基于模糊主成分分析的多光谱遥感图像增强方法研究

摘要

遥感技术的发展，揭开了人类从外层空间观测地球、探测宇宙空间的序幕，为我们认识国土、开发资源、研究环境、分析全球变化找到了新的途径。遥感数字图像处理是计算机数字图像处理技术与遥感图像分析技术结合而形成的一门新兴学科。遥感数字图像处理技术的出现，从根本上改变了传统遥感图像的处理方式与识别方式，为遥感技术系统的完善，实现对地高效、快速识别以及多源信息的数字化融合处理创造了良好的条件。 由于应用分波段量测地物的辐射波谱能量，使影像的可分辨性大大增加。但因人眼对亮度缺乏绝对值的概念，不能很好地根据每个波段的亮度值特征识别地物。同时，遥感影像的不同波段之间往往存在着很高的相关性，从直观上看，就是不同波段的影像很相似。因而从提取有用信息的角度考虑，有相当一大部分数据是多余和重复的。K-L(Karhunen-Loeve)变换也称主成分分析或主分量分析，是在统计特征基础上的多维(如多波段)正交线性变换；它也是遥感图像增强和信息提取中用得最多的线性变换。 然而，经典主成分分析与其它的多元统计分析方法一样，它对极端值及缺失值非常的敏感，而极端值与缺失数据会带来残缺或错误的分析结果。同时，遥感影像的像元所包含的光谱信息往往是多种地物目标的综合反映，从而具有模糊性。而模糊理论(fuzzytheory)是处理模糊性(暖昧性)的理论的总称，它为解决这类问题提供了其他理论所不能胜任的数学工具。所以，针对经典主成分分析(K-L变换)的缺点和遥感数据的不确定性等特点，本课题提出了模糊均值、模糊离差、模糊方差、模糊协方差及模糊相关系数的概念，并将其引入经典主成分分析中，从而提出了基于模糊统计学的模糊主成分分析。 本课题是以中国科学院东北地理研究所长春市活动断层高分辨率遥感图像处理和解译项目为依托。凭借此项目提供的多光谱遥感图像进行分析。把模糊统计学的知识应用到主成分变换中，使模糊集参与决策分析，有效的抑制了噪声，突出了主要信息，提高了分析结果的准确性和可信度。最后，针对地物波谱特性，进行了假彩色合成，充分的扩大地物间的差异，提高了地物的判议效果。

目录

文摘

英文文摘

声明

第一章绪 论

1.1课题背景

1.1.1课题来源

1.1.2问题提出

1.2研究内容与方法

1.2.1研究内容

1.2.2研究方法

1.3研究目的和意义

1.3.1研究目的

1.3.2研究意义

1.4国内外相关领域的研究现状

1.4.1国外相关领域的研究现状

1.4.2国内相关领域的研究现状

第二章多光谱遥感图像

2.1遥感数字图像

2.1.1遥感

2.1.2遥感数字图像

2.1.3遥感数字图像处理

2.2多光谱遥感图像

2.2.1多光谱遥感数据的采集

2.2.2多光谱遥感图像的波谱信息

2.2.3多光谱遥感图像数据的不确定性

第三章多光谱遥感影像数字特征的统计分析

3.1经典统计分析数字特征

3.1.1均值

3.1.2方差

3.1.3协方差

3.1.4相关系数

3.2模糊统计分析数字特征

3.2.1模糊集合

3.2.2模糊均值

3.2.3模糊离差

3.2.4模糊方差

3.2.5模糊协方差

3.2.6模糊相关系数

第四章模糊主成分分析

4.1多光谱增强

4.2主成分分析(K-L变换)

4.2.1K-L变换原理

4.2.2K-L变换分析

4.3模糊主成分分析(Fuzzy K-L变换)

4.3.1模糊统计分析数字特征

4.3.2模糊主成分分析的分析步骤

第五章基于模糊主成分分析的多光谱图像处理系统

5.1系统开发环境介绍

5.1.1Visual C++.NET

5.1.2GDI+

5.1.3Windows API

5.2系统分析

5.2.1结构层

5.2.2主题层

5.2.3属性层

5.2.4用例视图

5.3系统设计

5.3.1问题空间设计

5.3.2数据管理设计

5.3.3任务管理设计

5.3.4人机交互设计

5.4系统实现

5.5实验结果比较与分析

5.5.1长春市活断层探测高分辨遥感信息处理与解译项目介绍

5.5.2实验图像说明

5.5.3基于主成分分析的多光谱遥感图像增强

5.5.4基于模糊主成分分析的多光谱遥感图像增强

5.5.5主成分分析与模糊主成分分析结果比较与分析

结 论

参考文献

附 录

后 记

在学期间公开发表论文及著作情况与参加项目情况