摘要：遙感影像在采集過程中，地面覆蓋種類數(shù)量龐大且采集影像清晰度低、分辨率較差，關(guān)鍵像素特征之間的閾值衡量標(biāo)準(zhǔn)模糊，導(dǎo)致信息提取難度增大，從而降低信息利用率。為此，提出了基于像素緊密程度的多源遙感影像信息提取方法。利用Contourlet變換，實(shí)現(xiàn)遙感影像空間域、變換域的多角度增強(qiáng)，優(yōu)化遙感影像整體清晰度。利用簡(jiǎn)單線性速代聚類（Simple Linear Iterative Clustering，SLIC）超像素算法計(jì)算像素聚類中心與鄰近像素緊密程度，擺脫固定閾值影響。引入友度共生矩陣（Gray-level Co-occurrenceMatrix，GLCM），提取主體特征信息；構(gòu)建相關(guān)向量機(jī)分類模型，結(jié)合拉普拉斯二次逼近回歸算法將提取問題轉(zhuǎn)化為噪聲回歸問題，井對(duì)其展開求解，進(jìn)而實(shí)現(xiàn)遙感影像的信息提取。實(shí)驗(yàn)結(jié)果表明：所提方法對(duì)遙感信息主體的分類與真實(shí)遙感信息主體分類基本一致，在信息提取過程中的錯(cuò)提取率和漏提取率低，總體提取精度保持在99％以上，且對(duì)道路信息提取清晰度高，表明該方法提高了遙感信息的解譯水平。

關(guān)鍵詞：Contourlet變換；SLIC超像素分割法；CIE LAB色彩空間；GLCM灰度共生矩陣；相關(guān)向量機(jī)分類模型

中圖分類號(hào)：TP751 文獻(xiàn)標(biāo)識(shí)碼：A

遙感技術(shù)是一種通過電磁波、可見光、紅外線等感知條件，對(duì)遠(yuǎn)距離目標(biāo)實(shí)現(xiàn)觀測(cè)、識(shí)別的技術(shù)。近年來，在我國土地資源利用、農(nóng)業(yè)檢測(cè)、環(huán)境規(guī)劃等方面做出較大貢獻(xiàn)，為我國可持續(xù)發(fā)展戰(zhàn)略提供重要數(shù)據(jù)支持。在遙感技術(shù)高速發(fā)展的社會(huì)背景下，遙感影像數(shù)據(jù)量大幅度增長(zhǎng)，遙感影像作為遙感信息的主要載體，包含了大量地物信息，為提高遙感影像中的信息利用率，部分相關(guān)行業(yè)學(xué)者針對(duì)遙感影像信息提取方法展開研究。

Wang等通過變化向量分析獲得的光譜特征差分圖像和灰度共生矩陣的紋理特征，通過減法獲得的形狀特征融合，使用模糊c-均值聚類算法對(duì)通過使用頻域顯著性方法獲得的形狀特征融合顯著性圖閩值選擇，獲得粗變化檢測(cè)圖預(yù)分類。從原始圖像和粗變化圖中提取變化像素和未變化像素的特征圖像中提取鄰域特征。Bigdeli等基于深度學(xué)習(xí)集成程序與決策融合架構(gòu)，針對(duì)光探測(cè)與測(cè)距、高光譜影像及高分辨率可見光影像的融合，提出了一種多感測(cè)器分類策略，提取多源遙感數(shù)據(jù)特征，并實(shí)現(xiàn)數(shù)據(jù)融合。盛君等首先對(duì)采集的遙感影像展開特征提取，利用特征值串聯(lián)方式，對(duì)提取到的特征信息展開歸一化處理；將處理后的遙感影像特征信息輸入極限學(xué)習(xí)機(jī)分類器，進(jìn)而實(shí)現(xiàn)遙感信息的多特征融合提取。此方法信息漏提取率較高。胡煦航等首先建立ResUnet模型，為提高該模型的信息傳輸能力，利用密集塊代替殘差塊，對(duì)該模型展開優(yōu)化。通過激活模塊與轉(zhuǎn)置層的結(jié)合，實(shí)現(xiàn)傳輸通道的校準(zhǔn)；利用解碼器與編碼器的信息交互，實(shí)現(xiàn)遙感影像的多尺度信息提取，此方法在提取特定遙感影像主體信息時(shí)，存在信息誤提取情況。以上方法中存在的問題，主要是因?yàn)樵谶b感影像采集過程中，地面覆蓋種類數(shù)量龐大且采集影像清晰度低、分辨率較差，關(guān)鍵像素特征之間的閩值衡量標(biāo)準(zhǔn)模糊，導(dǎo)致信息提取難度增大，從而降低信息利用率。

因此，提出基于像素緊密程度的多源遙感影像信息提取方法。主要?jiǎng)?chuàng)新點(diǎn)為：

（1）在信息提取過程中引入了像素緊密程度的概念，通過SLIC超像素算法計(jì)算像素聚類中心與鄰近像素的緊密程度，更準(zhǔn)確地提取遙感影像的信息。

（2）將Contourlet變換應(yīng)用于遙感影像的空間域和變換域增強(qiáng)。結(jié)合了多尺度、多方向的濾波器組合，更好地捕捉圖像的紋理和細(xì)節(jié)信息。通過在空間域和變換域中進(jìn)行多角度增強(qiáng)，可以優(yōu)化遙感影像的整體清晰度，改善圖像質(zhì)量。

（3）通過構(gòu)建相關(guān)向量機(jī)分類模型和拉普拉斯二次逼近回歸算法，將信息提取問題轉(zhuǎn)化為噪聲回歸問題。利用GLCM提取主體特征信息，并通過算法求解噪聲回歸，可以更準(zhǔn)確地提取遙感影像中的關(guān)鍵信息，并有效降低噪聲對(duì)提取結(jié)果的影響。

該研究對(duì)于提高遙感影像目標(biāo)識(shí)別和分類的準(zhǔn)確性、改善遙感影像在可視化和分析中的表現(xiàn)以及提升遙感影像信息提取的魯棒性和穩(wěn)定性具有重要的貢獻(xiàn)。這將推動(dòng)遙感技術(shù)在多領(lǐng)域的實(shí)際應(yīng)用，并為相關(guān)領(lǐng)域的決策制定者和研究人員提供有力的支持。

1遙感影像預(yù)處理

在遙感圖像信息提取之前，需要對(duì)遙感影像進(jìn)行一些預(yù)處理操作。這是因?yàn)檫b感影像原始數(shù)據(jù)存在許多問題，如噪聲、光照不均、大氣干擾、云、陰影、地物反射率差異等，這些問題可能會(huì)對(duì)后續(xù)地物信息提取和分析造成一定的影響。因此，通過對(duì)遙感影像進(jìn)行預(yù)處理，可以去除這些影響，提高圖像質(zhì)量和提取數(shù)據(jù)的準(zhǔn)確性，通過預(yù)處理操作，可以得到更加準(zhǔn)確的遙感影像數(shù)據(jù)，方便后續(xù)的地物提取和分析工作?，F(xiàn)階段的遙感影像采集過程中，存在采集影像清晰度低、分辨率差的情況，不利于后續(xù)信息的分割提取。因此，在對(duì)遙感影像展開信息提取之前，需要對(duì)采集影像展開增強(qiáng)處理。利用Contourlet變換實(shí)現(xiàn)遙感影像的增強(qiáng)，包括空間域增強(qiáng)和變換域增強(qiáng)兩部分。