论文部分内容阅读
场景的异质性和瞬时视场的局限性,使得混合像元普遍存在于遥感图像中。混合像元的存在对遥感图像中地物分布信息的分析和提取产生了极大的阻碍。光谱解混技术虽然可以获得混合像元内各类别的比例(丰度值),但是无法获得各类别在混合像元内的具体空间分布信息。亚像元定位(Subpixel Mapping,SPM)技术作为光谱解混技术的后续处理,通过将像元分解成更小的亚像元,进而获得具有亚像元级尺度下各类别分布信息的专题制图。亚像元定位作为获得各类别空间分布信息的一项极具潜力的技术,已成为当前遥感领域的研究热点之一。现有一种软硬属性转换亚像元定位(Soft-then-hard Subpixel Mapping,STHSPM)方法,主要包括亚像元锐化和类别分配两个部分。该方法具有应用方便,运算速度快等优点,并且为研究亚像元定位技术提供了一个新的思路。然而现有的软硬属性转换亚像元定位方法仍然存在以下问题亟待解决:(1)在现有的基于单幅遥感图像软硬属性转换亚像元定位方法中,原始遥感图像的监督信息,如空-谱信息不能被充分利用;(2)在基于多位移图像的软硬属性转换亚像元定位方法中,多位移图像可以被用来作为辅助信息,但是多位移图像的空-谱信息不丰富和尺度信息单一;(3)光谱解混过程产生的光谱解混误差给软硬属性转换亚像元定位结果带来很大影响。针对以上问题,本文对软硬属性转换亚像元定位进一步研究,研究的主要内容和创新性包括:1、为了更有效地利用单幅原始遥感图像的空-谱信息,提出基于插值的软硬属性转换亚像元定位算法。首先,每个地物类别通过先解混后插值和先插值后解混两种途径获得两种丰度图像;然后,通过合适的参数结合以上两种丰度图像获得具有更加丰富的空-谱信息的丰度图像;最后,利用结合后的更精细的丰度图像提供的信息,将硬属性的类别标签分配到每个亚像元中。实验结果表明所提出的方法运算速度快,不需要任何先验结构信息,更重要的是同时利用了更加丰富的原始遥感图像的空间信息和光谱信息,从而得到了更加精确的亚像元定位结果。所提出的方法应用于没有辅助信息,只有单幅原始遥感图像的条件下。2、为了丰富多幅多位移图像所携带的信息,特别是光谱信息,提出了基于具有空-谱信息的多位移图像软硬属性转换亚像元定位算法。首先,粗糙的多位移图像分别通过空间路径和光谱路径获得具有不同信息的两种精细的多位移图像;然后,将这两种精细的多位移图像通过适当的参数整合得到更加精细具有更多空-谱信息的多位移图像;最后,通过类别分配方法将硬属性的类别标签分配到亚像元中,获得定位结果。较现有的基于多位移图像软硬属性转换亚像元定位方法,所提出的方法能更加有效地利用了原始多位移图像的空-谱信息,通过三组真实的高光谱数据实验表明,所提出的方法得到的亚像元定位精度更精确。不同于第一种方法,所提出的方法是被应用于多幅低分辨率多位移图像中,产生的精细的多位移图像具有更多的空-谱信息。3、为了使多幅多位移图像具有多种尺度信息,提出了基于空间引力模型的多尺度位移图像软硬属性转换亚像元定位算法。首先,利用亚像元-亚像元空间引力模型产生具有精细尺度信息的光滑项,利用亚像元-像元空间引力模型产生具有粗糙尺度信息的惩罚项;然后,将光滑项和惩罚项通过合适的参数进行整合产生具有多种尺度的精细的多位移图像;最后,利用整合后的精细的多位移图像将硬属性的类别标签分配到亚像元中。实验结果表明所提出的方法有效地融合了多种尺度的多位移图像的信息,相较于现有的单一尺度的多位移图像,能得到更精确的亚像元定位结果。不同于第二种方法,所提出的方法应用于多位移图像的侧重点不同,该方法主要被利用来使多位移图像具有更多的尺度信息。4、为了避免光谱解混误差给软硬属性转换亚像元定位结果带来的影响,提出基于最大后验估计(Maximum A Posteriori,MAP)超分辨率转换亚像元定位算法。该算法的模型框架为一种全新的亚像元定位模型即先超分辨率后分类,首先,利用基于变换域的MAP超分辨率重建模型将原始的低分辨率高光谱遥感图像进行超分辨率重建,得到高分辨率图像;然后,利用分类算法将高分辨率图像直接进行分类得到亚像元定位结果。在一定条件下,所提出的方法较现有的软硬属性转换亚像元定位不但能更好的利用原始图像的监督信息,而且避免了光谱解混步骤,从而减少了光谱解混误差对结果造成的影响。实验结果表明在一定条件下所提出的方法不但能得到更精确的定位结果而且可以保护兴趣类别。所提出的方法虽然有别于前三种方法,属于一种全新的亚像元定位模型,但是该方法的提出主要是为了解决光谱解混误差对软硬属性转换的影响,仍然属于改善软硬属性转换亚像元定位技术的范畴。