遥感图像异物同谱干扰消除技术研究与仿真

研究卫星遥感图像异物同谱干扰消除问题。遥感图像具有较低的空间分辨率差异被淡化,不同地面物体反射或发射能量之间的光谱差异随着距离的传递迅速衰减,在远程采集图像终端光谱差异消失,存在着"异物同谱"的现象。传统的遥感图像分类技术主要依靠光谱距离差异测量与统计分析的原理来进行图像分类,在光谱差异迅速衰减造成异物同谱现象的干扰下,距离频率特征被干扰破坏,很难以上述标准为基础进行准确分类。为此提出一种改进的HSV模型用于遥感图像的干扰消除,将特征向量做为测试参数输入到优化改进后的BP神经网络进行分类,克服异物同谱现象带来的特征提取与分类不准确的弊端。实验证明,改进方法可以准确地对低分辨率的遥感图像进行干扰消除,对图像进行准确的分类,并为遥感图像正确提取提供了依据。