论文部分内容阅读
遥感图像把人类的视野从陆地拓展到了太空，极大地提高了人们宏观、准确和综合地进行对地观测的能力。然而，受地物空间分布结构和数据获取过程等因素影响，遥感图像中普遍存在着混合像元。这些像元内分布着多类地物，按照传统硬分类方法将其判定为任一类都会丢失大量信息。混合像元给地物分布信息的提取带来了极大的挑战。软分类技术虽求得了混合像元内各类地物的组成比例，却未能估计出这些地物的具体空间分布。亚像元定位正是一种估计混合像元内各类地物分布的技术，它使得地物分布信息在亚像元级尺度下显示。作为一项极具潜力的提高遥感地物图像空间分辨率的技术，亚像元定位已成为当前遥感领域的研究热点之一。本文对亚像元定位技术展开重点研究。同时，对其前期处理即软分类技术也进行了相关研究。主要内容如下：1、提出了一种线性光谱混合模型(LSMM)的快速几何求解方法。LSMM的传统求解方法的迭代过程非常复杂。近年提出的几种几何方法能降低LSMM的求解复杂度，但所得结果并非全约束最小二乘解。为此建立一种完全符合全约束要求的LSMM几何求解方法。理论分析和实验均表明，提出方法具有复杂度低且可获得理论最优解等优点。2、提出了基于最小二乘支持向量机(LSSVM)的线性状地物亚像元定位技术。针对BP神经网络(BPNN)训练耗时长，学习效果差且需大量训练样本等缺点，提出利用具有良好学习性能且训练速度极快的LSSVM进行亚像元定位，并针对线性状地物合成训练样本，摆脱对该类地物先验空间结构信息的依赖。实验表明，合成样本的方法是合理可行的，且LSSVM相比BPNN在训练速度和亚像元定位精度上均有着明显优势。3、提出了基于修正的亚像元–像元空间引力模型(MSPSAM)的亚像元定位技术。MSPSAM借鉴了物理学中求解引力时的微积分思想，在计算每个亚像元和其邻域低分辨率像元之间的空间引力时，考虑邻域低分辨率像元内各类亚像元的具体空间分布。实验表明了MSPSAM的有效性。4、提出了基于混合空间引力模型(MSAM)的亚像元定位技术。在MSPSAM基础上，考虑低分辨率混合像元内的亚像元之间的空间相关性，得到融合像元间和像元内相关性的混合空间引力模型MSAM。对新模型建立的表达式采用经典的遗传算法进行求解。实验表明MSAM极大地提高了亚像元定位的精度。5、提出了基于多约束马尔可夫随机场(MRF)的亚像元定位技术。亚像元定位本身是一个欠约束问题，传统的MRF亚像元定位模型因约束条件偏少而导致定位效果有限。为此提出将亚像元位移遥感图像(SSRSI)的光谱信息直接嵌入MRF模型的光谱约束项中，实现多约束。实验验证了提出的方法是一种高精度的亚像元定位方法。