论文摘要
综合利用多源遥感图像可抽取更具价值的信息,提高感兴趣区域或目标解译的可靠性和准确性。因此,研究面向目标解译的多源遥感图像融合技术不仅具有重要的理论意义,同时也具有实用价值。舰船是一种重要的军事目标,具有可移动特性,利用多源遥感图像可以获取此类目标更为完全的信息。针对面向海上舰船目标的多源遥感图像融合解译问题,本文主要研究了遥感图像目标解译的基础性技术——目标特征提取,以及融合应用中的关键技术——目标特征关联和融合检测,以提高对海战场环境的综合感知能力。论文在分析成像畸变误差的基础上,针对海域光学遥感图像数据,提出了基于仿射几何理论的扩展质心-凸包（CH-EC）目标全局不变特征提取方法。该方法利用仿射几何中的特征区域面积比的不变性质构造仿射不变量,在处理速度上具有较为明显的优势。在求取目标图像的CH-EC的基础上,构造了均匀有序的三角形特征区域,增强了特征区域的稳定性,从而以此计算的仿射不变量也更稳定。针对复杂背景的光学遥感图像数据,提出了基于尺度空间理论的MS-Gabor目标局部不变特征提取方法。该方法利用Gabor滤波器的带通特性和多通道特性可从目标图像中提取更符合视觉特性、更具物理直观性的特征点,增强了不变特征提取方法在照度变化、噪声和背景干扰下的稳健性;基于尺度空间理论设计了多尺度Gabor滤波器组,从而可使提取的特征点具有尺度不变性,增强了对遥感图像复杂几何畸变的适应性。实现多源遥感图像融合的先决条件是将不同时间、不同空间获取的遥感图像中来自同一目标的信息对应起来,即目标关联。基于目标图像不变特征研究结果,论文提出了一种基于ACM最优化的多源遥感图像目标关联方法。该方法首先利用目标图像特征匹配结果来构造多目标关联代价矩阵（ACM）;然后利用特定的目标函数对ACM进行最优化建模,并在关联准则的约束下引入模拟退火算法加速求解ACM最优状态,有效消除了多目标之间对应关系的模糊性。在考虑序列遥感图像的时态信息的基础上,提出了一种目标多特征融合跟踪方法,该方法利用目标图像特征和状态特征的互补特性来改善跟踪性能。多源遥感图像融合技术不仅可以利用图像间的冗余信息,还可以利用图像间的互补信息来改善目标解译性能。针对异质图像互补信息融合问题,论文研究了基于SAR与光学图像的目标融合检测方法。在总结遥感图像目标检测基本框架的基础上,提出了一种基于STDM的光学图像目标检测方法,该方法利用视觉注意机制中的局部统计量来刻画与局部邻域显著不同的目标,在光学图像中取得了稳健的检测结果。在系统分析SAR图像与光学图像中目标特性的基础上,提出了基于加权马氏距离的特征层融合检测方法和基于D-S证据理论的决策层融合检测方法,两种融合检测方法分别在不同层次上充分利用了异质图像的互补信息,较大程度地降低了单源图像的检测虚警,提升了目标检测性能。
论文目录
相关论文文献
标签：多源遥感图像论文; 舰船目标论文; 解译论文; 全局不变特征论文; 局部不变特征论文; 目标关联论文; 融合跟踪论文; 融合检测论文;