论文部分内容阅读
由于空间信息技术的的快速成长,遥感技术和传感器成像技术都有了很大的进步。遥感图像信息逐渐变成了我们探索外太空、观测地物变化较重要的数据资料,它在军用侦查、精确打击和民事设施的规划、建设方面都发挥着日益重要的作用。而遥感图像特征提取是遥感影像处理和分析的基础,更是实现各种观测功能的保障,所以研究遥感图像特征提取具有很重要的现实性意义。针对传统遥感图像光谱特征提取方法的精度受自然因素严重影响的缺陷以及遥感图像本身的特点,本文结合二维集合经验模态分解算法、小波分解以及Radon变换方法来提取遥感图像纹理方向性特征,从而弥补遥感图像光谱特征提取中的不足；另外,本文还针对二维集合经验模态分解对小频率比复合信产生的模态混叠现象的处理效果不好这一问题,提出了解相关二维集合经验模态分解算法,并证明其有效性。本文工作内容如下：(1)论述了遥感图像特征提取和经验模态分解的研究现状；分析总结了解决经验模态分解算法中端点效应和模态混叠现象的一些方法和经验。(2)针对二维经验模态分解中模态混叠现象的问题,本文将集合经验模态分解算法(Ensemble Empirical Mode Decomposition,简称EEMD)延伸至二维,得到了二维的集合经验模态分解算法,并通过实验验证了二维集合经验模态分解算法的可行性和性能上的优越性。(3)对于遥感图像纹理特征的提取,文章结合改进后的二维集合经验模态分解算法和小波分解等算法对遥感图像纹理方向性特征进行提取和研究,并通过实验验证了改进后方法的有效性和优越性。(4)针对集合经验模态分解算法在抑制小频率比混合信号的模态混叠现象时效果不太好的问题；我们从产生模态混叠现象的本质出发,引入了解相关经验模态分解算法,并继续拓展获得了解相关二维经验模态分解和解相关二维集合经验模态分解算法,最后通过实验验证了其改进后算法在抑制模态混叠现象方面优于改进前算法。