特征空间耦合数据场模型的不确定性边缘检测新算法

多光谱甚至高光谱遥感图像不同的波段之间既存在相关性，又存在互补性，同时随着混合像元和噪声等的影响，使得多光谱遥感图像的边缘检测成为遥感图像处理研究中的一个难点。本项目以数据场理论为基础，在总结前期研究成果的基础上，研究了一种新的多光谱遥感图像边缘检测算法。.按照项目计划书的研究内容，围绕项目拟解决的关键问题开展研究工作。主要研究内容包含以下几个方面： （1）特征空间和数据场空间的耦合. 对多光谱遥感图像的特征空间进行了研究。研究了数据场理论在表达特征空间规律时面临的问题，提出了一套适合描述特征空间的数据理论模型。并对数据场理论的参数优化等问题进行了研究。.（2）基于数据场理论的边缘检测算法研究.研究了多光谱遥感图像边缘点在特征空间呈现的规律，将数据场理论和特征空间理论进行耦合，提出了基于数据场理论的多光谱边缘检测新算法。.（3）基于数据场理论的端元提取算法研究.混合像元是多光谱和高光谱遥感图像处理和应用面临的一个难点问题。研究了混合像元在特征空间的特点，结合数据场理论，提出了基于数据场理论的端元提取算法，为混合像元的分解奠定基础。.（4）基于数据场理论的噪声去除算法研究 研究了彩色图像的噪声特点，基于数据场理论，提出了针对彩色图像和多光谱图像的噪声去除算法。（5）边缘检测算法的应用. 将提出的边缘检测算法用于海表温度锋线提取的应用中，对海表温度锋线的年际变化和季节变化进行了分析，取得了较好的效果。.项目提出的数据场理论方法能够直接应用到特征空间，充分利用多光谱图像的信息，对于促进多光谱和高光谱遥感图像的处理和应用，有重要的科学意义和应用价值。