高光谱遥感影像分解模型研究

Hyperspectral image decomposition can reveal geometrical structure and texture features and provide a good foundation for remote sensing image information extraction and recognition. How to effectively separate geometrical structure, texture and noise to perform image processing and analysis, and to accurately extract and recognize of material information are core problems in the study of hyperspectral remote sensing image decomposition. The main threads of the project are focus on image decomposition, nonlinear scale space filtering and information fusion. We plan to use partial differential equations, wavelet transform and morphological filtering techniques to develop a hyperspectral remote sensing image decomposition model. And we plan to present a general partial differential equation model to solve ill-posed problems for decomposed structure and texture components, based on a diffusion tensor driven anisotropic diffusion model. Moreover, different constrained conditions are to added in the model to perform image restoration and denoising, inpainting, interpolation and segmentation. In addition, we plan to perform image classification for decomposed structure and texture images and present an integration method of structure, texture and spectral information by using a logic model. The aim of the method is to accurately extract and recognize materials and improve image classification accuracy. The research of the project is greatly valuable and expected to provide reliable information sources for the application of hyperspectral remote sensing image analysis, and to lay the good foundation for subsequent image processes.

高光谱图像分解能够有效揭示地物几何结构和纹理特征，为遥感影像信息提取与识别奠定良好基础。如何有效分离几何结构、纹理和噪声来进行图像处理与分析和准确提取与识别地物信息是高光谱遥感影像分解研究中的核心难题。本课题拟以"图像分解-非线性尺度空间滤波-信息融合"为研究主线，采用偏微分方程、小波变换和形态学滤波等技术，发展高光谱遥感影像分解模型。并且，以基于扩散张量的各向异性扩散模型为基础，建立结构/纹理分量病态问题求解通用偏微分方程模型，并通过不同的条件约束，来进行图像恢复与去噪、修复、内插和分割等。此外，拟对结构/纹理图像进行分类，并结合光谱特征和逻辑模型，提出高光谱影像结构、纹理和光谱信息融合方法，目的是准确提取和识别地物，提高影像分类精度。本课题的研究成果有望为高光谱遥感影像的应用分析提供可靠的信息来源，并为后续处理奠定基础，具有较高的实际应用价值。

高光谱遥感影像分解能够有效揭示地物几何结构和纹理特征，为遥感影像信息提取与识别奠定良好基础。本课题首先对高光谱遥感影像波段间的相关性及其影像光谱和空间信息的表达进行了深入研究，为后续研究的开展进行了铺垫。在此基础上，以偏微分方程技术为核心，发展了高光谱各向异性扩散模型，不仅为高光谱遥感影像噪声去除提供了新的思路和方向，而且为后续空间和纹理的提取和识别奠定良好基础。最后，提出了基于光谱-空间的高光谱遥感影像分类方法，该类方法能够有效改善分类结果图和提高分类精度，为高光谱遥感影像的应用分析提供可靠的信息来源，具有良好的理论和实用价值。.本课题理论贡献在于提出了基于偏微分方程的高光谱遥感数据多尺度分析方法，该方法有效结合了高光谱遥感数据的“图谱合一”的特性、流体动力学理论和偏微分方程数值计算方法高速、精确且稳定的特点，为解决高光谱遥感数据分析与处理提供了新的思路和途径。该研究方向涉及到遥感、计算机视觉、数值代数和应用数学分析等领域，体现了学科交叉的特点，具有较强的创新性。.其应用价值在于研发出一套高光谱遥感影像分析与处理软件原型系统，该系统能够通过不同需求目的的偏微分方程模型，为高光谱遥感影像的应用分析提供可靠的信息来源，并为后续处理奠定基础，改善可视化效果和图像分割/分类精度，来提高地物识别和提取的准确性，具有较高的实际应用价值。