遥感图像异物同谱干扰消除技术研究与仿真

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)。

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
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 “ 异物同谱 ” 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
ＣＨＥＮＫｅ，ＰＥＮＧＺｈｉ — ｐｉｎｇ，ＫＥＷｅｎ—ｄｅ
（ＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｎｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｅｔｒｏｃｈｅｍｉｃａｌＴｅｃｈｎｏｌｏｙｇＭａｏｍｉｎｇＧｕａｎｇｄｏｎｇ５２５０００，Ｃｈｉｎａ）
ｇｅｓ．ＴｈｅａｒｔｉｃｌｅｐｕｔｆｏｒｗａｒｄａｎｉｍｐｒｏｖｅｄＨＳＶｍｏｄｅｌｕｓｅｄｆｏｒｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｉｎｔｅｆｒｅｒｅｎｃｅｅｌｉｍｉｎａｔｉｏｎ．Ｔｈｅｆｅａ — ｔｕｒｅｖｅｃｔｏｒｗａｓｔａｋｅｎａｓｔｅｓｔ：ｉｎｐｕｔｐａｒａｍｅｔｅｒｓｔｏｏｐｔｉｍｉｚｅｔｈｅｉｍｐｒｏｖｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｔｏｃａｒｒｙｏｎｔｈｅｃｌａｓｓｉｆｉｃａ — ｔｉｏｎ，ｗｈｉｃｈｃａｎｏｖｅｒｃｏｍｅｔｈｅｄｉｓａｄｖａｎｔａｇｅｓｏｆｉｎａｃｃｕｒａｔｅｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｆｏｒｅｉｇｎｂｏｄｙｗｉｔｈｓｐｅｃｔｒｕｍ．Ｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｃａｎｅｆｆｅｃｔｉｖｅｌｙｅｌｉｍｉｎａｔｅｔｈｅｉｎｔｅｆｅｒｒｅｎｃｅｓｉｎｔｈｅｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓ，ａｎｄｃｌａｓｓｉｆｙｔｈｅｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅａｃｃｕｒａｔｅｌｙ．ＫＥＹＷＯＲＤＳ：Ｆｏｒｅｉｇｎｂｏｄｙｗｉｔｈｓｐｅｃｔｒｕｍ；Ｏｐｔｉｍｉｚｉｎｇｎｅｕｒａｌｎｅｔｗｏｒｋ；Ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎ
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
ＲｅｍｏｔｅＳｅｎｓｉｎｇＩｍａｇｅＣｌａｓｓｉｉｃｆａｔｉｏｎＢａｓｅｄｏｎＩｍｐｒｏｖｅｍｅｎｔｏｆＮｅｕｒａｌＮｅｔｗｏｒｋＨＳＶＭｏｄｌｅ
ＡＢＳＴＲＡＣＴ：Ｒｅｓｅａｒｃｈｉｎｔｅｒｔｅｒｅｎｃｅｅｌｉｍｉｎａｔｉｏｎｐｒｏｂｌｅｍｏｆｆｏｒｅｉｇｎｂｏｄｙｗｉｔｈｓｐｅｃｔｒｕｍｏｆｓａｔｅｌｌｉｔｅｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａ —
第３０卷第１期
文章编号：１ ቤተ መጻሕፍቲ ባይዱ ０６ — ９３４８（２０１３）０１ — ０４２３ — ４０
计
算
机
仿
真
２０１３年１月
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）