面向高分辨率遥感影像场景语义理解的概率主题模型研究

发布时间：2020-07-12 20:40

【摘要】：随着高分辨遥感技术的迅猛发展,海量的高分辨率遥感数据可以被获取,如何有效利用其丰富的空间光谱信息进行影像准确解译已成为遥感领域最具挑战性的研究前沿问题。高分辨率遥感影像信息提取技术的发展使得影像解译从像素层转变到了对象层,因此,地物的分类效果得到了提升。然而,当前对象层地物分类的方法主要是从影像中提取底层特征实现地物分类,只能达到地物目标层,如树木和建筑物,而对于商业区和居民区这种高层语义信息仍无能为力。为获取高层场景语义信息,如何突破现有高分辨率遥感影像中底层特征与高层语义信息之间存在的语义鸿沟进行场景语义理解,是当前高分辨率遥感影像解译的的关键性和热点问题。源于自然语言处理领域的主题模型,通过挖掘影像中的潜在主题信息来表示高分辨率遥感影像,是解决高分辨率遥感影像场景语义鸿沟的有效方法。然而面对复杂的高分辨率遥感影像,如何利用主题模型有效地挖掘影像中的强区分性特征来识别高分辨率遥感场景影像,仍具有很大的挑战性:(1)底层特征学习能力不足。传统的场景分类方法仅仅使用单个特征,而多元特征的场景分类方法大多是将其进行简单的特征叠加,并未充分学习不同特征之间的差异性,对复杂的遥感场景描述能力有限;(2)中层主题冗余度高、缺乏同质性描述。传统主题模型概率建模生成的主题特征重叠度高,增加了时间消耗且影响了场景主题特征的可区分性;当前基于均匀格网划分的采样方法能够生成影像的异质性描述,然而对于包含关键性地物目标语义的场景,传统采样方法生成的特征描述能力有限;(3)高层语义理解忽略空间位置信息和全局性。已有的基于主题模型的场景分类方法忽略了影像块之间的空间位置信息以及场景全局性的细节描述,无法准确理解场景中所蕴含的深度语义信息。因此,本文针对主题模型在高分辨率遥感影像场景理解中存在的问题,挖掘影像的潜在主题信息,从底层特征学习、中层主题建模和高层语义理解三个方面开展面向高分辨率遥感影像场景理解的主题模型研究。主要研究内容与创新工作如下:(1)系统总结了高分辨率遥感影像场景的特点、研究现状与存在的问题,介绍了主题模型的基本理论方法,并详细分析了其在高分辨率遥感影像场景中的现状和应用前景。(2)在底层特征描述方面,针对底层特征学习能力不足的问题,提出了多元特征主题语义融合的概率主题模型场景分类方法。针对场景中地物的多样性和分布的可变性,本论文从局部和全局角度、离散和连续视角提取场景的异质特征,提高基于词袋模型的场景描述能力;针对传统字典构建及主题建模仅仅是将多元底层特征进行简单的特征叠加,并未充分学习不同特征之间的差异性的问题,本文挖掘场景影像的光谱、纹理和SIFT特征,分别进行主题建模及融合,增强高分辨率遥感影像场景的解译效果。(3)在中层主题建模方面,针对中层主题冗余度高、缺乏同质性描述的问题,提出了同异质主题联合的稀疏主题模型场景分类方法。针对传统概率主题模型在主题建模时生成重叠度高的主题的问题,本文利用稀疏推理方法替代狄里克雷分布方法,提出了基于异质特征表达的稀疏主题模型场景分类方法,并在此基础上联合超像素分割和均匀格网划分方法对影像分别进行采样,实现基于同异质特征联合的稀疏主题建模,降低了主题的冗余度,有效提高场景主题特征的可区分性,加快场景理解的速度。(4)在高层语义理解方面,针对高层语义理解忽略空间位置信息和全局性的问题,提出了基于多层次语义表达的场景分类方法。传统词袋模型通常忽略视觉单词的空间位置信息,深度学习可以保持空间信息但难以保持高分辨率遥感影像的局部特性。为此,本文基于局部全局词袋模型和深度模型,从低中高三个层次分别提取特征,有效构建复杂场景的多层次描述;在此基础上,通过分析深度学习和概率主题模型各自的特性,提出了自适应深度稀疏联合建模的场景分类方法,实现复杂场景的高精度解译。(5)构建基于概率主题模型的高分辨率遥感影像场景解译原型系统。结合从多个角度提出的基于概率主题模型的高分辨率遥感影像场景理解方法,构建满足多种应用需求的高分辨率影像场景理解原型系统。本文面向高分辨率遥感影像场景理解,开展概率主题模型在底层特征学习、中层主题建模和高层语义理解方面的研究,能够增强高分辨遥感影像的解译效果,进一步推动了高分辨率遥感影像场景理解在实际中的应用,这对于城市功能区变化分析和环境监测等领域具有重要的科学意义和社会价值。
【学位授予单位】：武汉大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：P237
【图文】：

示意图,空间分辨率,高空间分辨率,遥感影像

由于空间分辨率的增加和独特的成像方式，高分辨率遥感场景影像中更加精逡逑细的地物组成和空间分布，为解译分析提供良好的条件和基础（孙显等，２０１１；顾逡逑广华，２０１３；江悦，２０１０）。图１．１以武汉地区２００２年的ＥＴＭ＋和ＱｕｉｃｋＢｉｒｄ遥感影逡逑像为例，其中ＥＴＭ＋影像的空间分辨率为３０米，ＱｕｉｃｋＢｉｒｄ影像空间分辨率为２．４逡逑米。图中的方框区域对应着武汉大学信息学部的放大区域，对比方框可以看出高分逡逑辨率遥感影像主要有以下特点（周成虎和骆剑承，２００９；孙显等，２０１１；孙家波，逡逑２０１４；顾秀颖，２０１５；马廷，２００１）：逡逑（１）

地物,分布特点,场景,空间分辨率

场景,房车,地物,工业区

高分辨率遥感影像相同地物目标不同语义概念逡逑（ｂ）逡逑图１．２高分辨率遥感影像场景中的地物分布特点。其中（ａ）反映了场景中地物类别的多逡逑样性、场景中地物种类的可变性以及场景中同种地物类别的差异性，（ｂ）反映了场景中目标逡逑空间关系的复杂性。逡逑高分辨率遥感影像场景中地物分布的特点可以系统地总结为以下几点：逡逑（１）

【参考文献】