基于模糊拓扑及多特征融合的遥感影像亚像元定位

Sub-pixel mapping has become a hot research topic of Quantitative Remote Sensing. Considering current sub-pixel mapping methods' shortcomings including lower accuracy, uncertainty and can not handle the coexistent of LR (lower resolution) and HR (high resolution) mapping, etc. The project will study sub-pixel mapping based on fuzzy topology and multi-feature fusion from remotely sensed data. The main content includes (1) As the sub-pixel mapping being an under constraint problem, Hidden Semi-Markov Model, Wavelet Texture, Mathematical Morphology, etc. are proposed to extract spatial features from remotely sensed data, and these features are further optimized, selected and combined to provide useful combination information for sub-pixel mapping. As a result, the constraints are increased for the sub-pixel mapping model and the reliability of the model is improved; (2) In order to provide patches' shapes and the spatial distribution information, Fuzzy Topology method is used to detect the larger sizes of patches, boundaries of surface features, small-scale linear and those surface features whose dimension is smaller than a pixel; (3) Based on the detected spatial distribution of the surface features, integrating the multi-features extracting from the remotely sensed data, different sub-pixel mapping models are built for different types of patches. The provided sub-pixel mapping model can handle the coexistent of LR and HR with the structures of surface features are considered, the shortcomings of the existing sub-pixel mapping methods are overcame to a certain a reliable sub-pixel mapping model is provided.

亚像元定位已成为定量遥感的研究热点。针对现有的亚像元定位模型定位精度不高、结果不确定性和不能同时处理LR和HR情况等问题。本项目拟研究基于模糊拓扑及多特征融合的遥感影像亚像元定位。包括：（1）针对亚像元定位的欠约束问题，利用隐半马尔科夫模型、小波纹理、数学形态学等方法提取影像的空间特征信息并进行优化、选择与组合，得到有利于亚像元定位的多特征组合信息，增加模型的约束条件，提高模型的可靠性；（2）利用模糊拓扑理论将面积较大的斑块、地物的边界、尺度小的线性地物及小于像元的地物探测出来，提供斑块形状及空间分布信息；（3）以探测出的地物空间分布信息为基础，针对不同结构类型的斑块，融合影像的多特征组合信息，构建不同的定位模型并对不同类型的斑块分别进行亚像元定位。模型兼顾了地物的结构特征，并可以同时处理HR和LR的情况，在一定程度上克服了现有亚像元定位算法的缺点，提供了可靠的亚像元定位模型。

在系统查新国内外有关遥感影像亚像元定位、分类等方面的最新研究成果的基础之上，针对遥感影像亚像元定位过程中所涉及到的关键科学问题，围绕遥感影像空间结构特征提取、利用模糊拓扑在拓扑空间中描述亚像元定位问题和基于多特征融合的亚像元定位模型与求解等三个方面进行研究。具体研究工作主要包括：1）提出了PAI、LW、Solidity和Extent四个像元形状特征，通过实验验证了所提出的形状特征可以提高分类结果精度；2）引入空间引力模型到MRF模型中，提出了SAMRF模型SAMRF（Spatial Attraction based Markov Random Field），增强了类别边缘的描述能力，从而提高了分类精度；增强了类别边缘的描述能力，从而提高了分类精度；3）将模糊拓扑理论引入到传统SVM，提出比传统SVM分类精度更高的FTSVM遥感影像分类方法；4）引入了局部窗口，分别利用窗口中的类别自相关性去确定类别访问次序，提出了一种自适应UOC（adaptive UOC（units of classes）(AUOC)）模型；5）提出一种基于空间结构信息的ICK亚像元定位模型，将原始图像的半变异函数作为输入值，利用卷积方法获取得到高分辨率图像中类别的半变异函数图，然后再利用这些得到的高分辨率图像中类别的半变异函数图去估计每个亚像元的概率值；6）将MSIs (multiple shifted images多偏移遥感)数据引入到（soft-then-hard SPM (STHSPM)）中产生更高精度的sub-pixel mapping (SPM)）SPM结果，新的方法无需迭代和先验知识，通过实验证明了所提出方法的有效性，为亚像元定位提供了一种有效的手段。项目的实施与开展取得了良好的研究成果，至目前为止，研究成果在国际知名SCI期刊上发表论文10篇，项目组成员的科研能力得到了较好的培养和提高，并于项目执行期间先后获得了2项国家自然科学基金项目的资助，培养了2名博士研究生，研究成果获得了江苏省科学技术奖及江苏省优秀博士论文奖。综上，项目的研究取得了良好的人才培养效果与丰富的研究成果，极大地锻炼了项目组成员独立从事科研的基本能力，达到了预期效果。