人類視覺認知與多尺度遙感圖像智慧型化處理方法研究

《人類視覺認知與多尺度遙感圖像智慧型化處理方法研究》是依託華南師範大學，由李岩擔任項目負責人的面上項目。

基本介紹

• 中文名：人類視覺認知與多尺度遙感圖像智慧型化處理方法研究
• 項目類別：面上項目
• 項目負責人：李岩
• 依託單位：華南師範大學

項目摘要

由於地球表面巨系統的複雜性和遙感數據獲取多尺度的雙重特點，遙感圖像多尺度問題是迫切需解決的核心科學問題之一。本項目結合視覺認知心理學和認知神經科學的研究成果，分析比較人類視覺信息處理和遙感圖像目視解譯的基本過程，採用自底向上與自頂向下相結合的視覺心理學過程進行遙感多尺度圖像分析模擬，構建其體系框架；進而，利用視覺注意階段的顯著目標識別過程，構建多尺度圖像的SAN或FSAN形狀自適應尺度單元的計算模型；在視覺知覺計算模型中，將分析各尺度單元內的梯度、顏色、紋理和位置等的特徵和數量等級，以及它們與RS圖像端元特徵的關係，探索尺度轉換方法；然後，進行LUCC多尺度圖像特徵本體建模，結合先驗知識、地表狀態和目標參數對特徵本體進行知識表達與學習，使其輔助圖像多尺度目標識別、對比和轉換，並建立適用於多尺度圖像特徵本體的描述邏輯與推理規則，設計相應的推理機，使其符合多尺度遙感圖像智慧型化分析處理。

結題摘要

多尺度遙感圖像智慧型化處理問題是遙感套用急迫需解決的關鍵技術之一，而遙感圖像多尺度問題又是其核心科學問題。本項目在深入分析視覺認知心理學和認知神經科學的最新研究成果、人類視覺信息處理和遙感圖像目視解譯的基本過程後，構建了基於自底向上與自頂向下遙感多尺度圖像分析模擬的體系框架；進而，利用視覺注意階段的顯著目標識別過程，進一步完善了形狀自適應鄰域（SAN）方法，建立了基於顯著對象形狀自適應鄰域（ST-SAN）的計算模型；同時，還設計了一種改進的特徵選擇算法GA-PNN-MI算法，它結合GA的全局最優搜尋能力和PNN機率神經網路的優秀建模能力，以及GA-MI算法中MI關於變數間互動作用的評價。在視覺知覺計算模型中，研究了形狀自適應鄰域（SAN或ST-SAN）不規則形狀中紋理特徵提取方法，紋理特徵定量分析方法，探索了多尺度融合和轉換方法等；進而，延展到RS 圖像端元特徵可變非線性混合像元分解模型、PSO光譜解混算法、DE光譜解混算法，並針對目前光譜解混存在的效率和精度問題，引入高性能並行計算技術、群智慧型計算技術進行解決。最後，在進行LUCC 多尺度圖像特徵綜合分析中，選擇深度學習方法進行結構化特徵融合處理，提出了一種稀疏自組合方法，通過稀疏基的引入使得卷積神經網路具有更好的特徵學習能力與分類能力；與此同時，研究還結合專家遙感圖像解譯先驗知識、地表狀態（自然地表本體）和目標參數等，實現了遙感圖像特徵本體建模，建立了多尺度遙感圖像特徵本體的知識表達與學習，描述邏輯與推理規則，以及相應的推理機，其精度達到95.11%，與經典的基於SAN方法的分類京都近似，並研發了基於圖像特徵本體的遙感圖像分析工具，使其實現了遙感圖像目標識別、分類和同化的多尺度智慧型化分析處理，為擴展遙感套用領域奠定了理論與技術基礎。