题目：高光谱与红外遥感数据多参量优化融合建模与应用研究

随着遥感技术的迅猛发展，通过遥感手段能够获取到的数据种类越来越丰富。不同种类的遥感数据能够从不同侧面反映目标的反射或发射等特性，为地面目标的解译提供更可靠、更丰富的信息。如何充分利用多源遥感数据、构建高效融合模型，是多源遥感数据融合的关键问题。本文针对高光谱与红外遥感数据融合的关键技术展开研究，突破光谱维与空间维多特征提取技术、特征空间优化技术以及融合建模技术等关键技术，建立有效的高光谱与红外遥感数据融合模型，使高光谱与红外遥感优势互补，更好地服务于地物分类与识别，进而提高高光谱与红外数据的实用价值与应用潜力。本文主要研究内容与创新点如下：（1）针对高光谱数据光谱维特征提取技术展开研究。针对最小噪声分数变换中噪声协方差矩阵估计不准确问题，提出一种基于多维权重梯度分块甄选的循环光谱、空间去相关法的改进最小噪声分数变换方法，实现准确的高光谱数据抑噪与有效的光谱维信息提取；（2）针对高光谱与红外数据空间维纹理特征提取技术展开研究。为得到有利于人工目标与背景区分的空间纹理特征，引入多尺度分形纹理特征提取方法，并针对尺度范围对纹理特征的影响进行改进，提出一种基于最佳尺度范围的改进多尺度D维面积变化特征分形纹理提取方法，提高人工目标与背景的可分性；（3）针对特征空间优化技术展开研究。充分考虑各种特征对融合分类与识别的贡献以及可能存在的不确定性、冗余性与冲突等因素，充分考虑最佳特征空间对类别具有特异性的特点，提出了一种感兴趣类别特征空间优化方法，最大化感兴趣类别优化特征空间中感兴趣类别与其它类别的类别可分性，提高特征空间的有效性；（4）针对特征级融合分类算法展开研究。为解决“pixelwise”分类方法存在的不足，引入利用地物空间相关信息的特征级融合分类方法，提出一种基于光谱-空间信息联合的改进马尔可夫随机场特征级融合分类算法，从分类精度与计算效率两方面同时提高分类算法性能，实现高精度的特征级融合分类；（5）针对高光谱与红外数据特征级融合建模方法展开研究。设计一种基于多特征空间的最佳类条件概率估计方法，将高光谱与红外数据多特征提取技术、感兴趣类别特征空间优化技术以及特征级融合分类方法有机结合在一起，建立一个包含初始特征空间构建模块、多特征空间优化构建模块、多特征空间类条件概率估计模块、最佳类条件概率估计模块以及融合分类模块的高光谱与红外遥感数据多参量优化融合分类模型，实现高光谱与红外遥感数据有效融合。