论文部分内容阅读
高分辨率遥感图像提供了探测对象丰富的空间信息和光谱信息，已被广泛应用于军事和民用领域。针对现有遥感图像处理方法的不足，研究适于高分辨率遥感图像特性的更为有效的处理方法，具有重要的理论意义和实际应用价值。本文深入研究了高分辨率遥感图像处理的若干关键技术，包括分割、匹配、融合、变化检测和道路检测，主要工作如下：首先，提出了一种基于局部空间信息的核模糊聚类分割方法。不仅运用核函数将待聚类的数据映射到高维空间，而且综合了像素的空间邻域信息。该方法可以直接应用于原始遥感图像，不需要滤波预处理。实验结果表明，该方法对噪声鲁棒，可以得到较好的同质区域，优于现有的FCM、FLICM和KFCM方法。然后，给出了一种基于NSCT和SURF的遥感图像匹配方法。利用NSCT分解参考图像和待匹配图像，把得到的两幅低频分量图像作为SURF方法的输入图像进行预匹配，再使用RANSAC方法消除其中的误匹配点对。实验结果表明，与SIFT方法和SURF方法相比，该方法具有更高的匹配精度和更快的匹配速度。其次，研究了一种基于改进梯度投影非负矩阵分解和复Contourlet的遥感图像融合方法。该方法对CCT分解得到的低频和高频分量采用了不同的融合规则，并利用改进梯度投影方法优化了非负矩阵分解的速度。依据主观和客观定量指标进行了评价，结果表明该方法均优于HSI方法、NMF与NSCT结合的方法以及提升小波变换与HSI结合的方法。随后，提出了基于KPCA/KICA的多时相遥感图像变化检测方法。KPCA/KICA是利用核技巧对PCA/ICA的一种非线性推广，可以较好地解决遥感图像由于光照、角度等造成非线性混合的图像特点。大量实验表明，该方法能够更有效地检测出高分辨率遥感图像中的变化区域。最后，讨论了一种基于KFLICM和数学形态学的城市遥感图像道路检测方法。首先通过KFLICM方法对遥感图像进行分类，获得含有大部分道路信息的成分图像；然后利用数学形态学的一系列处理，最终检测出道路目标。实验结果表明，该方法可以准确地检测出大部分城市主干道路。