遙感圖像亞像元定位及相關(guān)技術(shù)研究.pdf

1、遙感圖像把人類的視野從陸地拓展到了太空，極大地提高了人們宏觀、準確和綜合地進行對地觀測的能力。然而，受地物空間分布結(jié)構(gòu)和數(shù)據(jù)獲取過程等因素影響，遙感圖像中普遍存在著混合像元。這些像元內(nèi)分布著多類地物，按照傳統(tǒng)硬分類方法將其判定為任一類都會丟失大量信息?；旌舷裨o地物分布信息的提取帶來了極大的挑戰(zhàn)。
　　 軟分類技術(shù)雖求得了混合像元內(nèi)各類地物的組成比例，卻未能估計出這些地物的具體空間分布。亞像元定位正是一種估計混合像元內(nèi)各類地物分

2、布的技術(shù)，它使得地物分布信息在亞像元級尺度下顯示。作為一項極具潛力的提高遙感地物圖像空間分辨率的技術(shù)，亞像元定位已成為當前遙感領(lǐng)域的研究熱點之一。
　　 本文對亞像元定位技術(shù)展開重點研究。同時，對其前期處理即軟分類技術(shù)也進行了相關(guān)研究。主要內(nèi)容如下：
　　 1、提出了一種線性光譜混合模型(LSMM)的快速幾何求解方法。LSMM的傳統(tǒng)求解方法的迭代過程非常復(fù)雜。近年提出的幾種幾何方法能降低LSMM的求解復(fù)雜度，但所得結(jié)果并

3、非全約束最小二乘解。為此建立一種完全符合全約束要求的LSMM幾何求解方法。理論分析和實驗均表明，提出方法具有復(fù)雜度低且可獲得理論最優(yōu)解等優(yōu)點。
　　 2、提出了基于最小二乘支持向量機(LSSVM)的線性狀地物亞像元定位技術(shù)。針對BP神經(jīng)網(wǎng)絡(luò)(BPNN)訓練耗時長，學習效果差且需大量訓練樣本等缺點，提出利用具有良好學習性能且訓練速度極快的LSSVM進行亞像元定位，并針對線性狀地物合成訓練樣本，擺脫對該類地物先驗空間結(jié)構(gòu)信息的依賴。

4、實驗表明，合成樣本的方法是合理可行的，且LSSVM相比BPNN在訓練速度和亞像元定位精度上均有著明顯優(yōu)勢。
　　 3、提出了基于修正的亞像元一像元空間引力模型(MSPSAM)的亞像元定位技術(shù)。MSPSAM借鑒了物理學中求解引力時的微積分思想，在計算每個亞像元和其鄰域低分辨率像元之間的空間引力時，考慮鄰域低分辨率像元內(nèi)各類亞像元的具體空間分布。實驗表明了MSPSAM的有效性。
　　 4、提出了基于混合空間引力模型(MSAM

5、)的亞像元定位技術(shù)。在MSPSAM基礎(chǔ)上，考慮低分辨率混合像元內(nèi)的亞像元之間的空間相關(guān)性，得到融合像元間和像元內(nèi)相關(guān)性的混合空間引力模型MSAM。對新模型建立的表達式采用經(jīng)典的遺傳算法進行求解。實驗表明MSAM極大地提高了亞像元定位的精度。
　　 5、提出了基于多約束馬爾可夫隨機場(MRF)的亞像元定位技術(shù)。亞像元定位本身是一個欠約束問題，傳統(tǒng)的MRF亞像元定位模型因約束條件偏少而導(dǎo)致定位效果有限。為此提出將亞像元位移遙感圖像(