面向光学遥感图像的亚像元定位和分类检测方法

1. 主要研究内容 本项目属于光学遥感图像处理和分析领域，主要面向可见光、红外、高光谱为主的光学遥感图像的融合、特征选择、优化、亚像元制图、分类及目标检测等图像处理和分析系统中典型科学问题展开研究，取得了多项相应理论突破和方法创新。

2. 发现点 （1）预处理方面。 1) 针对像元级图像融合，发现一种非降采样contourlet变换的快速实现方法，与主流算法相比，能够在耗时较少的前提下获得较好的融合效果； 2) 针对端元提取，发现一种基于距离的快速方法，大幅度加快了提取速度，提高幅度在两个数量级以上； 3) 针对优化算法，发现一种基于分类机制的变量选择策略，修正了原差分进化算法随机选择的策略，强化了优化求解的方向，大幅度提高了收敛效率。

（2）亚像元制图方面。 1) 发现一种基于位移遥感图像和马尔科夫随机场（MRF）的方法，无需进行软分类，直接利用多波段下SSRSI的光谱信息，避免了软分类误差传递、有效施加了信息补偿手段，显著提高了制图效果； 2) 发现一种基于径向基函数插值的方法，与双线性、双立方和基于kriging等多种同类先进算法相比，精度更高； 3) 发现一种基于多位移图像信息约束的改进Indicator Cokriging模型，有效利用不同位移图像的信息约束提高了定位精度； 4) 发现一种基于units of class（UOC）的类别分配机制，用以改进soft-then-hard类型的亚像元定位方法，将其引入五种典型soft-then-hard亚像元定位方法，均能使其原始算法精度得到有效提高。

（3）图像分类方面。 1) 针对软、硬分类问题，建立了基于支持向量机（SVM）的软硬分类统一模型，同时将模型的硬约束条件修正为软约束条件，从而更加符合软分类的内在要求，大幅提高了软硬分类精度； 2) 针对SVM的参数寻优问题，发现一种改进的人工蜂群算法，对参数加以优化，有效地改进了SVM分类器性能。

（4）目标检测方面。 发现一种基于自适应子字典的稀疏表示目标检测方法。在计算像元的稀疏表示系数时，针对已有的稀疏表示算法所采用的超完备字典包含有大量的低效字典原子的问题，引入自适应子字典，消除字典中无用原子的存在，使自适应子字典包含的字典原子数量大大减少，大幅提高目标检测算法的检测性能和效率。

3. 发现点的科学价值 本项目所涉及的预处理方法和目标检测方法在处理速度和算法收敛速度上具有明显优势，这对于相关方法在实际应用中的时效性提升具有重大的理论指导意义和科学价值。所涉及的图像分类方法亦从理论上改进了传统方法在非线性问题和多类软硬分类问题方面的处理能力。所涉及的亚像元制图方法，能够有效改善传感器技术瓶颈所带来的分辨率不足的问题，在有限的输入图像分辨率限制下获得更高分辨能力的制图效果，能大幅推动相关军民应用的可靠性。所涉及的基于稀疏表示的目标检测方法，有效改善了目标检测空谱信息结合利用率低的问题，提高了目标检测精度。

4. 第三方评价结论 包括吉林大学、浙江大学、北京理工大学、中山大学，以及澳大利亚新南威尔士大学等国内外遥感领域专家对本项目相关成果的理论深度和应用潜力给予高度评价，认为达到了国际先进水平。

5. 与本项目主要发现点有关的学术成果 本材料所列10篇SCI检索论文，SCI他引总次数204次，EI他引总次数227次。此外，本项目相关内容共发表学术论文164篇，其中被“SCI”检索83篇、“EI”检索164篇，被“web of science”、“Engineering Village”数据库，累计引用超过850次。出版专著6部：《高光谱图像处理方法及应用》、《高光谱图像处理技术》、《Hyperspectral image processing》、《形态学滤波器原理及应用》、《信息智能处理技术》和《遥感图像智能分类及其应用》。授权发明专利24项。

1.主要研究内容本项目属光学遥感图像处理和分析领域,主要面向可见光、红外、高光谱为主的光学遥感图像的融合、特征选择、优化、亚像元制图、分类及目标检测等图像处理和分析系统中典型科学问题展开研究,取得了多项相应理论突破和方法创新。2．发现点（1）预处理方面。1)针对像元级图像融合,发现一种非降采样contourlet变换的快速实现方法,与主流算法相比,能够在耗时较少的前提下获得较好的融合效果;2)针对端元提取,发现一种基于距离的快速方法,大幅度加快了提取速度,提高幅度在两个数量级以上;3) 针对优化算法,发现一种基于分类机制的变量选择策略,修正了原差分进化算法随机选择的策略,强化了优化求解的方向,大幅度提高了收敛效率。（2）亚像元制图方面。1)发现一种基于位移遥感图像和马尔科夫随机场（MRF）的方法,无需进行软分类,直接利用多波段下SSRSI的光谱信息,避免了软分类误差传递、有效施加了信息补偿手段,显著提高了制图效果;2)发现一种基于径向基函数插值的方法,与双线性, 双立方和基于kriging等多种同类先进算法相比,精度更高;3)发现一种基于多位移图像信息约束的改进Indicator Cokriging模型,有效利用不同位移图像的信息约束提高了定位精度;4)发现一种基于units of class（UOC）的类别分配机制,用以改进soft-then-hard类型的亚像元定位方法,将其引入五种典型soft-then-hard亚像元定位方法,均能使其原始算法精度得到有效提高。（3）图像分类方面。1)针对软、硬分类问题,建立了基于支持向量机（SVM）的软硬分类统一模型,同时将模型的硬约束条件修正为软约束条件,从而更加符合软分类的内在要求,大幅提高了软硬分类精度;2)针对SVM的参数寻优问题,发现一种改进的人工蜂群算法,对参数加以优化,有效地改进了SVM分类器性能。（4）目标检测方面。发现一种基于自适应子字典的稀疏表示目标检测方法。在计算像元的稀疏表示系数时,针对已有的稀疏表示算法所采用的超完备字典包含有大量的低效字典原子的问题,引入自适应子字典,消除字典中无用原子的存在,使自适应子字典包含的字典原子数量大大减少,大幅提高目标检测算法的检测性能和效率。3.发现点的科学价值本项目所涉及的预处理方法和目标检测方法在处理速度和算法收敛速度上具有明显优势,这对于相关方法在实际应用中的时效性提升具有重大的理论指导意义和科学价值。所涉及的图像分类方法亦从理论上改进了传统方法在非线性问题和多类软硬分类问题方面的处理能力。所涉及的亚像元制图方法,能够有效改善传感器技术瓶颈所带来的分辨率不足的问题,在有限的输入图像分辨率限制下获得更高分辨能力的制图效果,能大幅推动相关军民应用的可靠性。所涉及的基于稀疏表示的目标检测方法,有效改善了目标检测空谱信息结合利用率低的问题,提高了目标检测精度。4.第三方评价结论包括吉林大学、浙江大学、北京理工大学、浙江大学、中山大学,以及澳大利亚新南威尔士大学等国内外遥感领域专家对本项目相关成果的理论深度和应用潜力给予高度评价,认为达到了国际先进水平。5.与本项目主要发现点有关的学术成果本材料所列10篇SCI检索论文,SCI他引总次数204次,EI他引总次数227次。此外,本项目相关内容共发表学术论文164篇,其中被“SCI”检索83篇、“EI”检索164篇,被“web of science”,“Engineering Village”数据库,累计引用超过850次。出版专著6部：《高光谱图像处理方法及应用》、《高光谱图像处理技术》、《Hyperspectral image processing》、《形态学滤波器原理及应用》、《信息智能处理技术》和《遥感图像智能分类及其应用》。授权发明专利24项。