中文摘要：

图谱去噪处理是高光谱遥感影像信息提取必不可少的预处理手段。如何有效地解决噪声与信号分离、去噪模型不稳定和效率不高等问题是高光谱去噪方法研究中的核心难题。本课题拟以"空间变换-去噪模型-快速求解"为研究主线，通过在小波变换线性尺度空间下进行各向异性扩散去噪处理的研究，来发展稳定、快速的高光谱多尺度超立方体扩散去噪方法。在此基础上，结合小波尺度空间下的纹理和光谱信息，对去噪模型的性能进行扩展，建立超立方体扩散自适应分割模型。此外，还将通过比较地物光谱特征曲线和分类精度来验证本课题去噪和分割模型的有效性和实用价值。本课题的研究成果有望为高光谱遥感影像的应用分析提供可靠的信息来源，并为后续处理奠定基础，具有较高的实际应用价值。

结论摘要：

高光谱遥感影像分析与处理通常存在以下难题由于传感器系统、大气吸收和散射、光照条件、地形起伏等诸多因素的影响，高光谱遥感数据内通常含有大量辐射失真、随机噪声和光谱变异，这些不利影响对基于地物光谱特征的遥感定量分析和识别造成极大困难。由于影像上边缘和光谱特征存在于多个尺度图像上，因此，必须对影像在多个尺度下进行分析，而多尺度分析方法能够将传统的单尺度视觉信息处理技术纳入尺度不断变化的动态分析框架中，因此更容易获得图像的本质特征。此外，偏微分方程驱动的几何尺度空间方法可以演化为非常有效的多尺度分割方法。但由于高光谱遥感数据维数过高且图像光谱和空间结构特征复杂，尺度空间方法一直无法有效应用于在高光谱遥感图像分析与处理中。随着计算机技术和偏微分方程快速数值解法的迅速发展，利用尺度空间方法来处理高光谱影像变得可行。基于以上研究背景，我们围绕多尺度分析以及偏微分方程处理的特点进行了研究，包括(1) 提出了高光谱影像多尺度超立方体扩散去噪模型，能够在滤除影像立方体内噪声的同时保持影像边缘和地物光谱特征；(2) 提出了基于光谱和纹理信息的超立方体扩散自适应分割模型，能够在滤除影像立方体内噪声的同时创建影像分类前的分段均质化区域。