基于支持向量机的遥感图像云层去除方法分析-analysis of cloud removal method for remote sensing images based on support vector machine.docx

独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果.据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果，也不包含为获 吨似导 或其他教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示谢意.学位论文作者签名:呆板签字日期: ，Y1J0年 b 月 L 日学位论文版权使用授权书本学位论文作者完全了解 要保均 有关保留、使用学位论文的规定， 有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和 借阅。本人授地，fkK二可以将学位论文的全部或部分内容编入有 关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。学位论文作者签名 :孔派导师签名:卫视(保密的学位论文在解密后适用本授权书)签字日期: .)Dlo 年 b 月 三日学位论文作者毕业去向 :工作单位: 通讯地址:签字日期:/ψ2年6 月 ] 日电话:邮编:第一章绪论1.1研究目的及其意义统计学习理论是在上世纪末走向成熟的理论，并逐渐成为机器学习与模式识 别领域的研究热点。统计学习理论是建立在一套坚实的理论基础上的研究利用经 验知识进行机器学习的理论。区别于传统统计学，统计学习理论专门研究小样本 下机器学习理论，是一个解决有限样本学习问题的较为完善的框架。因此，统计 学习理论更具备实用性，是学科交叉结合的有力工具[1]。支持向量机（Support Vector Machine，SVM）作为一种最新的且最为行之有 效的统计学习方法，时下已在学术界得到了广泛的关注，并已发展成为数据挖掘 和机器学习领域的标准工具。SVM 是建立在统计学习理论和结构风险最小化原 理基础上的，通过极小部分的边缘向量（支持向量）来表示非线性函数的方法。 它集成了线性最优分类超平面、Mercer 核、凸二次规则、稀疏解和松弛变量等 多项技术，在许多挑战性应用中，取得了迄今为止最好的学习性能。SVM 具有 小样本学习、抗噪性能好、学习效率高以及推广性好等优点，已经成功应用于分 类、回归和时间序列预测等领域，然而 SVM 在图像领域的应用却并不多[2-3]。基于 SVM 在捕捉奇异点性能好的优点，利用 SVM 回归模型构造支持向量 值滤波器，应用到图像处理之中，即对图像进行支持向量值变换，可将图像分解 到不同频域之中。对图像进行不同尺度的支持向量值变换（Support Vector Value Transform，SVVT），可实现图像的多尺度分解，得到不同尺度下的图像。然而， 支持向量值变换只能有效检测出图像的点奇异性，却不能检测出图像的线奇异 性。考虑到图像变换思想的发展历程，尝试将支持向量值变换与方向滤波器组结 合，构造支持向量值轮廓波变换（Support Vector Value Contourlet Transform， SVVCT）。显然，SVVCT 在多方向性方面要优于 SVVT，同样，SVVCT 可以处 理图像变换所处理过的同类问题。大量的实验表明，较之现有的图像变换理论， SVVCT 的处理效果更加理想。本文对 SVM、SVVCT 的基本原理及实现算法进行了深入研究，并对其在云层去除方面的应用进行了探讨和实验的分析。1.2本文的研究内容遥感是一种非接触的获取地球表面信息的先进技术。通过探测和记录地面目 标的电磁波辐射信息，对其进行处理和应用，从而确定地面目标的位置、性质、 属性和变化规律。遥感处理的过程是获取地面目标的图像并对其进行处理和应用 的过程，本质上是地面目标电磁波信息的收集、处理和应用的过程。在这个过程 中，遥感图像获取是前提和基础，遥感图像处理是手段和途径，遥感图像应用是 目的和归宿。目前遥感图像处理已在军事侦察、地质解译、石油勘察、天气预报、 农作物长势监测等诸多领域得到了广泛的应用[4]。遥感图像在获取时极易受气候的影响，云层遮挡就是影响之一。然而，除雷 达传感器能够穿透云层获得地表信息外，其他传感器均未能彻底解决图像数据的 云覆盖问题。云的存在严重影响了遥感图像的判读。在现有的有限条件下，寻求 一种有效消除云层遮挡影响的方法，就具有十分重要的实际意义。由于云层遮挡程度的不同，云层去除分为两大部分：薄云去除和厚云去除。 薄云去除：遥感图像在获取时，如果有薄云存在，所形成的图像既有云的信息，也含有 地面景物信息，但地面景物信息不清晰，这是由于薄云的存在影响了遥感图像的 观测，薄云的去除就具有了一定的意义。传统的薄云去除方法有以下几种：1、多光谱图像法[5-7]。利用多光谱图像的某些波段对云层或地物较敏感这一 特性来区分云层或地物，达到去云的目的。该方法需要有冗余的波段，在有限光 谱分辨率的情况下，云覆盖噪声很难