基于稀疏成分分析的海南岛红树林生态变化遥感监测评价与决策研究

基于稀疏成分分析和多属性决策的理论，研究稀疏性度量函数的构造原则，探讨稀疏成分分析应用于海南岛红树林遥感图像稀疏表示，给出了基于小波变换的有效的优化算法，提出基于稀疏成分分析在红树林遥感图像的分类方法；研究红树林在光谱遥感上的生态指标包括植被指数、氮含量、红边位置、生物量、覆盖度等，研究红树林湿地背景土壤中重金属元素的光谱特征，研究光谱特征分析方法，建立特征矩阵，确定特征参数，探讨多属性决策信息的生成方法，运用粗糙集理论，给出粗糙集多属性决策算法，构建红树林遥感图像多属性的决策模型。本项目针对海南省红树林的监测评价为应用背景，研究基于稀疏成分分析的红树林遥感图像分类、光谱特征分析及其评价决策算法，对海南红树林的退化程度、长势及健康状况和面积、空间变化等方面的进行评价，从而对污染、退化红树林的生态恢复提供依据。这对海南红树林湿地的保护和持续利用，建设海南省生态国际旅游岛具有深远的意义。

本项目以海南省红树林的监测评价为应用背景，围绕着基于稀疏成份分析的红树林遥感图像融合、去噪、分类、光谱特征分析及其评价算法进行研究。首先，对遥感数据的图像进行融合处理，将稀疏成分分析应用于海南省红树林遥感图像稀疏表示，提出了基于小波变换的改进的遥感图像融合方法，利用小波变换对遥感图像稀疏表示，进而对遥感图像进行融合处理，从而去除冗余使获得图像更清晰。然后将稀疏成分分析应用于海南省红树林遥感图像稀疏表示，利用稀疏成分分析方法对红树林遥感图像进行预处理。本课题用一种WCOMP的方法并将其应用到红树林遥感图像的去噪中，它将小波变换的系数引入贪婪策略，并将OMP算法与SVD分解相结合，利用离散余弦变换（DCT系数的冗余字典）来训练这些系数，从而对图像进行稀疏表示，然后重新构建图象。它是在OMP算法基础上进行改进的并对红树林遥感图像进行去噪。其目标是提高图像降噪的最终性能。利用稀疏成分分析方法对红树林遥感图像进行预处理之后，采用基于小波稀疏表示的WCOMP+BPNN结合遥感图像最佳组合对图像进行分类。它分析了各种类型的地物对象的光谱特性，构建基于最小冗余信息的最佳波段组合。基于稀疏表示的分类方法提出了一种基于稀疏表示的分类方法，根据训练数据集中提取图像中的象元构造字典，利用稀疏表示方法构造图像稀疏表示的特征，构建这些类别的特征向量，通过训练数据集中提取分类基准，进而确定数据分类的类别，确定分类的精度及可靠性。基于稀疏成分分析的红树林遥感数据的图像分类处理方法遥感数据的图像特征选取的方法：通过光谱特征分析表征植被指数、覆盖度等特征波段。根据对红树林湿地及背景地物等的光谱分析，探测植被的覆盖度、分析对比得到红树林面积变化、空间分布的变化。