高光谱遥感图像非线性特征理解与识别理论方法  

作　　者：无 涂兵 廖晓龙 周承乐 杨先畅 李茜铭 彭怡书 

机构地区：[1]南京信息工程大学 [2]湖南理工学院 [3]不详 [4]IEEE

出　　处：《中国科技成果》2024年第22期14-15,共2页China Science and Technology Achievements

基　　金：国家自然科学基金面上项目(62271200、61977022);湖南省自然科学基金杰出青年科学基金项目(2020JJ2017);湖南省水利重大科研项目(XSKJ2021000-13);湖南省自然科学基金青年科学基金项目(2019JJ50212)。

摘　　要：高光谱遥感对地观测技术为现代农业、资源环境、军事侦察等重要领域提供了重要的信息服务和决策支持.然而,受高光谱遥感图像数据量大、信息冗余及非线性特征的影响,使得图像处理与应用存在诸多困难与挑战.因此,利用信号建模、数学分析与机器学习手段,建立高光谱遥感图像非线性特征理解与识别方法,具有重要的现实意义,是亟需解决的具有挑战性的前沿难题.针对高维非线性特征样本感知与学习、特征表示与提取及异常表征与探测3个关键技术难点,项目团队致力于构建高光谱遥感图像非线性特征理解与识别新理论与新方法,开展了高光谱遥感图像高维非线性特征不确定样本检测、空谱联合识别及异常检测研究工作,攻克了高光谱遥感图像高分辨率、高精度智能解译难题,取得了若干重要科学发现,总体思路与主要科学发现如图1所示.

关 键 词：非线性特征 机器学习 异常检测 对地观测技术 高光谱遥感 决策支持 信息冗余 信号建模 

分 类 号：TP751[自动化与计算机技术—检测技术与自动化装置] TP391.41[自动化与计算机技术—控制科学与工程]