【摘要】：遙感圖像的變化檢測是對不同時間獲得同一地區(qū)的兩幅或者多幅遙感圖像進行分析,提取圖像中隨時間發(fā)生變化的信息。隨著遙感技術的不斷發(fā)展,遙感圖像變化檢測在森林和農(nóng)業(yè)資源調查、環(huán)境監(jiān)測分析、自然災害評估、城市變化等方面的應用越來越廣泛。 雖然遙感圖像變化檢測的研究發(fā)展很快,各國學者提出了不同的檢測方法,但這些方法的自動化水平仍然不高,需要人工干預的方式實現(xiàn)。因此,如何實現(xiàn)遙感圖像的自動化檢測成為當前該領域研究的熱點。本文對非監(jiān)督的遙感圖像變化檢測的一些關鍵技術進行研究,完成的工作和成果有以下幾點： 1.介紹了遙感圖像變化檢測的理論知識、國內外發(fā)展現(xiàn)狀,對已有的檢測方法進行歸納總結,概述了遙感圖像變化檢測的工作流程、遙感數(shù)據(jù)的選擇,并對遙感數(shù)據(jù)進行輻射校正預處理。 2.給出了基于小波融合和模糊C均值聚類的遙感圖像變化檢測方法�？紤]到差值法和對數(shù)比值法獲取的差異圖像各自的優(yōu)缺點,該方法引入離散小波變換,利用均值規(guī)則和最大絕對值規(guī)則對兩種差異圖像進行小波融合,構造新的差異圖像。針對傳統(tǒng)的差異圖像“硬”分割方法導致閾值難以選擇的問題,采用模糊C均值聚類實現(xiàn)差異圖像的自動分割,最終檢測出變化的區(qū)域。 3.提出了基于非抽樣小波變換和模糊局部信息C均值聚類(FLICM)的遙感圖像變化檢測方法。該方法先對差異圖像進行非抽樣小波分解,不考慮各尺度對角方向上高頻的小波系數(shù),將其余的多尺度小波系數(shù)和差異圖像本身結合構造多尺度特征向量,然后采用模糊局部信息C均值聚類算法對多尺度特征向量進行分類確定變化區(qū)域。該方法構造多尺度向量充分考慮了不同尺度的小波系數(shù),并且利用FLICM聚類分析時加入空間鄰域信息,從而提高了變化檢測的性能。通過對真實遙感數(shù)據(jù)集實驗驗證了該方法的有效性。
【圖文】：

2.1遙感基礎知識遙感“Remote Sensing”即“遙遠地感知”。遙感懫集的數(shù)據(jù)包括多種形式，如電磁波(光、熱、無線電等）、力、聲波等，然而通常所說的遙感是電磁波遙感。因為地球上所有物體在不停地吸收、發(fā)射和反射信息和能量，其中電磁波是被大眾所熟知的形式，對于不同的物體，它們具有不同的電磁波特性[34]。遙感基于這個原理通過高空探測器接收來自地表物體的電磁波信息，獲得地表物體的相關信息，從而達到遠距離識別物體的目的。遙感過程包括三個部分：遙感數(shù)據(jù)獲取、數(shù)據(jù)處理和數(shù)據(jù)應用。即地物反射或發(fā)射的電磁波信號經(jīng)過地球大氣到達遙感傳感器，傳感器記錄下這些數(shù)據(jù)，并傳遞回地面，成為遙感數(shù)據(jù)或遙感圖像。由于獲取的遙感數(shù)據(jù)有一定的誤差，造成部分信息丟失，因而要對數(shù)據(jù)進行處理、解譯和分析。最后根據(jù)不同的需要應用到各個領域。目前，，遙感被廣泛應用于資源調g�、环境监测、蛻儇规划等领宇RＭ

本文編號：2571430