《面向海岸線精確提取的高光譜影像流形學習研究》是孫偉偉為項目負責人，寧波大學為依託單位的青年科學基金項目。
基本介紹
- 中文名：面向海岸線精確提取的高光譜影像流形學習研究
- 項目類別：青年科學基金項目
- 項目負責人：孫偉偉
- 依託單位：寧波大學
項目摘要,結題摘要,
項目摘要
海岸線的精確提取直接影響海岸線的長期變化監測結果的準確性，更對海岸帶資源的健康開發和沿海經濟的可持續發展具有戰略意義。相比其它光學遙感技術，高光譜影像特有高光譜解析度有利於準確識別海岸帶中主要地物。然而在潮間帶中，各地物的光譜特性由於外界因素影響發生改變，存在嚴重的“異物同譜”現象。因此，本研究引入流形學習來提取海岸帶高光譜影像中的低維流形特徵，擴大地物間的細微光譜差異來精確提取海岸線。首先，從海岸帶的地域特徵和高光譜影像的特性出發，研究海岸帶高光譜影像的流形學習的特徵提取方法；其次，確定三級海岸帶分類體系下海岸線的解譯標誌及其辨識度層次體系，研究對應的流形學習策略來提取海岸線；最後，以浙江省象山港海岸帶為實驗區，對比本文提取的海岸線與實測海岸線，驗證提出的方法的準確性和可靠性。本課題的研究成果能夠完善高光譜影像的流形學習特徵提取理論，並為大空間尺度下海岸線的精確提取提供新的技術支持。
結題摘要
海岸線的提取對實現我國海岸帶資源的健康開發和保障沿海經濟的可持續發展具有重要意義。本研究依託高光譜遙感技術的高解析度光譜優勢，結合海岸帶地形地貌以及地物的尺度和空間分布特徵，研究非線性流形學習方法用於海岸線的精確提取問題，主要包括高光譜遙感流形學習方法、高光譜遙感特徵選擇和分類方法、海岸線提取與演化分析套用。高光譜遙感流形學習研究方面，考慮海岸帶地物的光譜和空間特徵，引入自適應加權綜合核距離來構建改進拉普拉斯特徵映射模型，提出稀疏低秩近似等距線性映射方法，挖掘海岸帶高光譜遙感影像的低維流形結構。海岸帶高光譜遙感特徵選擇和分類研究方面，提出一系列的海岸帶高光譜影像特徵選擇方法，包括改進稀疏子空間聚類方法和差異性加權稀疏自表達方法等，選取適合海岸帶地物區分的敏感波段，降低海岸帶高光譜影像智慧型處理計算量的同時為海岸線的精確提取提供豐富的特徵信息。針對海岸帶兩側不同地物的敏感波段差異，提出波段加權的支持向量機分類模型，提升海岸帶地物的識別精度。考慮到海岸帶地物分布空間異質性強、破碎度高且地物類別不均衡問題，高光譜遙感影像中混合像元問題嚴重，提出參數子空間約束的泊松非負矩陣分解方法和魯棒核原型分析的端元選取方法，實現海岸帶地物的亞像元層面的精細提取。實例套用研究方面，利用提取海岸線來分析浙江省1990-2010年的圍填海空間格局變化情況，剖析杭州灣南岸2000-2010年海岸帶的景觀格局的時空演變特徵，利用GIS-Logistic的耦合模型來探討海岸線附近景觀演化的內在驅動力。
