基于海洋遥感数据的岛礁特征提取方法研究

摘要

海洋遥感技术作为实时获取海洋数据的重要手段，在智能导航、海洋监测和船舶精确定位等方面得到了广泛的应用。特别是在智能化航海导航领域，由于遥感卫星具有的时效性高、全球覆盖范围非常之广的特点，通过卫星获取实时、大面积海域的遥感图像进行智能航海导航以及船舶航行蔽障，可以增强导航的精确度。但是，在实际应用中，海洋遥感图像中包含的信息比较丰富，地物种类比较复杂，如何能够进行地物精确的识别，特别是海洋中岛礁的自动识别，是在实际应用中应用遥感图像进行智能航海导航、海洋数据立体监测以及船舶蔽障的前提。本文以多光谱遥感图像作为研究对象，从图像处理的前期出发，进行图像数据的聚类分析。针对多光谱遥感图像具有尺度大、多波段、内容丰富多样、多尺度等特征，原始的特征提取算法显示出其不足，为此本文提出了两种改进聚类分析算法来进行图像特征提取，并通过实验仿真验证了算法的可行性。
　　本研究首先对获取的海洋遥感图像进行了预处理操作，其中预处理过程包括辐射校正和几何校正两部分，并分别阐述了他们进行校正的原理和具体方法。其次，分别从基于遥感图像的光谱特征，纹理特征以及分类方法进行常用特征提取算法的介绍，为后续算法进行改进提供了方向。再次，深入研究了模糊核聚类算法。针对模糊核聚类算法在使用过程中存在的不足进行了改进：将原始数据进行核主成分分析，提高了数据处理速度问题；利用马氏聚类代替欧氏聚类，提高了数据处理的精度问题；利用薛定谔方程求取聚类中心，解决了局部最优解的问题；并在此基础上进行实验仿真验证，实验结果表明该改进算法的正确性。最后，深入研究了支持向量聚类算法。针对支持向量聚类算法在使用过程中存在的不足进行了改进：为了降低算法的运行成本，本文提出了最优数据子集的概念，保证原始的数据集数据丢失最小；为了提高算法聚类精度，本文提出了新的簇划分方法，避免了计算邻接矩阵和连通分量随机错误的发生；并在此基础上进行实验仿真验证，实验结果表明该改进算法优于支持向量聚类算法，算法有很好的鲁棒性。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题的背景、目的和意义

1.2 国内外研究现状

1.3 课题的研究内容及论文结构

第2章 遥感图像的预处理

2.1 海洋遥感数据的选择

2.2 遥感图像的辐射校正

2.3 遥感图像的几何校正

2.4 本章小结

第3章 遥感图像特征提取技术

3.1 基于光谱特征的特征提取方法

3.2 基于纹理特征的特征提取方法

3.3 基于分类方法处理的特征提取

3.4 本章小结

第4章 基于改进核聚类算法的遥感图像特征提取

4.1模糊核聚类算法分析

4.2 模糊核聚类算法的改进方向

4.3 实验结果与分析

4.4 本章小结

第5章 基于改进支持向量聚类的遥感图像特征提取

5.1 支持向量机理论概述

5.2 支持向量聚类分析

5.3 支持向量聚类算法实现

5.4 支持向量聚类算法的缺陷及改进

5.5 基于改进支持向量聚类的遥感图像特征提取

5.6 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和科研成果

致谢