高分辨率遙感影像場景中的地物分布特點。其中（ａ）反映了場景中地物類別的多逡逑樣性、場景中地物種類的可變性以及場景中同種地物類別的差異性，（ｂ）反映了場景中目標逡逑空間關系的復雜性。逡逑高分辨率遙感影像場景中地物分布的特點可以系統(tǒng)地總結為以下幾點：逡逑（１）

【參考文獻】

相關期刊論文 前4條

1 李德仁;童慶禧;李榮興;龔健雅;張良培;;高分辨率對地觀測的若干前沿科學問題[J];中國科學:地球科學;2012年06期

2 宮鵬;黎夏;徐冰;;高分辨率影像解譯理論與應用方法中的一些研究問題[J];遙感學報;2006年01期

3 李德仁;論21世紀遙感與GIS的發(fā)展[J];武漢大學學報(信息科學版);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模型[J];遙感信息;2001年03期

相關博士學位論文 前10條

1 孫家波;基于知識的高分辨率遙感影像耕地自動提取技術研究[D];中國農業(yè)大學;2014年

2 吳麗娜;基于詞袋模型的圖像分類算法研究[D];北京交通大學;2013年

3 顧廣華;面向圖像語義描述的場景分類研究[D];北京交通大學;2013年

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

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

6 解文杰;基于中層語義表示的圖像場景分類研究[D];北京交通大學;2011年

7 崔衛(wèi)紅;基于圖論的面向對象的高分辨率影像分割方法研究[D];武漢大學;2010年

8 江悅;場景圖像內容表述和分類研究[D];國防科學技術大學;2010年

9 唐穎軍;基于語義主題模型的圖像場景分類研究[D];北京交通大學;2010年

10 曾璞;面向語義提取的圖像分類關鍵技術研究[D];國防科學技術大學;2009年

相關碩士學位論文 前1條

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

本文編號：2752469