题目：高分辨率遥感影像目标检测技术研究

近年来随着遥感技术的发展，获取高质量的遥感影像越来越容易，分辨率越来越高，数据量也越来越大，依靠传统的“目视解译”或者半自动的处理方法已经无法满足人们对快速获取遥感影像语义信息的需求。如何在复杂背景下有效的检测并提取目标信息是遥感图像处理与解译的重要研究课题。
本文着眼于高分辨率遥感影像中的目标检测问题，研究了高分辨率遥感影像全色-多光谱融合问题，并针对建成区提取与机场检测问题提出了新的解决方法。主要工作和贡献总结如下：
1、提出了基于自适应主成分分析（Principale Component Analysis，PCA）和第二代小波（Second-generation Wavelets）的遥感图像融合算法。自适应PCA 能够更有效的选择融合成分，保持更多的光谱信息与空间细节；二代加权红黑小波在去除数据相关性的同时保留图像中的边缘信息，减少空间信息注入时带来的噪声，对
不同的传感器与地物类型有更好的鲁棒性。实验证明，与基于PCA 变换的融合相比，自适应PCA 能够更好的选择变换后的融合主成分；二代加权红黑小波比其它小波在融合方面有一定的优势。
2、从流形学习的角度出发，提出了一种非参数的基于样本学习的多源遥感图像融合框架。在本方法中，将高-低分辨率的多光谱图像块与全色图像块分别映射到高-低维流形空间中，并建立全色图像与多光谱波段图像块之间的线线关系，最后通过流形学习的手段得到高空间分辨率的多光谱图像。实验证明，该方法能有效的重建高分辨率多光谱图像，在光谱信息保持方面较有优势，在空间细节保持方面有不足。
3、针对高分辨率影像中的建成区提取问题，提出了一种基于贝叶斯显著性模型的建成区检测算法。利用建成区边缘纹理丰富的特点，计算了基于边缘密度的先验图，在粗分割的基础上提取了颜色、方向的似然分布。在多个测试图像上的实验表明，即便是在背景复杂的情况下本方法能快速有效的提取遥感影像的建成区。
4、提出了一种视觉认知机理启发的机场检测算法。该方法首先利用简单的颜色特征计算影像的显著性，根据显著性值分割出包含机场的感兴趣区域，然后利用旋转不变塔式梯度直方图特征和SVM 分类检测机场。我们在3 景完整的天绘影像上进行测试，影像中的5 个不同大小的机场都被正确的检测到，而且得到比较完整的轮廓分割。