题目：卫星遥感图像可用度智能评估方法研究

卫星遥感图像质量评估是遥感数据产品化过程中的重要环节，为了适应海量卫星遥感数据处理及满足用户要求，实时有效的充分利用卫星数据，卫星遥感图像质量评估方法的智能化是必然趋势。本文研究卫星遥感数据生产过程中关于图像质量评估的智能方法，目的是快速有效地输出高质量遥感图像，对遥感图像处理理论和技术研究具有重要的理论意义；对地面目标判读、防灾减灾、资源调查、环境监测等应用具有广泛的实用价值。本文开展了以下几个方面的研究工作：(1) 针对可见光及红外卫星遥感图像质量受到客观的云遮挡影响，主观的用户需求约束，且目前国内外尚无统一评估规范的问题，提出了卫星遥感图像质量评估可用度若干概念，包括卫星遥感图像综合可用度、客观可用度、主观可用度等的定义、分类、描述方法；在此基础上，结合国内外研究情况，研究了卫星遥感图像可用度智能评估方法关键技术，包括复杂背景下卫星遥感图像无效数据探测及剔除(云的检测与可用度关系)，以及基于用户需求的图像理解和解译，扩充了卫星遥感图像质量评估的理论范畴，为卫星遥感图像智能评估方法的研究提供了技术途径。(2) 研究了卫星遥感图像可用度客观评估影响因素及其描述方法。针对卫星遥感图像可用度客观上受云遮挡影响问题，分析了卫星遥感图像中云的图像及其特征，提出了基于免疫编码的云描述方法；类比生物免疫抗体编码原理，定义了云的图像特征结合亲和度计算公式，解决了最小维数云“免疫抗体”构建问题；研究了云遮挡引起的图像可用度下降的主要因素，包括云的面积、厚薄和形态分布对图像可用度的影响，提出了刻画云分布的破碎度概念，研究它们的度量方法，并给出了计算模型；针对可用度客观评估要求，分析了3个客观影响因子的数据分布，得出它们对可用度的影响性。(3) 研究了卫星遥感图像可用度客观评估方法。根据客观影响因子与可用度之间关系，研究具有多输入多输出结构的可用度智能分类方法，对卫星遥感图像可用度若干等级进行机器评估。针对图像可用度“模糊性”的特点，研究具有模糊化“软”处理和模拟人思维加工能力的自适应模糊神经网络来做出决策和分类；为了克服神经网络后向反馈学习机制有可能“局部最优”的缺陷，研究生物免疫反馈机理，设计具有反馈功能的自适应学习算法；建立基于免疫反馈学习的自适应模糊神经网络的可用度客观评估模型，利用训练样本数据进行学习，得到有效的网络参数，提高了网络的收敛速度和分类精度。 (4) 研究了卫星遥感图像可用度主观评估方法。针对基于用户需求的主观评估，研究对地物需求类型的模式识别问题，解决不同目标模式的自动特征提取和选择问题；分析现有特征选择方法的优缺点，针对自动特征选择和揭示特征组合细节的问题，提出一种基于免疫编码的自动目标特征选择方法；定义卫星遥感图像特征完全集合及其上的运算规则，选择出对识别目标最有效的特征子集，理论证明了该方法得到的是最优特征子集；通过实验证实该方法得到的特征子集，能够实现快速遥感图像地物类型识别，为通用目标识别的特征组合方法研究提供新的思路。(5) 结合客观和主观评估，设计了可用度智能评估系统；开发遥感图像读入和归一化软件以及可用度分类定级软件，具有用户友好的人机交互性能；对大量遥感图像进行了测试，实现了遥感图像可用度智能评估，验证了本文研究方法和各种算法的有效性。