题目：面向红外场景仿真的遥感图像自动分类技术研究

地面背景的红外辐射特性在战场环境中目标识别、遥感探测、红外制导等方面有着重要的意义。因此，在虚拟战场环境仿真中，地面背景的红外特性仿真成为其非常重要的一方面。但是在红外场景仿真中，材质信息和边界信息的获取缺乏有效的方法。遥感图像分类作为获得地表各种信息的重要手段，无疑对虚拟战场环境仿真具有重要意义。虚拟战场大规模地形仿真中遥感影像数据量庞大，如何对这些庞大的遥感数据作有效地处理进而获得所需的信息便成为了一个巨大的挑战。

本文围绕面向红外场景仿真应用的遥感图像自动分类技术展开研究。设计了一个能为红外场景仿真提供材质类别信息和边界信息等前端数据的遥感图像自动分类系统。该系统包括多特征提取模块、特征降维模块、分类器模块以及分类后处理模块。

研究了遥感图像特征提取算法。研究了基于小波变换颜色特征提取算法、灰度共生矩阵纹理特征提取算法、Gabor小波纹理特征提取算法和像元形状指数形状特征提取算法的遥感图像多特征提取方法。综合提取了遥感图像的颜色特征，纹理特征及形状特征，采用这种方法能获得表达遥感图像的最佳特征，利于分类；

针对遥感图像特征向量维数和冗余度增大的问题，提出了一种ReliefF+mRMR组合特征降维改进算法，并且设计实验将其与ReliefF、mRMR及PCA进行比较，结果表明所提出的算法能极大地提高分类精度和分类效率。

针对红外地景仿真中的遥感图像空间分辨率增高，模式特征复杂的问题，研究了对输入输出自适应的非参数分类器。实现了BP神经网络分类器和SVM分类器，并设计实验对二者进行比较分析，结果表明SVM分类器比BP神经网络表现出更好的性能。

针对遥感图像分类后得到的结果图中存在着大量细小，破碎和分散的图斑的问题，研究了Majority Filter和连通区域查找合并算法，并对其进行改进，使其适用于多值标签矩阵的区域合并。针对地形建模三角剖分时需要边界信息作为约束的问题，研究了边界信息提取算法，并对其进行改进，使其适用于多值区域的边界提取。分类结果经过后处理能直接供红外仿真模块匹配使用。

最后，设计开发了遥感图像自动分类软件平台，实现了遥感图像材质类别信息和边界信息的自动获取，为红外场景仿真提供前端数据。