基于层次分类增强算法的小行星遥感影像形貌分析

发布时间：2020-05-17 02:18

【摘要】：近年来,各航天探测器的成功飞行,获取了大量的小行星遥感影像,小行星的形貌特征不再神秘.小行星在太阳形成初期就已存在,至今仍保留着一些太阳系早期的物质信息,对小行星研究可以增强对太阳系的结构了解.深入研究小行星的形貌特征对深空探测器的导航,预防天体撞地球,开发地外资源,获取地外财富,具有重要意义.因此对小行星形貌特征的分析,成为当前研究的重要科学问题.在对小行星形貌特征的分析中,小行星遥感影像的处理是较为重要的一个步骤.近地小行星的高空间分辨率图像是由航天探测器的成功飞行提供的,这些光学图像让人类有机会仔细观察小行星的表面.然而,由于拍摄条件艰难,受光照强度、拍摄角度等方面的影响,所获得的遥感图像质量通常很低,小行星图像中存在一些局部低对比度区域,这限制了形貌识别的准确性.针对小行星低对比度区域形貌的识别,需要对遥感图像进行增强.现有的图像增强方法如:线性拉伸,对数拉伸,直方图均衡等是常用的遥感图像的增强方法,在部分小行星遥感图像上有较好的效果,通过图像增强处理,一些小行星的形貌特征得以清晰体现.但是,现有的图像增强的方法存在一些不足:(1)传统的图像增强方法主要通过对比度拉伸来增强图像,但拉伸的像素值有限,人眼对距离较近的像素值没有分辨性;(2)传统的图像增强方法不仅对具有低对比度区域的小行星遥感影像的增强效果有限,而且且会丢失照明区域的部分信息,不利于小行星形貌特征的识别.针对上述问题,本文主要作了如下研究工作:(1)提出了基于小行星遥感影像的层次分类增强算法.首先,介绍层次分类增强算法的思想,即层次分类分为宏观级别分类和微观级别分类,然后分别在宏观层面和微观层面对爱神星图像进行层次分类实验,验证层次分类算法对具有低对比度区域的小行星遥感影像的增强是有效的.实验结果表明,该算法不仅可以为分析先前报道的形貌特征提供新的视角,还可以揭示低对比度区域的一些新特征.即,揭示了爱神星新的形貌特征:具有位于小行星轮廓处的特定光谱值的连接区域.最后用现有的图像增强方法与层次分类方法做对比实验,实验结果表明:层次分类方法比现有的图像增强方法在低对比度区域具有更显著的效果且更易识别小行星的形貌特征.(2)层次分类增强算法的在小行星遥感图像上的应用及小行星的形貌特征分析.首先,使用层次分类算法对所有已获得遥感影像的近地小行星的图像进行分类,该方法对这些具有低对比度区域的小行星图像也同样适用,不仅揭示了位于小行星轮廓处的特定光谱值的连接区域,还揭示了部分小行星存在固定恒星的新特征.然后,根据层次分类结果并结合现已获取的小行星遥感图像对所研究的小行星的形貌特征进行分析,总结了小行星表面常见的陨石坑,巨石,山丘,沟壑,脊线等五种典型特征.
【图文】：

区域图,灶神星,图像,区域

图 2.2 灶神星图像及其低对比度区域2.2 遥感图像增强算法图像增强指利用各种数学方法和变换算法提高图像中的对象与非对象的对比清晰度[29],对象指所研究目标, 非对象指对象以外的背景, 从而突出人或其它所感兴趣的部分, 而遥感图像增强则指用各种数学方法和变换算法提高某灰度差、对比度与清晰度, 从而提高图像显示的信息量, 使图像有利于人眼分辨[30图像增强的方法主要分为两大类, 即包含灰度变换和直方图处理的直接增强的和借助滤波器的间接增强的频率域法. 本文针对小行星遥感图像的低对比度介绍以下几种空间域的直接增强方法.2.2.1 基于线性拉伸的遥感图像增强线性拉伸[31]就是扩大灰度图像动态范围, 将灰度图像 f ( x,y)的范围由[a,b]拉

遥感图像,线性拉伸

图 2.3 线性拉伸达式如下:( ,)[f(x,y)a]c.badcg xy 灰度动态范围扩展到整个灰度显示范围..(,)(,)255bafxyagxy 数拉伸变换的遥感图像增强一种非线性拉伸变换, 对数变换可以拉伸图像的调图像的低灰度区域. 对于较暗的图像可以使用
【学位授予单位】：河南大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP751;P185.7

【参考文献】