面向多分辨率遥感图像的频域纹理特征多尺度描述与地物识别研究

Nowadays, there are two issues for exploration in the object recognition using remote sensing image. One is how to extract efficient features from high spatial resolution remote sensing image. Another one is how to multi-scale analysis for multi-resolution remote sensing images. Frequency domain, as a commonly used transform domain, can be used to explore these two issues together. The proposal will present a series of multi-scale model of frequency-texture feature for typical object, and develop a new solution to object recognition for multi-resolution remote sensing image in frequency domain. The research content includes: 1)Frequency texture feature is produce according to object's frequency spectrum distribution in different scale. Then, based on the analysis of the frequency texture feature discrepancy in different scale, the frequency texture feature set is extracted by using optimization algorithm; 2) The optimal frequency texture feature is decided using iterative operation and the feature similarity measure. Then, after nonlinear regression analysis, object's frequency texture multi-scale model is built by using mathematical algorithms; 3) Combining the enhancement of information from this proposed model and multi-scale edge information, single and total objects is orderly recognized by using semi-supervised SVM classifier and marker-based region growing, respectively.

当前，地物识别领域面临两大挑战：高分辨率遥感图像的有效特征提取和面向多分辨率遥感数据的多尺度分析方法。频域作为一种常用变换域，它将地物信息按照频率高低重新分布。通过频域分析方法，可以将两个问题相结合进行研究。本项目拟提出一系列针对典型地物的频域纹理特征多尺度描述模型，并发展出一套基于频域多尺度表达的面向多分辨率遥感数据的地物识别方法。着重研究以下内容：1）根据典型地物在不同尺度上的频谱分布规律生成相关频域纹理特征，然后在定量分析典型地物在不同尺度下的频域纹理特征差异的基础上，通过优化方法构建频域纹理特征集。2）利用特征相似性度量进行迭代运算来确定典型地物的最佳频域纹理特征，然后通过非线性回归分析，通过数学相关方法构建典型地物频域纹理特征多尺度描述模型。3）借助该模型获得的典型地物增强信息和多尺度边缘增强信息，利用半监督SVM分类和基于标记的区域增长分别依次完成单要素和全要素地物识别。

当前，地物识别领域面临两大挑战：高分辨率遥感图像的有效特征提取和面向多分辨率遥感数据的多尺度分析方法。频域作为一种常用变换域，它将地物信息按照频率高低重新分布。通过频域分析方法，可以将两个问题相结合进行研究。本项目拟提出一系列针对典型地物的频域纹理特征多尺度描述模型，并发展出一套基于频域多尺度表达的面向多分辨率遥感数据的地物识别方法。着重研究以下内容：1）根据典型地物在不同尺度上的频谱分布规律生成相关频域纹理特征，然后在定量分析典型地物在不同尺度下的频域纹理特征差异的基础上，通过优化方法构建频域纹理特征集。2）利用特征相似性度量进行迭代运算来确定典型地物的最佳频域纹理特征，然后通过非线性回归分析，通过数学相关方法构建典型地物频域纹理特征多尺度描述模型。3）借助该模型获得的典型地物增强信息和多尺度边缘增强信息，利用半监督SVM分类和基于标记的区域增长分别依次完成单要素和全要素地物识别。