基于统计方法的遥感信息提取研究

摘要

遥感应用的关键是专题信息的提取，是否能够及时、准确地从遥感影像中获得所需要的信息极大地影响着遥感技术的应用。只有通过不断地创新和改进信息提取方法，才能够更加发挥遥感技术的优势，为遥感技术的深度应用铺平道路。
　　 本文在前人对地物光谱研究的基础上，以各类地物的像元灰度服从高斯分布为基本假设，研究了基于统计方法的遥感信息提取。首先从低维光谱特征空间入手，利用其直观的显示研究了地物灰度的分布规律。二维光谱特征空间中，同类地物分布形成一个椭圆，具有各向异性的特点。空间U统计量能够获取局部位置的各向异性参数。本文将这种空间奇异性分析的方法引入遥感信息提取，建立了基于空间U统计量法的遥感信息提取方法，并利用该方法提取了巴音山地区的铁化蚀变信息，通过对比野外勘查资料，验证了这种方法是有效的。
　　 在总结和分析低维光谱特征空间中信息提取所出现的问题之后，研究适用于高维光谱特征空间的更为完善的数学模型，以实现遥感信息的精确提取。在高维光谱特征空间中，文中利用高斯混合模型描述像元数据，在此基础上用马尔科夫随机场和模拟退火算法进行改进，使信息提取过程中能够利用空间相关信息并且能够稳健地获得全局最优解。利用改进的高斯混合模型方法提取了Pine实验场的各类地物信息，通过对结果的分析证明算法的改进取得了显著效果。然后利用该算法提取了巴音山地区的铁化蚀变信息，与主成分法相比，基于高斯混合模型的方法具有更好的效果。
　　 本文研究了利用统计方法的遥感信息提取。研究工作从低维展开，并在高维中得到完善，分别建立了空间U统计量法和基于高斯混合模型的两种遥感专题信息提取方法，为遥感数据有效利用做出了有益的探索。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．2 国内外研究进展

1．2．1 遥感影像分类方法进展

1．2．2 地物光谱研究进展

1．2．3 蚀变信息提取方法进展

1．3 研究内容与组织结构

1．3．1 研究内容和技术路线

1．3．3 组织结构

第二章 遥感影像分类方法

2．1 监督分类

2．1．1 平行算法

2．1．2 最小距离法

2．1．3 最大似然法

2．2 非监督分类

2．2．1 K均值法

2．2．2 ISODATA法

2．3 模糊分类

2．4 人工神经网络

2．5 支撑向量机

2．6 小结

第三章 遥感数据与地物光谱特征分析

3．1 数据来源

3．1．1 Pine遥感实验场数据

3．1．2 巴音山多金属矿集区数据

3．2 遥感影像数据预处理

3．2．1 辐射校正

3．2．2 几何校正

3．2．3 影像裁剪与镶嵌

3．3 典型地物光谱特征

3．3．1 植被的光谱特征

3．3．2 水体的光谱特征

3．3．3 岩石的光谱特征

3．3．4 土壤的光谱特征

3．4 小结

第四章 空间U统计量法的遥感信息提取

4．1 相关概念的定义

4．1．1 光谱特征空间

4．1．2 背景、干扰、异常的定义

4．1．3 光谱特征空间中的地物光谱的概率分布

4．2 空间U统计量法

4．2．1 样本判别的两类错误

4．2．2 空间U统计量法

4．3 蚀变信息提取结果与分析

4．4 小结

第五章 高斯混合模型的遥感信息提取

5．1 高斯混合模型及马尔科夫随机场

5．1．1 高斯混合模型

5．1．2 马尔科夫随机场

5．2 高斯参数估计

5．2．1 ICM算法

5．2．2 模拟退火算法

5．3 高光谱数据应用

5．4 算法过程

5．5 应用结果与分析

5．5．1 植被覆盖信息提取结果与分析

5．5．2 蚀变信息提取结果与分析

5．6 小结

第六章 总结与展望

6．1 论文的研究工作总结

6．2 展望

参考文献

致谢

攻读学位期间主要的研究成果