高光谱遥感图像的预处理和分割关键技术研究

发布时间：2017-04-29 19:00

  本文关键词：高光谱遥感图像的预处理和分割关键技术研究，由笔耕文化传播整理发布。

【摘要】：高光谱图像分割技术是高光谱图像分析和理解的基础,准确的图像分割有利于后续的分类、识别、感兴趣区域的提取等操作。此外,由于高光谱图像的高维特性使得传统的图像分割技术不能够用于高光谱图像的分割,因此高光谱分割技术的研究具有实际的价值。直接对高光谱原始图像进行处理,存在数据量庞大,信息冗余度高、计算效率低等问题,需要对高光谱图像进行降维预处理。高光谱图像存在条带噪声,在特征提取降维后会变得更突出,严重影响了后续高光谱图像的分析与理解,所以在降维前需要消除条带噪声。本文针对高光谱遥感图像,在条带噪声的去除、降维和图像分割三个方向进行了研究。在高光谱图像去噪方面,应用传统矩匹配法虽然可以有效去除条带噪声,但是对于非平坦区域,图像存在“带状效应”,即图像从整体上表现出一种时暗时明的不连续性。本文提出了基于改进S-G滤波的矩匹配方法,有效去除条带噪声的同时,解决了传统矩匹配法的“带状效应”。对于地物均匀分布和地物非均匀分布状况下的高光谱图像,都能够有效地去除条带噪声,较好地保持了原始图像信息,提高了图像质量。在高光谱图像降维方面,提出了分段金字塔融合的降维方法。首先,通过计算波段间相关系数将其划分为若干个波段组。在波段分组的基础上,采用金字塔图像融合的策略实现高光谱图像的降维,减少高光谱数据之间的冗余,合并不同波段的互补信息,利于后续的分割处理。基于金字塔分解的图像融合过程,通过低频图像的波段指数加权融合和高频图像的局部能量取最大值融合,使得不同波段组降维结果相关系数较小的同时,避免了直接加权融合造成图像模糊的问题。针对高光谱图像的分割问题,提出一种基于分数阶粒子群算法(FODPSO)和区域合并的图像分割方法。在上述分组降维的基础上,采用FODPSO算法计算各波段组降维图像的最佳分割阈值,实现高光谱图像的分组分割。然而根据分组分割得到的高光谱图像初始分割结果往往存在过分割现象,区域之间仍然存在许多相似性,且分组分割时仅考虑了像素的光谱值,使得光谱值相近但空间上不相邻的区域被划分为同一区域中。为了得到更准确的分割区域,结合高光谱图像的光谱特性和区域邻接关系提出一种新的区域合并策略,对初始分割结果进行区域合并,得到图像最终的分割结果。经过上述步骤,有效实现了高光谱图像的分割。
【关键词】：高光谱遥感 条带噪声去除 降维 图像分割 FODPSO
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：P237;TP751
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-16
• 1.1 论文的研究背景和意义9-11
• 1.2 高光谱遥感技术研究现状11-14
• 1.2.1 成像光谱仪技术的研究状况11-12
• 1.2.2 高光谱遥感图像处理技术的研究状况12-14
• 1.3 论文研究工作和论文安排14-16
• 第二章 高光谱图像分割技术16-30
• 2.1 图像分割问题16-19
• 2.1.1 图像分割原理16-17
• 2.1.2 图像分割方法17-19
• 2.2 高光谱图像分割问题19-20
• 2.2.1 高光谱图像分割原理19-20
• 2.2.2 高光谱遥感图像分割难点20
• 2.3 高光谱图像分割方法20-29
• 2.3.1 基于K-均值聚类的高光谱图像分割21-22
• 2.3.2 基于ISODATA算法的高光谱图像分割22-24
• 2.3.3 基于直方图的高光谱图像分割24-25
• 2.3.4 基于标记分水岭的高光谱图像分割25-27
• 2.3.5 基于空间-光谱约束区域活动轮廓的高光谱图像分割27-29
• 2.4 本章小结29-30
• 第三章 高光谱图像的条带噪声预处理30-42
• 3.1 高光谱图像条带噪声模型30-31
• 3.2 基于矩匹配的条带噪声去除31-32
• 3.3 基于多项式拟合的条带噪声去除32-33
• 3.4 基于改进S-G滤波的条带噪声去除33-36
• 3.4.1 基于均值滤波的矩匹配方法33-34
• 3.4.2 基于改进S-G滤波的矩匹配方法34-36
• 3.5 实验结果与分析36-41
• 3.5.1 实验数据36-39
• 3.5.2 结果分析39-41
• 3.6 本章小结41-42
• 第四章 高光谱图像的降维预处理42-58
• 4.1 特征提取的降维方法42-46
• 4.1.1 主成分变换42-44
• 4.1.2 分段主成分变换44-45
• 4.1.3 最小噪声分离变换45-46
• 4.2 波段选择的降维方法46-51
• 4.2.1 基于信息量的波段选择46-48
• 4.2.2 基于类间可分性的波段选择48-49
• 4.2.3 基于波段指数的波段选择49-50
• 4.2.4 基于支持向量机的波段选择50-51
• 4.3 基于分段金字塔融合的高光谱图像降维51-55
• 4.3.1 拉普拉斯金字塔分解与重构51-52
• 4.3.2 基于分段金字塔融合的高光谱图像降维52-55
• 4.4 实验结果与分析55-57
• 4.5 本章小结57-58
• 第五章 基于FODPSO和区域合并的高光谱图像分割58-75
• 5.1 FODPSO算法概述58-65
• 5.1.1 PSO算法58-59
• 5.1.2 DPSO算法59-62
• 5.1.3 FODPSO算法62-64
• 5.1.4 基于FODPSO算法的多阈值图像分割64-65
• 5.2 基于FODPSO和区域合并的高光谱图像分割65-69
• 5.2.1 基于FODPSO的高光谱图像分割65-67
• 5.2.2 基于区域合并的图像分割后处理67-69
• 5.3 实验结果与分析69-74
• 5.4 本章小结74-75
• 第六章 总结与展望75-76
• 参考文献76-80
• 附录1 攻读硕士学位期间撰写的论文80-81
• 附录2 攻读硕士学位期间参加的科研项目81-82
• 致谢82

【相似文献】

中国期刊全文数据库 前10条

1 胡尚举;杨继章;;基于图像侦测技术的客车超载监控的实现方法[J];科技资讯;2008年30期

2 宣雷,吴渝彦,徐建华;一种有效的图像边缘修正方法[J];复旦学报(自然科学版);1993年01期

3 王钦军;田庆久;;IRS-P6卫星LISS3图像数据质量评价[J];地理与地理信息科学;2007年03期

4 孙红辉;侯素霞;张清华;;图像的微分处理与相关识别[J];光学技术;2007年S1期

5 朱铁稳;王勇;;大倾斜航空摄影图像地理坐标赋予方法[J];海洋测绘;2010年03期

6 王铁城;齐龙;;图像的增强及其清晰处理[J];实验室科学;2006年05期

7 宋晓刚;李新路;;基于非线性偏微分方程的图像着色[J];西昌学院学报(自然科学版);2012年03期

8 郇中丹,孔令海,黄海洋;图像强化去噪的一种偏微模型[J];北京师范大学学报(自然科学版);2003年06期

9 窦丽华;毕超;;一种快速的图像边缘精确提取算法[J];光学技术;2006年04期

10 宋莎莎;张杰;孟俊敏;;基于网函数插值的MODIS Level 1B图像Bowtie效应修正[J];遥感技术与应用;2010年04期

中国重要会议论文全文数据库 前10条

1 陆成刚;陈刚;张但;闵春燕;;图像边缘的优化模型[A];'2002系统仿真技术及其应用学术论文集（第四卷）[C];2002年

2 王伟凝;余英林;张剑超;;图像的动感特征分析[A];第一届中国情感计算及智能交互学术会议论文集[C];2003年

3 韩焱;王明泉;宋树争;;工业射线图像的退化与恢复方法[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（下册）[C];2001年

4 王强;王风;;一种保持图像几何特征的去噪模型[A];中国通信学会第五届学术年会论文集[C];2008年

5 王培珍;杨维翰;陈维南;;图像边缘信息的融合方案研究[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

6 李大鹏;禹晶;肖创柏;;图像去雾的无参考客观质量评测方法[A];第十五届全国图象图形学学术会议论文集[C];2010年

7 孟晋丽;张毅;金林;;图像中混合噪声的小波域滤除方法[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年

8 漆琳智;张超;吴向阳;;引导滤波的单幅图像前景精确提取[A];浙江省电子学会2013学术年会论文集[C];2013年

9 张明慧;;基于模糊蒙片算法的CR图像边缘增强[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

10 王亮亮;李明;高昕;;强模糊空间目标图像边缘获取方法研究[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

中国重要报纸全文数据库 前10条

1 吴飞;无边距照片打印三部曲[N];中国电脑教育报;2003年

2 艾思平翻译;视频编码软件CCE SP2操作指南(9)[N];电子报;2009年

3 ;B超术语解释[N];农村医药报（汉）;2008年

4 ;图像质量调整秘技[N];电脑报;2001年

5 马骏睿 皓月;制作版画效果图片[N];中国摄影报;2007年

6 艾思平翻译;视频编码软件CCE SP2操作指南(14)[N];电子报;2009年

7 西安 张正仓;I~（2）C总线控制的HG-2220AV液晶屏视频信号驱动板[N];电子报;2003年

8 ;令挑剔的人也刮目相看[N];中国电子报;2001年

9 侯杰;国产芯片进军移动多媒体市场[N];人民邮电;2003年

10 于亮、阿鲲;技术“扫”天下[N];中国计算机报;2002年

中国博士学位论文全文数据库 前10条

1 梁福来;低空无人机载UWB SAR增强成像技术研究[D];国防科学技术大学;2013年

2 周静;基于忆阻器的图像处理技术研究[D];国防科学技术大学;2014年

3 贾茜;基于时—空域插值的图像及视频上采样技术研究[D];武汉大学;2014年

4 李照奎;人脸图像的鲁棒特征表示方法研究[D];武汉大学;2014年

5 郝红星;基于干涉相位图像构建数字高程模型的关键技术研究[D];国防科学技术大学;2014年

6 杨小义;图像特征识别算法及其在聋人视觉识别中的应用研究[D];重庆大学;2015年

7 王玉明;SAR图像地雷场检测技术研究[D];国防科学技术大学;2013年

8 温景阳;图像大容量、低失真可逆信息隐藏技术研究[D];兰州大学;2015年

9 李林;基于概率图模型的图像整体场景理解方法研究[D];电子科技大学;2014年

10 冯景;基于SAR图像的海面溢油检测研究[D];北京理工大学;2015年

中国硕士学位论文全文数据库 前10条

1 李鹏远;图像检索算法研究及其在互联网教育中的应用[D];华南理工大学;2015年

2 万燕英;微聚焦X-ray图像自适应正则化去噪方法[D];华南理工大学;2015年

3 毛双艳;基于梯度域的图像风格化渲染方法的研究及其应用[D];华南理工大学;2015年

4 向训文;RGB-D图像显著性检测研究[D];华南理工大学;2015年

5 曾旭;基于聚类和加权非局部的图像稀疏去噪方法研究[D];天津理工大学;2015年

6 熊杨超;图像美学评价及美学优化研究[D];华南理工大学;2015年

7 王艳;图像视觉显著性检测方法及应用的研究[D];华南理工大学;2015年

8 郑露萍;图像二阶微分特征提取及人脸识别应用研究[D];昆明理工大学;2015年

9 王思武;基于太阳图像的特征提取和检索[D];昆明理工大学;2015年

10 曹静;基于暗通道先验算法的图像去雾处理[D];海南大学;2015年

  本文关键词：高光谱遥感图像的预处理和分割关键技术研究，，由笔耕文化传播整理发布。

本文编号：335400