【摘要】：在利用遙感技術(shù)對地球表面進(jìn)行探測的過程中,遙感圖像的匹配及多分辨率的融合分類問題一直是非常關(guān)鍵的研究課題。一方面,隨著信息技術(shù)的發(fā)展和硬件設(shè)備上的支持,人們可以從衛(wèi)星、飛機(jī)等各種遙感平臺上獲取分辨率越來越高、內(nèi)容越來越復(fù)雜的遙感圖像。這些遙感圖像所特有的數(shù)據(jù)多源異構(gòu)、目標(biāo)結(jié)構(gòu)多變、背景紛繁復(fù)雜等特性,使得傳統(tǒng)方法已經(jīng)越來越難以滿足對其進(jìn)行高效解譯的需求。而另一方面,深度學(xué)習(xí)在自然圖像、視頻和語音等領(lǐng)域的發(fā)展如火如荼,展現(xiàn)了其對海量數(shù)據(jù)強(qiáng)大的特征提取能力,但它在遙感領(lǐng)域的應(yīng)用才初露鋒芒。與近景拍攝的自然圖像不同,遙感圖像具有特性復(fù)雜、噪聲干擾大、局部信息扭曲、容納大量不同尺度的地物信息、樣本標(biāo)記少等特性。因此,在本文的工作中,我們充分利用遙感數(shù)據(jù)的特殊性質(zhì),設(shè)計(jì)了多種專門處理遙感數(shù)據(jù)的深度神經(jīng)網(wǎng)絡(luò)模型,用以完成遙感圖像配準(zhǔn)和融合分類任務(wù)。此外,這些工作還能夠被獨(dú)立地應(yīng)用于其它相關(guān)的任務(wù),具有較強(qiáng)的泛化性能。這些成果也獲得了國內(nèi)外同行的認(rèn)可,具體內(nèi)容有:1.針對遙感數(shù)據(jù)中SAR圖像的數(shù)據(jù)特點(diǎn),提出了一種基于多特征檢測和樹形網(wǎng)絡(luò)匹配的SAR圖像配準(zhǔn)方法。多特征檢測策略有利于同時(shí)保留兩種類型的特征信息。相比于傳統(tǒng)的一類特征,該策略既可以檢測到豐富的紋理特征,又可以找到穩(wěn)定的角點(diǎn)特征,在擴(kuò)充特征點(diǎn)數(shù)目的同時(shí)豐富了特征的類型,充分利用圖像信息為后續(xù)的配準(zhǔn)過程做準(zhǔn)備�？紤]到SAR圖像的斑點(diǎn)噪聲,使用一種基于統(tǒng)計(jì)的指數(shù)加權(quán)平均比率的算子計(jì)算上述兩種檢測器的梯度。在特征匹配過程,提出的樹形匹配網(wǎng)絡(luò)算法主要由主干網(wǎng)和分支網(wǎng)兩個(gè)部分構(gòu)成,隨著網(wǎng)絡(luò)的構(gòu)造來尋找匹配對。該算法將特征約束與特征點(diǎn)之間的空間關(guān)系結(jié)合在一起,具有比原算法更多的匹配對和更高的亞像素匹配精度。在SAR圖像配準(zhǔn)任務(wù)中,該算法在魯棒性和有效性等方面比傳統(tǒng)算法具有更優(yōu)越的性能。2.針對于更高分辨率、更復(fù)雜結(jié)構(gòu)的大場景遙感圖像特性,提出了一種基于雙支路卷積深度置信網(wǎng)框架的特征匹配算法,將圖像配準(zhǔn)任務(wù)轉(zhuǎn)化為一個(gè)二值分類問題。為了匹配兩個(gè)關(guān)鍵點(diǎn),將兩個(gè)以關(guān)鍵點(diǎn)為中心的圖像塊輸入到該網(wǎng)絡(luò)中。該網(wǎng)絡(luò)的目的是學(xué)習(xí)用于圖像塊匹配的顯著特征表示,以便在保持較高的亞像素級別的匹配精度的前提下獲得更多的匹配對。該網(wǎng)絡(luò)采用兩階段訓(xùn)練的方式來處理遙感圖像的復(fù)雜特征。此外,在樣本選擇上,提出了一種自適應(yīng)的樣本選擇策略,通過其中心關(guān)鍵點(diǎn)的尺度來確定每個(gè)圖塊的大小,從而確定樣本的鄰域范圍。因此,每個(gè)圖塊可以保留其關(guān)鍵點(diǎn)周圍的紋理結(jié)構(gòu),而不是所有圖塊都具有預(yù)定的尺寸大小。在匹配預(yù)測階段,為了提高匹配效率和匹配精度,分別設(shè)計(jì)了基于超像素的樣本分級策略和基于超像素的有序空間匹配策略。實(shí)驗(yàn)結(jié)果和理論分析證明了該方法的可行性、魯棒性和有效性。3.提出了一種自適應(yīng)特征融合空間網(wǎng)絡(luò),用于高分辨率遙感圖像的配準(zhǔn)任務(wù)。該網(wǎng)絡(luò)具有多尺度的概念,不需要人為的為每個(gè)樣本確定領(lǐng)域范圍,它可以對不同的樣本能自適應(yīng)地選擇合適的鄰域信息。我們通過將深層特征與淺層特征相互融合,并根據(jù)輸入樣本特性自適應(yīng)地調(diào)整它們之間的融合權(quán)重,為該輸入樣本提供魯棒的特征表示。此外,將空間變換的思想嵌入到網(wǎng)絡(luò)中,使兩個(gè)支路在融合前盡可能地調(diào)整到同一坐標(biāo)系下,從而提高匹配預(yù)測的置信度。4.針對于多光譜和全色圖的融合分類任務(wù),提出了一種雙支路特征融合網(wǎng)絡(luò)。它旨在將特征級融合和分類集合成一個(gè)端到端的網(wǎng)絡(luò)模型框架中�？紤]到一個(gè)大尺寸的遙感場景,提出了一種自適應(yīng)樣本選擇策略。在網(wǎng)絡(luò)結(jié)構(gòu)中,我們提出了一種雙路徑模塊,在保證稠密連接路徑中層與層之間的最大梯度信息流的同時(shí),有效緩解殘差路徑中的梯度爆炸。該模塊可以提取出更強(qiáng)大的特征,以應(yīng)對遙感圖像的復(fù)雜特征。最后,我們采用漸進(jìn)協(xié)同的方式逐步整合這兩個(gè)支路的特性,從而減少計(jì)算負(fù)擔(dān),提高分類精度。實(shí)驗(yàn)證明,本算法在大場景下的遙感圖像融合分類任務(wù)中表現(xiàn)優(yōu)異。5.設(shè)計(jì)了一個(gè)用于遙感圖像多分辨率融合分類的雙支路注意力融合深度網(wǎng)絡(luò)。在建立訓(xùn)練樣本庫的過程中,提出了一種自適應(yīng)中心偏移采樣策略,該策略與傳統(tǒng)的像素中心采樣策略不同,它允許每個(gè)圖像塊通過尋找待分類像素的紋理結(jié)構(gòu)來自適應(yīng)地確定鄰域范圍。而鄰域范圍與此像素不對稱,我們希望捕捉到更利于其分類的鄰域信息。在網(wǎng)絡(luò)結(jié)構(gòu)上,基于采樣策略捕獲的圖像塊,對多光譜數(shù)據(jù)設(shè)計(jì)了一種通道注意模塊,突出了多光譜數(shù)據(jù)譜段信息豐富的優(yōu)勢;而對全色數(shù)據(jù)設(shè)計(jì)了一種空間注意模塊,突出了全色數(shù)據(jù)高空間分辨率的優(yōu)勢。然后將這兩個(gè)特征相互融合,進(jìn)一步從融合后的特征中提取更深層的特征進(jìn)行分類。在高分辨率遙感數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果證明了該方法的有效性和魯棒性。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2019
【分類號】：TP751;TP183


本文編號：2717772