發(fā)布時(shí)間：2020-04-20 05:40

【摘要】：多時(shí)相遙感圖像變化檢測(cè)及趨勢(shì)分析是多時(shí)相圖像解譯的重要內(nèi)容之一,主要解決何處變化、如何變化、變化多少、變化預(yù)測(cè)等問題。隨著多時(shí)相圖像數(shù)據(jù)源可獲取性的增加,人們對(duì)遙感圖像變化檢測(cè)及趨勢(shì)分析的要求也在不斷提高。首先希望高精度獲取變化結(jié)果并盡可能減少預(yù)處理誤差;其次希望了解變化過程,獲得變化區(qū)域更豐富的屬性信息;最后希望充分挖掘多時(shí)相圖像的時(shí)序信息,并全面結(jié)合變化檢測(cè)結(jié)果,對(duì)未知時(shí)相進(jìn)行趨勢(shì)預(yù)測(cè)分析。因此本文主要對(duì)多時(shí)相圖像變化檢測(cè)進(jìn)行以下研究:論文首先介紹多時(shí)相遙感圖像配準(zhǔn)的基本概念及其在多時(shí)相變化檢測(cè)預(yù)處理中的重要性。對(duì)同源圖像的改進(jìn)SIFT點(diǎn)特征配準(zhǔn)算法和多源圖像的定向相位一致性配準(zhǔn)算法進(jìn)行研究,用以獲得亞像素級(jí)配準(zhǔn)精度的多時(shí)相圖像,從而盡可能減少配準(zhǔn)誤差對(duì)后續(xù)變化檢測(cè)的影響。針對(duì)不同分辨率多時(shí)相圖像變化檢測(cè)精度不足、干擾嚴(yán)重的問題,論文在對(duì)多時(shí)相變化檢測(cè)基本原理、特別是中高分辨率傳統(tǒng)檢測(cè)算法進(jìn)行研究的基礎(chǔ)上,引入?yún)f(xié)同顯著模型和色彩空間平滑模型,進(jìn)行高分辨率遙感圖像的變化檢測(cè)。實(shí)驗(yàn)結(jié)果表明,本文提出的方法,在獲得高精度變化檢測(cè)結(jié)果的同時(shí),還在一定程度上克服了噪聲、陰影及誤差累積對(duì)結(jié)果的影響,獲得了優(yōu)于傳統(tǒng)算法的檢測(cè)結(jié)果,為接下來的變化分析奠定基礎(chǔ)。變化檢測(cè)結(jié)果提供了多時(shí)相數(shù)據(jù)變化的位置信息,但在許多應(yīng)用中還需了解變化區(qū)域的屬性信息及后續(xù)時(shí)相的屬性分布情況。因此為了進(jìn)一步進(jìn)行變化分析,完成變化區(qū)域類別的確定并獲取未知時(shí)相地物覆蓋占比與位置的分布,論文在獲取高精度變化結(jié)果的基礎(chǔ)上,引入變化分類方法及空-時(shí)聯(lián)合預(yù)測(cè)模型,實(shí)現(xiàn)了多時(shí)相數(shù)據(jù)信息的充分挖掘和變化檢測(cè)結(jié)果的綜合利用,解決了變?yōu)楹晤惻c變化趨勢(shì)預(yù)測(cè)的問題,進(jìn)而豐富了變化信息。
【圖文】：

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文格內(nèi)部構(gòu)造 16 個(gè)子區(qū)域，對(duì)于每個(gè)子區(qū)域?qū)?8 個(gè)方向的梯度，從而獲取了特征點(diǎn)的 128 個(gè)方向，稱為 SIFT 特征的描述子向量。由此可見，主方向的賦予以及描述子向量的生成并非在一個(gè)參考坐標(biāo)系下計(jì)算，需要進(jìn)行坐標(biāo)旋轉(zhuǎn)。為了避免每次計(jì)算描述子時(shí)的坐標(biāo)旋轉(zhuǎn)，可在當(dāng)前坐標(biāo)系下直接計(jì)算描述子向量并將主方向作為描述子向量的第一維參與后續(xù)特征匹配，完成點(diǎn)特征 129 維的描述，且在匹配時(shí)滿足歸一化條件的主方向被認(rèn)為是相同的特征，，實(shí)現(xiàn)了輻射反向下的圖像配準(zhǔn)。改進(jìn)算子及傳統(tǒng)算子的具體對(duì)比圖如圖 2-1 和圖 2-2 所示。

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文 16 個(gè)子區(qū)域，對(duì)于每個(gè)子區(qū)域?qū)?8 個(gè)方向的梯度，28 個(gè)方向，稱為 SIFT 特征的描述子向量。由此可見，主向量的生成并非在一個(gè)參考坐標(biāo)系下計(jì)算，需要進(jìn)行坐計(jì)算描述子時(shí)的坐標(biāo)旋轉(zhuǎn)，可在當(dāng)前坐標(biāo)系下直接計(jì)算作為描述子向量的第一維參與后續(xù)特征匹配，完成點(diǎn)特匹配時(shí)滿足歸一化條件的主方向被認(rèn)為是相同的特征，像配準(zhǔn)。改進(jìn)算子及傳統(tǒng)算子的具體對(duì)比圖如圖 2-1 和圖圖 2-1 描述子生成過程坐標(biāo)系選擇
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郝昀超;王顯珉;;高分辨率遙感圖像配準(zhǔn)并行加速方法[J];計(jì)算機(jī)科學(xué);2015年09期

2 楊健;李若楠;黃晨陽;王剛;丁闖;;基于局部顯著邊緣特征的快速圖像配準(zhǔn)算法[J];計(jì)算機(jī)應(yīng)用;2014年01期

3 倪鼎;馬洪兵;;基于區(qū)域生長(zhǎng)的多源遙感圖像配準(zhǔn)[J];自動(dòng)化學(xué)報(bào);2014年06期

4 閆自庚;蔣建國(guó);郭丹;;基于SURF特征和Delaunay三角網(wǎng)格的圖像匹配[J];自動(dòng)化學(xué)報(bào);2014年06期

5 石永;賈振紅;覃錫忠;楊杰;胡英杰;;基于交叉累積剩余熵和NSCT的多模式遙感圖像配準(zhǔn)[J];光電子.激光;2013年12期

6 莫德林;劉克江;曹彬才;保永強(qiáng);;基于主成分分析的遙感圖像變化檢測(cè)[J];影像技術(shù);2013年05期

7 于雪蓮;陳錢;顧國(guó)華;;基于相位一致性和Hough變換的多源圖像配準(zhǔn)方法[J];強(qiáng)激光與粒子束;2013年09期

8 周啟鳴;;多時(shí)相遙感影像變化檢測(cè)綜述[J];地理信息世界;2011年02期

9 孫曉霞;張繼賢;燕琴;高井祥;;遙感影像變化檢測(cè)方法綜述及展望[J];遙感信息;2011年01期

10 孫艷麗;王文;周偉;;基于模糊度與簡(jiǎn)化PCNN的遙感圖像變化檢測(cè)[J];電子測(cè)量技術(shù);2010年09期

相關(guān)博士學(xué)位論文 前1條

1 王凌霞;基于多尺度分析和自然進(jìn)化優(yōu)化的遙感圖像配準(zhǔn)與變化檢測(cè)[D];西安電子科技大學(xué);2015年

相關(guān)碩士學(xué)位論文 前7條

1 吳航;基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像配準(zhǔn)方法[D];南昌大學(xué);2015年

2 王昌盛;基于ORB算法的雙目視覺測(cè)量研究[D];哈爾濱工業(yè)大學(xué);2015年

3 陳峰;基于圖像代數(shù)的居民地變化檢測(cè)方法研究[D];太原理工大學(xué);2014年

4 李龍龍;結(jié)合小波變換和SIFT算法的遙感圖像快速配準(zhǔn)算法[D];哈爾濱工業(yè)大學(xué);2013年

5 陸明媚;遙感圖像變化檢測(cè)新方法研究[D];西安電子科技大學(xué);2013年

6 李昂;面向特定地域變化檢測(cè)的遙感圖像知識(shí)挖掘技術(shù)[D];國(guó)防科學(xué)技術(shù)大學(xué);2012年

7 慕春芳;高分辨率圖像變化檢測(cè)及其在應(yīng)急災(zāi)害評(píng)估中的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2011年

本文編號(hào)：2634224