● 摘要
针对遥感图像上地物的几何特征、统计特征、地物波谱的反射特征，进行地物目标自动提取和识别，是提高遥感数据利用率的有效途径。而随着遥感技术的发展，不同源(不同类型卫星，不同传感器，不同波段)遥感影像提供了同一地物目标的不同特征描述。有效的利用多源图像融合，提高目标的提取和识别率，建立多种信息融合模型，以获得目标更为精确的描述是当前炙手可热的课题之一。本文选择具有明显线性特征的机场目标为主要研究对象，建立了一个从巨幅高分辨率遥感图像中提取并识别所有机场的系统框架，其解决方案采用图像融合的特征级和决策级融合方法，在提高待识别目标的准确性和完整性的同时不需要人工干涉，可以自动完成全部阶段的处理。本文系统框架包括三个部分：第一部分为预处理及各源特征矢量化。文中对预处理的图像配准，提出了一个基于Harris角点检测的自动点匹配方法，通过“粗匹配－精匹配－一致性检测”的步骤可以准确的匹配不同传感器遥感图像；第二部分为机场感兴趣区域提取。文中所提出的改进特征级融合模型先将巨幅图像分成子块，对子块进行特征量化，然后用Mean Shift多源特征聚类，快速精确定位机场所在的位置；第三部分为机场识别。文中提出了一种简单的决策级融合方法――基于波段运算的机场跑道提取方法，克服了高分辨率图像纹理丰富所带来的计算复杂的困难，可以有效完整地提取机场跑道及其附属设施。文中将现有的三个卫星Landsat7，EOS-AM1和Quick Bird的北京地区遥感图像作为实验数据，实验结果表明，与标准基原模型相比，本文所提出的算法模型可以更准确获得机场感兴趣区域，从而完整的描述机场目标。