该项目的任务来源于国家自然科学基金青年项目“像元与对象协同的遥感影像多语义尺度统计分割研究”（编号41301470）和河南省高等学校重点科研项目“遥感影像中城镇区域的语义多尺度统计识别研究”（编号15A420001）。所属技术领域为42020-摄影测量与遥感技术、11071-应用统计数学。

遥感技术广泛应用于社会民生，“高分辨率对地观测系统”是中国《国家中长期科学和技术发展规划纲要（2006-2020）》确立的16个重大专项之一，该省“十三五”规划中多个发展战略也依赖于遥感数据的实时获取与解译。高分辨率影像是对地观测的重要数据。在高分辨率影像中，地物对象的内部细节、几何结构、纹理等信息得以彰显，使层次化、精细化的信息提取成为可能。同时，空间分辨率的提高也造成了同种地物内部光谱差异增大，以及不同地物间光谱特征的交叠，“同物异谱”与“异物同谱”等现象进一步加剧，对现有的智能影像信息提取方法提出了新的挑战。而遥感影像信息智能解译方法中，基于像元和面向对象的分析方法往往被分开研究，像元级方法难以考虑对象级特征，对象级方法中初始区域误分需要像元层面修正，两者之间缺乏有效的协同。因此像元与对象协同的遥感影像多语义统计分割具有重要的科学意义和研究价值。

项目组成员对像元级与对象级分析方法的协同建模及其多语义尺度的统计分割方法进行了研究，并取得了如下的进展：

1）解决了对象级MRF模型语义分割的关键技术。针对对象级马尔科夫随机场（MRF）模型中对象特征表示与对象间交互关系的刻画不够准确的问题，研究了一般影像和遥感影像中对象级特征的表示形式，提出了新的对象特征获取方法，并在MRF模型中根据区域对象和公共边界信息提出了带权重的区域邻接图以及相应带区域惩罚项的对象级MRF模型，为像元与对象的协同建模奠定了基础。

2）解决了像元与对象在MRF模型中协同建模的关键技术。首先，在分析遥感影像语义特点的基础上，将多尺度技术从像元级拓展至区域级，并提出了一种新的结合区域多尺度的MRF模型；然后，通过探索双层标记场，提出了一种像元与对象协同的MRF模型分割算法。

3）解决了相关MRF模型优化求解方法的关键技术。在贝叶斯理论框架下，结合研究MRF模型所特有的数据结构，研究了区域增长和生成式迭代两种不同的方法来对所提出的模型进行求解。

4）解决了相关方法应用于嫦娥探月工程影像数据的关键技术。通过与中国科学院国家天文台团队平劲松研究员合作，初步探讨了相关统计方法在中国嫦娥探月工程中获取的深空遥感影像解译中的应用价值，并在嫦娥2号和3号的影像数据分析中获得了一些有益结果与新的形貌发现。

该项目围绕高分辨率遥感影像的智能解译展开研究，这是国际遥感信息分析领域的研究热点与难点之一。研究成员以统计方法为工具，获得了一系列原创性的成果，包括对象级MRF模型语义分割、像元与对象在MRF模型中协同建模、相关MRF模型优化求解方法、相关方法在嫦娥探月工程影像数据的应用等。围绕上述问题，课题组成员发表学术论文18篇，研究成果被加拿大University of New Brunswick大学Yun Zhang教授、李清泉教授、黄昕教授、庞明勇教授等国内外学者引用近50次。该项目的研究工作表明，像元和对象的协同建模并应用于影像分割是一条可行的思路，对高空间分辨率遥感影像自动解译具有一定的理论和实用价值。研究成果的应用，有望改善遥感影像信息提取方法的不足，提升遥感影像的智能数据处理能力，缓解海量影像数据与数据处理产品能力偏低之间的矛盾，有着广泛的应用前景。

1. 下载详细PDF版/Doc版

提示：为方便大家复制编辑，博主已将PDF文件制作为Word/Doc格式文件。