遥感图像异物同谱干扰消除技术研究与仿真陈珂
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第 30 卷
第1 期
计
算
机
仿编号： 1006 － 9348 （ 2013 ） 01 － 0423 － 04
遥感图像异物同谱干扰消除技术研究与仿真
陈 珂， 彭志平， 柯文德
（ 广东石油化工学院计算机科学与技术系， 广东 茂名 525000 ） 摘要： 研究卫星遥感图像异物同谱干扰消除问题 。遥感图像具有较低的空间分辨率差异被淡化， 不同地面物体反射或发射 “异物同谱 ” 能量之间的光谱差异随着距离的传递迅速衰减， 在远程采集图像终端光谱差异消失， 存在着 的现象。 传统的遥 感图像分类技术主要依靠光谱距离差异测量与统计分析的原理来进行图像分类， 在光谱差异迅速衰减造成异物同谱现象的 干扰下， 距离频率特征被干扰破坏， 很难以上述标准为基础进行准确分类。为此提出一种改进的 HSV 模型用于遥感图像的 干扰消除， 将特征向量做为测试参数输入到优化改进后的 BP 神经网络进行分类， 克服异物同谱现象带来的特征提取与分类 不准确的弊端。实验证明， 改进方法可以准确地对低分辨率的遥感图像进行干扰消除， 对图像进行准确的分类， 并为遥感图 像正确提取提供了依据 。 关键词： 异物同谱； 优化神经网络； 遥感图像分类 中图分类号： TP317． 4 文献标识码： B
［1 ］
。
可以快速获取遥感图像并且准确识别与分类 。 目前， 优秀的遥感图像分类技术多以图像中的光谱特征 差异为基础进行分类， 通过把特征特征转换成特征距离， 通 过设定合理的阀值进行分类， 但是传感图形中， 遥感图像具 有较低的空间分辨率差异被淡化， 不同地面物体反射或发射 能量之间的光谱差异随着距离的传递迅速衰减， 在远程采集 “异物同谱 ” 图像终端光谱差异消失， 存在着 的现象， 转换的 特征光谱有着较为一致的同质性， 不同的图像特征拥有较为 一致的频谱特征。 传统的遥感图像分类技术主要依靠光谱 在光谱差 距离差异测量与统计分析的原理来进行图像分类，
1
引言
遥感图像获取是获取地球的环境信息及其变化的主要
些方法国内外出现了一些优秀的系统与软件技术来进行遥
［5 ］ 感图像的分类， 比如新加坡 3 － Link 公司发布的 ENVI 、 加 ［6 ］ 这些系统都 拿大 ERM 公司研制的 ER Mapper 等软件系统，
工具， 遥感图像的采集具有宏观全面快速获取等优点， 这些 优点使该项技术在国民生产中发挥着越来越重要的作用
计算机技术与大规模集成电路的快速发展为该项技术提供 了有力的支持使这项技术近些年的发展进入了一个更加高 速的轨道。遥感图像分类技术就是采用模式识别技术根据 图像代表的物谱性质进行分类以达到快速识别与分类的目 的
［2 ］
。目前的遥感技术主要包括传统的模式分类的方法与
［3 － 4 ］
现代人工智能的方法， 产生了诸如平行六面体 、 最大似然法、 循环集群法、 神经网络法等优秀算法 。伴随着以上的一
Remote Sensing Image Classification Based on Improvement of Neural Network HSV Modle
CHEN Ke， PENG Zhi － ping， KE Wen － de
（ Department of Computer Science and Technology Guangdong University of Petrochemical Technology， Maoming Guangdong 525000 ，China） ABSTRACT ： Research interference elimination problem of foreign body with spectrum of satellite remote sensing images． The article put forward an improved HSV model used for remote sensing image interference elimination． The feature vector was taken as test input parameters to optimize the improved BP neural network to carry on the classification，which can overcome the disadvantages of inaccurate feature extraction and classification of foreign body with spectrum． Experiments show that the method can effectively eliminate the interferences in the remote sensing images， and classify the remote sensing image accurately． KEYWORDS： Foreign body with spectrum； Optimizing neural network； Remote sensing image classification
基金项目： 广东省自然科学基金项目（ 10252500002000001 ） 收稿日期： 2012 － 08 － 01 修回日期： 2012 － 08 － 26
异迅速衰减造成异物同谱现象的干扰下， 距离频率特征被干 很难以此为基础进行准确分类 。 扰破坏，
— 423 —
针对以上的缺点本文提出了一种基于改进的 HSV 模型 下的神经网络遥感图像分类技术， 将从 RGB 到 HSV 的模型 转换根据实际的要求进行改进， 使用 PSO 的优化算法将实际 的遥感图像根据目标物的颜色特性进行 HSV 三个参数的优 化。得到图像的颜色特征以后， 将其作为神经网络分类的训 神经网络的参数训练中使用 PSO 粒子群优化的方法 练样本， 对其进行参数约束得到准确的图像分类， 实际的仿真结果证 明， 这种方法得到的遥感图像分类准确率明显提高， 对实际 的使用有很好的借鉴意义 。
第1 期
计
算
机
仿编号： 1006 － 9348 （ 2013 ） 01 － 0423 － 04
遥感图像异物同谱干扰消除技术研究与仿真
陈 珂， 彭志平， 柯文德
（ 广东石油化工学院计算机科学与技术系， 广东 茂名 525000 ） 摘要： 研究卫星遥感图像异物同谱干扰消除问题 。遥感图像具有较低的空间分辨率差异被淡化， 不同地面物体反射或发射 “异物同谱 ” 能量之间的光谱差异随着距离的传递迅速衰减， 在远程采集图像终端光谱差异消失， 存在着 的现象。 传统的遥 感图像分类技术主要依靠光谱距离差异测量与统计分析的原理来进行图像分类， 在光谱差异迅速衰减造成异物同谱现象的 干扰下， 距离频率特征被干扰破坏， 很难以上述标准为基础进行准确分类。为此提出一种改进的 HSV 模型用于遥感图像的 干扰消除， 将特征向量做为测试参数输入到优化改进后的 BP 神经网络进行分类， 克服异物同谱现象带来的特征提取与分类 不准确的弊端。实验证明， 改进方法可以准确地对低分辨率的遥感图像进行干扰消除， 对图像进行准确的分类， 并为遥感图 像正确提取提供了依据 。 关键词： 异物同谱； 优化神经网络； 遥感图像分类 中图分类号： TP317． 4 文献标识码： B
［1 ］
。
可以快速获取遥感图像并且准确识别与分类 。 目前， 优秀的遥感图像分类技术多以图像中的光谱特征 差异为基础进行分类， 通过把特征特征转换成特征距离， 通 过设定合理的阀值进行分类， 但是传感图形中， 遥感图像具 有较低的空间分辨率差异被淡化， 不同地面物体反射或发射 能量之间的光谱差异随着距离的传递迅速衰减， 在远程采集 “异物同谱 ” 图像终端光谱差异消失， 存在着 的现象， 转换的 特征光谱有着较为一致的同质性， 不同的图像特征拥有较为 一致的频谱特征。 传统的遥感图像分类技术主要依靠光谱 在光谱差 距离差异测量与统计分析的原理来进行图像分类，
1
引言
遥感图像获取是获取地球的环境信息及其变化的主要
些方法国内外出现了一些优秀的系统与软件技术来进行遥
［5 ］ 感图像的分类， 比如新加坡 3 － Link 公司发布的 ENVI 、 加 ［6 ］ 这些系统都 拿大 ERM 公司研制的 ER Mapper 等软件系统，
工具， 遥感图像的采集具有宏观全面快速获取等优点， 这些 优点使该项技术在国民生产中发挥着越来越重要的作用
计算机技术与大规模集成电路的快速发展为该项技术提供 了有力的支持使这项技术近些年的发展进入了一个更加高 速的轨道。遥感图像分类技术就是采用模式识别技术根据 图像代表的物谱性质进行分类以达到快速识别与分类的目 的
［2 ］
。目前的遥感技术主要包括传统的模式分类的方法与
［3 － 4 ］
现代人工智能的方法， 产生了诸如平行六面体 、 最大似然法、 循环集群法、 神经网络法等优秀算法 。伴随着以上的一
Remote Sensing Image Classification Based on Improvement of Neural Network HSV Modle
CHEN Ke， PENG Zhi － ping， KE Wen － de
（ Department of Computer Science and Technology Guangdong University of Petrochemical Technology， Maoming Guangdong 525000 ，China） ABSTRACT ： Research interference elimination problem of foreign body with spectrum of satellite remote sensing images． The article put forward an improved HSV model used for remote sensing image interference elimination． The feature vector was taken as test input parameters to optimize the improved BP neural network to carry on the classification，which can overcome the disadvantages of inaccurate feature extraction and classification of foreign body with spectrum． Experiments show that the method can effectively eliminate the interferences in the remote sensing images， and classify the remote sensing image accurately． KEYWORDS： Foreign body with spectrum； Optimizing neural network； Remote sensing image classification
基金项目： 广东省自然科学基金项目（ 10252500002000001 ） 收稿日期： 2012 － 08 － 01 修回日期： 2012 － 08 － 26
异迅速衰减造成异物同谱现象的干扰下， 距离频率特征被干 很难以此为基础进行准确分类 。 扰破坏，
— 423 —
针对以上的缺点本文提出了一种基于改进的 HSV 模型 下的神经网络遥感图像分类技术， 将从 RGB 到 HSV 的模型 转换根据实际的要求进行改进， 使用 PSO 的优化算法将实际 的遥感图像根据目标物的颜色特性进行 HSV 三个参数的优 化。得到图像的颜色特征以后， 将其作为神经网络分类的训 神经网络的参数训练中使用 PSO 粒子群优化的方法 练样本， 对其进行参数约束得到准确的图像分类， 实际的仿真结果证 明， 这种方法得到的遥感图像分类准确率明显提高， 对实际 的使用有很好的借鉴意义 。