数据同化框架下多源遥感影像的融合与分割的协同研究

现有影像融合与分割往往被分开研究，融合方法不易根据分割方法的特点来优化结果影像（分割对象）。本课题引入在气象领域中获得成功的数据同化方法，把多源影像融合与分割作为一个整体来研究。利用两种传统融合方法和影像定量评价指标的加权和来分别模拟数据同化系统的模型算子、观测算子和目标函数，通过优化目标函数获得自适应的融合结果；利用马尔可夫随机场和贝叶斯网络分别对可用来分割的无向关系和有向关系信息进行建模，然后仿照数据同化系统综合其模型算子与观测算子的方法来综合马尔可夫随机场和贝叶斯网络；在此基础上，分析影像各属性值与分割结果之间的关系，并根据此关系构造自适应融合方法中的目标函数，再借鉴数据同化系统可自适应地优化其本身的思想，根据融合结果来调整分割方法的参数，从而建立起影像融合与分割的协同框架，并设计出实用的方法。本研究可为多源影像的自动解译提供一条新思路，具有重要的理论与应用价值。

针对现有影像融合与分割之间缺乏协同的问题，将多源影像的融合与分割作为一个整体来研究，以加强两者之间的耦合度，提高影像的自动解译水平。在国家基金资助下，按照融合-分割-协同的思路开展了工作。首先，研究了自适应融合方法，根据后续分割方法的特点构造由定量指标加权和组成的目标函数，通过优化该目标函数将多种融合方法综合起来，该方法获得了更适合分割方法要求的融合结果。然后，研究了利用马尔可夫随机场(Markov Random Field，MRF)和贝叶斯网络(Bayesian Networks, BN)分别对无向关系和有向关系进行建模的分割方法，提高了建模精度；MRF与模糊聚类相结合的多尺度分割方法，该方法能够同时处理影像分割中的随机性和模糊性；自适应特征加权的MRF分割方法，该方法能够强化区分能力强的特征分量在分割中的作用，并顾及了邻域的空间关系；多尺度的区域级MRF分割方法，该方法克服了像素级不能很好地处理大尺度纹理目标的缺点；这些方法都获得了与经典遥感影像分割算法相当或更优的效果；探索了多种类型特征提取方法。最后，分析了影像各属性值与分割定量指标之间的关系，在此基础上，构造了影像融合与分割协同框架，该框架以定量评价分割效果的指标为目标函数，以智能算法优化目标函数来为分割算法提供更合适的影像，分割算法根据融合结果影像来调整分割参数并指导融合结果的优化，从而使得影像融合与分割协同工作。上述研究工作表明了将融合与分割作为整体来研究的可行性，融合与分割的协同可以提高影像解译精度，具有一定的理论和实用价值。