生物視覺(jué)啟發(fā)的高分辨率遙感影像特征提取與目標(biāo)檢測(cè)研究.pdf

1、隨著遙感技術(shù)的不斷發(fā)展和進(jìn)步，遙感影像的空間分辨率不斷提高，高分辨率影像中的地物清晰可辨、細(xì)節(jié)豐富，原來(lái)用于中低分辨率的遙感影像特征提取與目標(biāo)檢測(cè)方法已經(jīng)無(wú)法滿足高分辨率遙感影像應(yīng)用，使得高分辨率遙感影像自動(dòng)或半自動(dòng)地分類與識(shí)別面臨前所未有的挑戰(zhàn)。人類視覺(jué)系統(tǒng)具有非凡的認(rèn)知與識(shí)別能力，可以輕易地分辨復(fù)雜的高分辨率遙感影像中的各種地物目標(biāo)，受此啟發(fā)，本文模擬人類視覺(jué)系統(tǒng)的信息處理機(jī)制，研究生物視覺(jué)啟發(fā)的高分辨率遙感影像特征提取與目標(biāo)檢測(cè)方

2、法，為高分辨率遙感影像自動(dòng)或半自動(dòng)地分類與識(shí)別提供有力的技術(shù)支撐。
　　論文在深入理解人類視覺(jué)系統(tǒng)信息處理機(jī)理，尤其是腹側(cè)通路視覺(jué)信息處理機(jī)制與視覺(jué)注意機(jī)制的基礎(chǔ)上，將人類視覺(jué)系統(tǒng)感知/認(rèn)知的層次與低層次視覺(jué)特征、中等層次特征、高層（抽象）語(yǔ)義特征相對(duì)應(yīng)，從稀疏感知的紋理模型、層次性的視覺(jué)皮層模型以及視覺(jué)注意模型出發(fā)，面向高分辨率遙感影像土地利用分類，重點(diǎn)研究了紋理特征提取、目標(biāo)層次視覺(jué)特征提取，面向高分辨率遙感影像有限目標(biāo)識(shí)別，

3、重點(diǎn)研究了基于視覺(jué)注意的影像目標(biāo)檢測(cè)，主要的創(chuàng)新性研究工作如下：
　?。?）提出了基于稀疏表示的方向匯聚方法（OPSR），用于提取稀疏且旋轉(zhuǎn)不變的影像紋理特征。該方法把過(guò)完備詞典看作大腦皮質(zhì)中的神經(jīng)元群，而詞典中的每個(gè)原子看作對(duì)特定方向的刺激產(chǎn)生響應(yīng)的一個(gè)神經(jīng)元。將詞典中的每個(gè)原子進(jìn)行旋轉(zhuǎn)，產(chǎn)生能夠響應(yīng)不同方向刺激的神經(jīng)元。所有的原子及其旋轉(zhuǎn)后的原子組成擴(kuò)展詞典，而高分辨率遙感影像基于擴(kuò)展詞典的稀疏分解過(guò)程就可以表示為神經(jīng)元群對(duì)特

4、定的不同方向的刺激產(chǎn)生的稀疏響應(yīng)。然后再模擬人類視覺(jué)視皮層復(fù)雜細(xì)胞的匯聚特性，將源自同一原子（包括該原子及對(duì)其旋轉(zhuǎn)產(chǎn)生的原子）的所有響應(yīng)進(jìn)行匯聚，從而提取稀疏且具有旋轉(zhuǎn)不變的特征。在高分辨率遙感紋理影像上的實(shí)驗(yàn)表明，該方法能夠提取稀疏具有旋轉(zhuǎn)不變性的紋理特征，有助于高分辨率遙感影像目標(biāo)分類與識(shí)別。
　?。?）提出了增強(qiáng)的視皮層標(biāo)準(zhǔn)模型。該模型不但模擬了人類視覺(jué)系統(tǒng)的稀疏編碼策略，還利用訓(xùn)練好的過(guò)完備詞典作為原型詞典代替原來(lái)視皮層標(biāo)

5、準(zhǔn)模型中隨機(jī)構(gòu)造的原型詞典，提取具有稀疏性的S2特征，并進(jìn)一步提取C2特征。這種通過(guò)學(xué)習(xí)獲得詞典的方式更符合人類的認(rèn)知過(guò)程。將該模型用于提取高分辨率遙感影像的特征，通過(guò)兩類與多類分類實(shí)驗(yàn)，證明本文提出的增強(qiáng)的視皮層標(biāo)準(zhǔn)模型比視皮層標(biāo)準(zhǔn)模型更加穩(wěn)定、性能更佳、效率更高，對(duì)比較規(guī)則的紋理結(jié)構(gòu)的高分辨率遙感影像具有較好的區(qū)分能力。
　?。?）模擬人類視覺(jué)系統(tǒng)的視覺(jué)選擇注意機(jī)制，提出了集成多線索的基于貝葉斯推理的視覺(jué)注意模型。該模型將視覺(jué)