《遥感图像特征提取毕业论文.docx》由会员分享，可在线阅读，更多相关《遥感图像特征提取毕业论文.docx（31页珍藏版）》请在金锄头文库上搜索。
1、摘 要遥感图像在民用方面、精确定位等方面都有非常重要的作用，遥感图像的自动识别最关键的就是遥感图像的特征提取，为此开展遥感图像的特征提取研究具有非常显著的应用前景和实际意义。这次我主要研究和讨论了遥感图像的光谱特征特征提取方法。本文介绍了遥感和遥感技术发展的现状、图像的研究现状和特征提取，然后叙述了遥感图像特征提取方法的算法和基本理论，介绍了目前常用的光谱特征提取方法。在以上的基础上，针对传统的KPCA和PCA方法总结遥感数据的特点以及遥感图像光谱特征的缺陷，本文讨论一种将模糊-均值聚类与KPCA方法相结合的多光谱遥感图像特征提取的方法，并着重研究了此方法在多光谱遥感图像特征提取中的算法、理论
2、及其实现。通过对本文方法与KPCA和PCA方法的试验结果进行比较，证实了这种方法特征提取的性能较前两种方法有着显著的提高，可有效地提取出多光谱图像中的非线性信息。 关键词 遥感图像；遥感数据；光谱特征；特征提取；KPCA；FCM；AbstractRemote sensing image has great importance for military reconnaissance, precision attack and civil activities. Feature extraction is critical for the automatic recognition techno
3、logy of remote sensing image, so it has good application prospect to study feature extraction methods of remote sensing image. This thesis focuses the research work mainly on the feature extraction methods of spectrum.First, the thesis introduces the concept and development of remote sensing image,
4、the basic concept and research of image feature extraction. Then the thesis introduces the basic theory and algorithms of remote sensing image feature extraction methods. The commonly used remote sensing image feature extraction methods for spectrum are generalized separately. Considering the charac
5、ter of the remote sensing image data and the limitation of traditional PCA and KPCA methods when they are used to extract the spectrum feature of remote sensing image, a combination of the FCM and KPCA methods is used for extracting the spectrum feature. Both the theory and algorithm are studied, as
6、 well as the implementation. A comparison between the results of PCA, KPCA and FCM+KPCA methods is given, which shows that the FCM+KPCA method can give a much better result than other methods, especially in extracting the nonlinear information of multi spectral remote sensing images.Keywords Remote
7、sensing image Spectrum feature Feature extraction KPCA FCMII目录一绪论11.1遥感技术概述11.2 遥感及遥感图像特征提取的现状2二遥感图像的光谱特征提取技术42.1 光谱特征提取技术研究的现状42.2 常用的光谱特征提取方法42.2.1典型分析方法52.2.2 主成分分析方法72.2.3 K-T变换9三遥感图像多光谱（非线性）特征提取113.1 FCM聚类算法113.1.1 FCM聚类算法发展背景113.1.2 FCM聚类算法模糊-均值聚类数学基础113.1.3 FCM聚类算法模糊-均值聚类原理及内容133.2 KPCA核主成分分析
8、法143.2.1 KPCA核主成分分析法原理及内容143.2.1 核函数原理及内容163.3 基于FCM和KPCA的多光谱图像特征提取17四实验结论分析与问题184.1 用标准PCA方法提取图像特征结果194.2 用KPCA方法提取图像特征结果214.3 用基于发FCM和KPCA的方法提取图像特征结果224.4 性能分析与比较23结论23个人总结24参考文献26武汉理工大学毕业设计（遥感图像特征提取算法研究）一绪论1.1遥感技术概述到目前为止它遥感技术是能够提供全球范围的动态观测数据的唯一手段，对所获取的信息进行提取、判定、加工、处理及应用分析的广泛综合性技术,它广泛应用于灾害预报、环境监测、
9、航空、航天、军事侦察、灾害预报、环境监测、土地规划与利用、灾害动态监测、资源勘探、农作物估产、气象预报等很多军事及民用领域，并且在这些领域中有着举足轻重的地位，对经济和社会发展起重大的推动作用。遥感能动态反映地面事物的变化 遥感探测能周期性、重复地对同一地区进行对地观测，这有助于人们通过所获取的遥感数据，发现并动态地跟踪地球上许多事物的变化。同时，研究自然界的变化规律。尤其是在监视天气状况、自然灾害、环境污染甚至军事目标等方面，遥感的运用就显得格外重要。遥感获取的数据具有综合性 遥感探测所获取的是同一时段、覆盖大范围地区的遥感数据，这些数据综合地展现了地球上许多自然与人文现象，宏观地反映了地球
10、上各种事物的形态与分布，真实地体现了地质、地貌、土壤、植被、水文、人工构筑物等地物的特征，全面地揭示了地理事物之间的关联性。并且这些数据在时间上具有相同的现势性。遥感获取信息的手段多，信息量大。根据不同的任务，遥感技术可选用不同波段和遥感仪器来获取信息。例如可采用可见光探测物体，也可采用紫外线，红外线和微波探测物体。利用不同波段对物体不同的穿透性，还可获取地物内部信息。例如，地面深层、水的下层，冰层下的水体，沙漠下面的地物特性等，微波波段还可以全天候的工作。遥感（Remote Sensing），字面的含义可以解释为遥远感知。它是一种远离目标，在不和对象目标直接接触的情况下，通过某一个平台上装载
11、的传感器来获取其特征信息。截止目前为止它是能够提供全球范围内动态观测数据的唯一手段，得到数据后对所获取的信息进行提取、判定、加工、处理及应用与分析的广泛综合性技术,大范围应用于灾害预报、环境监测、航空、航天、军事侦察、土地规划与利用、灾害动态监测、资源勘探、农作物估产、气象预报等很多军事民用领域，并且在这些领域中有着举足轻重的地位，对经济和社会发展起重要的推动作用。遥感是20世纪60年代兴起发展起来的一门综合性探测技术。它在航空摄影测量测算的基础上，伴随着电子计算机技术当代科技的迅速发展，以及地理学、生物学等各个学科发展的需要，逐渐的发展成为的一门新兴技术学科。其理论基础在于根据研究目标的种类
12、及处于的环境不同，从而对不同波长的电磁波信号具有不同的反射或辐射效应。而遥感技术利用的正是这种特性，通过研究探测目标的电磁波信息，从而分析出目标的几何信息和物理属性。遥感技术作为一种我们现在信息时代的产物和工具,具有探测范围广、获取信息快、信息量丰富、周期性动态观测、获取效率高等显著优势，因此可以说：遥感技术是当前人类获取时空信息的最有效的技术和手段之一。遥感目前应用正由定性向定量、静态向动态方向发展。遥感影像的空间分辨率己达到米级；波段数已增加到数十甚至上百个；回归周期可达几天甚至十多个小时。与遥感应用紧密相关的遥感信息处理理论和技术也有了实质性的提高。在遥感数据处理软件方面，国际上相继推出
13、了一批具有高水平的遥感影像处理商业软件包，比如加拿大ERM公司研制的ER MAPPER、美国ERDAS公司推出的ERDAS IMAGINE、新加坡3-Link公司研制的ENVI等遥感图像处理系统。所有这些都为遥感的应用奠定了坚实的基础。 1.2 遥感及遥感图像特征提取的现状为了便于分析，往往需要对给定的图像用更简单更明确的数值、符号或图形来表示。它们反映了图像中基本的信息，称之为图像的特征。图像特征是图像内部所具有的最基本内容，是该图像特有的、用于区别它和其它图像的最本质的属性。图像特征是因为景物的物理属性与几何特性使图像中局部区域中的灰度产生明显的变化而形成的，因而特征的存在就意味着在该局部
14、区域中有较大的信息量，而在图像中没有特征的区域，就只有较小的信息量。图像特征是分析图像的重要依据，获取图像特征信息的操作被称为特征提取。它作为图像理解、模式识别和信息量压缩的基础是很重要的。如图3-1所示，这样可以获得特征构成的图像（称为特征图像）和特征参数。或者增强处理特征提取特征提取图像特征量（特征参数）特征空间特征抽象化描述分类模式识别图像理解 图1.2.1 图像的特征提取图像特征提取涉及的范围很广。从一幅图像中提取什么样的特征，需要根据用户所关心的方面来决定。由于图像具有很强的领域性，不同的领域图像特征千差万别，与图像中所反映的对象物体各种物理的、形态的性能有很大的关联，因此有着各种各
15、样的特殊方法。在遥感图像分析中特征提取可以从两个意义上来实施:一种是按照一定的准则直接从原始空间中选出一个子集(即子空间)，波段选择就属于此类；另一类是在原始特征空间和新特征空间之间找到某种映射关系,，将原始特征空间。映射到维数降低了的特征空间中去，。对于用于分类目的的特征提取，好的特征提取方法能使同类物质样本的分布具有密集性，而不同类物质的样本在特征空间中能够隔离分布，为进一步分类打下良好基础。遥感信息特征提取方法手段各异。在二十世纪七十年代至八十年代，软件技术尚不成熟，遥感信息特征提取主要是依靠遥感工作者目视解译来完成。这种方法以前尽管常被使用，但其耗时多、周期长的缺陷影响了遥感技术作用的发挥。随着计算机的普及和软件水平的提高，从事遥感研究的学者们开始利用新的技术手段来提取遥感信息。由于图像特征提取具有很强的实用性，国内外测绘界、计算机视觉、模式识别与人工智能等领域都对图像特征(特别是线状特征)提取进行了深入研究。国外例如美国Mckeown实验室、瑞士的Amobe项目、德国的波恩大学、奥地利的格拉茨大学和法国地理学院等，国内的武汉大学、国防科技大学、信息工程大学等在这方面都作了很多工作，有些成果己具备初步的实用价值。但由于对图像特征理解的复杂性
