遙感影像目標識別中多尺度研究

《遙感影像目標識別中多尺度研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術(shù)論文-天天文庫。

1、遙感影像目標識別中多尺度研究　　摘要：針對遙感影像目標特性隨分辨率變化的問題，提出了目標識別的多尺度分析方法。首先，基于混合像元分析了多尺度影像中地面目標形狀結(jié)構(gòu)產(chǎn)生變化的原因，這種變化主要是由混合像元在目標中所占的比例決定的；然后，根據(jù)多尺度影像中的目標提取實驗，分析并驗證了目標提取誤差隨著尺度變化的規(guī)律；最后，基于遙感影像目標的多尺度特性分析，進一步提出了優(yōu)勢類別的概念。從遙感目標的多尺度分析與實驗結(jié)果來看，目標的形狀結(jié)構(gòu)特征隨著尺度的變化而發(fā)生改變，而且尺度越大改變越大。通過研究遙感影像目標

2、的多尺度特征，揭示了目標特征隨尺度變化規(guī)律，對多尺度遙感影像自動目標識別具有指導意義。關鍵詞：多尺度；混合像元；結(jié)構(gòu)；目標識別；遙感0引言10目標識別是圖像處理和分析領域中核心的研究課題，在軍事領域有著重要應用[1-4]，如制導武器、無人機等對目標進行檢測、跟蹤、識別和選擇攻擊點等。由于戰(zhàn)場環(huán)境的復雜性和目標類型的不斷增加，以及應用要求的不斷提高，使自動目標識別技術(shù)面臨很大的挑戰(zhàn)。目標識別是基于圖像目標的特征，根據(jù)識別算法進行分析和決策，輸出目標識別結(jié)果。由于圖像本身的復雜性和目標的多樣性，圖像目

3、標自動識別仍不能完全應用于生產(chǎn)作業(yè)中。目標識別方法按照所提取的特征不同，可以分為基于顏色（光譜）的方法、基于形狀和結(jié)構(gòu)特征的方法、基于紋理的方法、基于上下文的方法、基于小波分解的方法、基于不變矩特征的方法。其中，基于小波分解的目標識別方法主要利用小波的多尺度特性，提取目標在不同尺度上的特征，進行目標的判別[5]。尺度在目標的檢測和識別中起著重要作用，任何目標特征的提取都是在一定的尺度上進行的，不同的尺度產(chǎn)生不同的結(jié)果。目標識別中多尺度方法大都是基于一幅原始圖像，通過各種方法導出一系列不同尺度的圖像

4、，利用多尺度特征進行目標的識別[6-8]。直接利用傳感器獲得的多種分辨率圖像，研究多尺度識別的文獻較少。隨著傳感器自動變焦能力的增強，各種傳感設備獲取不同分辨率圖像變得更加容易，因此利用實際獲取的多尺度（多分辨率）圖像能夠得到更真實的信息，也是自動檢測、識別目標的必然要求。10在同一場景的不同分辨率圖像中，可提取的圖像目標特征類型是不同的，即使同樣的特征，不同的分辨率得到的目標特征值也不相同。例如，在多分辨率的遙感圖像中，提取的機場目標的形狀特征存在顯著的差異。在圖像目標識別中，用得最多的特征是光

5、譜（顏色）、形狀和結(jié)構(gòu)以及紋理特征[9-10]。本文基于同一場景的多分辨率圖像，研究圖像中目標的形狀結(jié)構(gòu)特征隨分辨率變化情況，分析這種變化對目標識別的影響。1遙感科學中的尺度問題從遙感的角度，尺度是從天空測量地球的空間量度范圍和時間量度間隔，因此尺度更多地作為觀測的維數(shù)，而不是被觀測現(xiàn)象的維數(shù)。空間尺度可直接看作為有效分辨率單元，對于同一地物類別，不同的空間分辨率，它的光譜響應值并非與像元大小線性相關[11]。由于輻射測量值隨傳感器分辨率變化的非線性性，同一目標表現(xiàn)的特征在不同尺度的圖像中不是平均

6、或平分對應關系，會隨著尺度的變化產(chǎn)生差異，這就是遙感中的尺度問題[12]，也是多尺度目標識別中有待于解決的關鍵問題。另一個尺度問題是不同尺度之間的轉(zhuǎn)換，即同一地物不同觀測尺度的參數(shù)估計結(jié)果是否要求一致，如何提高參數(shù)估計精度。如專題制圖儀（ThematicMapper，TM）影像得到廣泛應用后，人們發(fā)現(xiàn)用TM影像估算的農(nóng)田面積顯著不同于過去用甚高分辨率輻射儀（AdvancedVeryHighResolutionRadiometer，AVHRR）圖像估算的農(nóng)田面積；這種差別隨地區(qū)不同而不同，缺乏規(guī)律性

7、。分析這種差異的產(chǎn)生，主要是由于田塊邊緣的混合像元造成的，而田塊邊界的長度正比于混合像元的數(shù)量[13]102遙感影像目標識別中的尺度問題在目標識別中，混合像元出現(xiàn)在目標和背景的邊緣，不同尺度的影像中，混合像元表現(xiàn)出不同的特征，對目標識別結(jié)果產(chǎn)生影響。例如，地面目標的形狀結(jié)構(gòu)特征在不同尺度中有顯著變化。一般情況下，目標提取的誤差主要發(fā)生在邊緣，隨著分辨率的提高，目標邊緣變得更加清晰，因此，誤差變小；而在低分辨率的圖像中，目標邊緣占的比例較大，尤其是線狀目標，從而影響到目標的結(jié)構(gòu)變化。如圖1所示的機場

8、目標，在低分辨率圖像中，每條跑道與中間地帶寬度的比例幾乎相等，而隨著分辨率的提高，中間地帶比例逐漸增大，以至于接近跑道寬度的2倍。在各個分辨率圖像中的跑道中間地帶和跑道的寬度比例如表1所示，單位為像素。這種結(jié)構(gòu)特征的變化在多分辨率圖像中是非常明顯的，因此，在目標識別和信息提取中，目標特征隨尺度的變化是一個關鍵問題。3目標識別中的多尺度分析3.1多尺度影像中的混合像元分析10目標識別中，不同尺度目標的形狀結(jié)構(gòu)差異，主要是由于邊緣的混合像元造成的。地面目標，特別是線狀目標，其邊緣的混合