【摘要】：變化檢測是對比分析在不同時期捕獲同一地理位置的圖像,提取不同時期圖像的差異特征,并分析其差異性,最后檢測識別不同時期的變化區(qū)域(變化信息)的過程。本文研究的主要對象是高分辨率遙感圖像,具體來說是研究如何從不同時相的遙感數(shù)據(jù)中定量分析和確定地表變化的方法。隨著航天技術(shù)的快速發(fā)展,高分辨率遙感影像因其包含更豐富的地物信息,且具有高空間分辨率、高清晰度等優(yōu)點(diǎn)而被廣泛應(yīng)用。近年來,面向遙感圖像的變化檢測方法已被廣泛應(yīng)用在土地覆蓋和利用、自然災(zāi)害預(yù)測評估、農(nóng)業(yè)資源調(diào)查、城市規(guī)劃布局、開展資源調(diào)查、環(huán)境監(jiān)測分析、城市擴(kuò)展變化信息獲取、地理數(shù)據(jù)更新以及軍事偵察等領(lǐng)域。因此,開展面向高分辨率遙感圖像的變化檢測方法研究具有重要的應(yīng)用價值。本文主要的工作和內(nèi)容如下:(1)首先對近幾年國內(nèi)外的變化檢測經(jīng)典文獻(xiàn)進(jìn)行深入的調(diào)查研究,并分析了主流的變化檢測方法,結(jié)合高分辨率遙感圖像的特性,說明研究適合高分辨率遙感影像變化檢測方法的必要性。之后通過調(diào)查研究和分析找出變化檢測中可能存在的問題,針對具體問題提出可執(zhí)行方案,以便后續(xù)更好的開展變化檢測工作。(2)針對當(dāng)前變化檢測研究中存在的兩個問題,即傳統(tǒng)的變化檢測方法都是基于其灰度差異圖像進(jìn)行閾值圖像分割獲取變化區(qū)域,忽略了高分辨率遙感圖像的結(jié)構(gòu)信息,以及高分辨率遙感圖像尺寸偏大,會導(dǎo)致更高的算法執(zhí)行時間。本文提出一種基于快速模糊聚類算法的無監(jiān)督遙感變化檢測方法,該方法將改進(jìn)的模糊C均值聚類算法,應(yīng)用于高分辨率遙感圖像,能有效利用圖像的空間信息,進(jìn)而獲得更能代表差異特征的差分圖像;另一方面,該方法將高斯金字塔和模糊C均值聚類算法結(jié)合使用,旨在有效減少圖像的冗余數(shù)據(jù),提高算法計算效率,降低計算復(fù)雜度。(3)基于以上研究,本文還提出一種基于深度對稱式全卷積神經(jīng)網(wǎng)絡(luò)的變化檢測算法框架,用于獲取高分辨率遙感圖像的變化區(qū)域結(jié)果。該模型是基于U-net網(wǎng)絡(luò)的U形對稱結(jié)構(gòu),它能夠采用多層連接,考慮來自多個卷積層的特征,將低維和高維特征合并到最終特征圖中,并有效地探索圖像的上下文信息,以獲得更廣泛的接受域。此外,多尺度池化模塊能夠更好地利用滑坡區(qū)域的空間多尺度特征,有效解決單尺度池化的缺點(diǎn),具有更強(qiáng)的特征表示能力。此外,所提出的用于變化檢測的深度卷積神經(jīng)網(wǎng)絡(luò)模型為變化區(qū)域提供了更準(zhǔn)確的定位。
【學(xué)位授予單位】：陜西科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP751
【圖文】：

如減小對噪聲的敏感程度。但應(yīng)用到 VHR 遙感圖像中的時候，算法對于 VHR 遙感像具有較高的計算復(fù)雜度。根據(jù)目標(biāo)函數(shù)的計算公式（3-4），可以看出，F(xiàn)CM 算法計算復(fù)雜度受到圖像總像素個數(shù) 和聚類個數(shù) 值的影響， 越大，計算復(fù)雜度越高圖像尺寸較大或 較大時，F(xiàn)CM 算法的執(zhí)行時間會較長。因此，可以通過去除圖像的余信息，同時保留圖像的結(jié)構(gòu)化信息來降低 FCM 算法的計算復(fù)雜度。具體將在下一節(jié)進(jìn)行介紹。3.2 基于快速模糊聚類算法的變化檢測考慮可以將FCM算法應(yīng)用于變化檢測中，即利用FRFCM算法生成雙時相遙感圖像割結(jié)果。其次，利用雙時相VHR遙感圖像對應(yīng)的分割結(jié)果計算差異圖像，以獲得初化區(qū)域。因?yàn)镕CM的計算復(fù)雜度受圖像大小的影響，所以在VHR遙感圖像上執(zhí)行FC要很長的運(yùn)行時間。盡管一些改進(jìn)的FCM算法，如EnFCM[56]能夠降低FCM的計算復(fù)，但它們僅適用于灰度圖像。EnFCM和FRFCM都使用直方圖代替像素來去除圖像余信息。然而，很難將EnFCM和FRFCM擴(kuò)展到多波段遙感圖像。因此，可以通過圖像的冗余信息，同時保留圖像的結(jié)構(gòu)化信息來降低FCM的計算復(fù)雜度。

面向高分辨率遙感圖像的變化檢測方法研究結(jié)構(gòu)信息化檢測方法中使用雙時相 VHR 遙感圖像的灰度值來獲取差異圖HR 遙感圖像的結(jié)構(gòu)信息是相似的，因此本文中提出利用圖像的計算差異圖像，因?yàn)閳D像分割結(jié)果往往包括豐富的空間結(jié)構(gòu)信息化檢測是有利的。基于灰度值差異的變化檢測如上圖 3-1 所示。圖像對灰度值的變化很敏感。為了克服這個缺點(diǎn)，獲得更好的變圖像結(jié)構(gòu)信息進(jìn)行變化檢測，獲得變化檢測結(jié)果，如圖 3-2 所示

a) b) c) d) 3-4 使用表 3-1 中的四組聚類中心得到的候選變化區(qū)域（對應(yīng)圖 3-3）：a) 使用表 3-1 所示的（a）類中心；b) 使用表 3-1 所示的（b）聚類中心；c) 使用表 3-1 所示的（c）聚類中心；d) 使用表3-1 所示的（d）聚類中心ig. 3-4 Candidate landslides of Fig. a) of 3-3 using four groups of clustering centers in Table 3-1: a) Can-idate landslides using clustering centers shown in Table 3-1(a); b) Candidate landslides using clusteringenters shown in Table 3-1(b); c) Candidate landslides using clustering centers shown in Table 3-1(c); andd) Candidate landslides using clustering centers shown in Table 3-1(d)表 3-2. 模糊 C 均值聚類算法在多分辨率圖像上的執(zhí)行時間（秒）（ =5）Table 3-2 Execution time (in seconds) of the FCM algorithm on multi-resolution images（ =5）輸入 （a） （b） （c） （d）時間 69.84 17.48 3.28 0.98

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 眭海剛;馮文卿;李文卓;孫開敏;徐川;;多時相遙感影像變化檢測方法綜述[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2018年12期

2 謝馨嫻;岳彩榮;霍鵬;;森林變化檢測方法比較[J];四川林業(yè)科技;2018年03期

3 王娜;張景發(fā);;SAR圖像變化檢測技術(shù)方法綜述[J];地殼構(gòu)造與地殼應(yīng)力文集;2016年01期

4 宋英旭;牛瑞卿;張景發(fā);李永生;羅毅;馮時;陳艷;;遙感影像變化檢測方法對比[J];地殼構(gòu)造與地殼應(yīng)力文集;2016年02期

5 李強(qiáng);張景發(fā);;變化檢測技術(shù)在震害信息提取中的應(yīng)用[J];地理空間信息;2014年02期

6 龍玄耀;李培軍;;基于圖像分割的城市變化檢測[J];地球信息科學(xué);2008年01期

7 于躍龍,盧煥章;以統(tǒng)計變化檢測為基礎(chǔ)的實(shí)時分割視頻對象新方法[J];中國圖象圖形學(xué)報;2005年01期

8 孫揚(yáng);朱凌;修田雨;;基于國產(chǎn)衛(wèi)星影像的協(xié)同分割變化檢測[J];北京建筑大學(xué)學(xué)報;2018年04期

9 王鑫;;聚類分析觀點(diǎn)下的分散式最快變化檢測[J];南京理工大學(xué)學(xué)報;2014年02期

10 沈壁川;毛期儉;呂翊;;基于巴氏距離的視頻流場景變化檢測(英文)[J];重慶郵電大學(xué)學(xué)報(自然科學(xué)版);2009年01期

相關(guān)會議論文 前10條

1 劉元波;;環(huán)境遙感變化探測研究中的若干問題：輻射校正方法與變化檢測算法及其理論關(guān)系[A];中國地理學(xué)會2007年學(xué)術(shù)年會論文摘要集[C];2007年

2 毛衛(wèi)華;;時態(tài)遙感數(shù)據(jù)對象級變化檢測方法研究[A];2016年度浙江省測繪與地理信息學(xué)會優(yōu)秀論文集[C];2016年

3 林麗群;舒寧;肖俊;;MODIS影像自動變化檢測[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

4 劉志剛;李夕海;錢昌松;;遙感圖像變化檢測問題淺析[A];陜西地球物理文集（五）國家安全與軍事地球物理研究[C];2005年

5 王長海;陳文靜;;基于遙感影像分類的城鎮(zhèn)建成區(qū)變化檢測方法研究[A];國家安全地球物理叢書（十三）——軍民融合與地球物理[C];2017年

6 蔣汾龍;王善峰;公茂果;馬晶晶;張明陽;武越;;基于降噪耦合卷積神經(jīng)網(wǎng)絡(luò)的多源遙感影像變化檢測[A];第五屆高分辨率對地觀測學(xué)術(shù)年會論文集[C];2018年

7 鄭安明;羅健;康薇薇;;基于遙感影像的流域下墊面變化檢測[A];環(huán)境變化與水安全——第五屆中國水論壇論文集[C];2007年

8 陳宇;唐偉成;;基于北京一號小衛(wèi)星遙感數(shù)據(jù)的徐州東礦區(qū)土地利用/覆蓋變化檢測方法研究[A];第十七屆中國遙感大會摘要集[C];2010年

9 李全;李霖;;基于LANDSAT TM影像的城市變化檢測研究[A];中國地理學(xué)會2004年學(xué)術(shù)年會暨海峽兩岸地理學(xué)術(shù)研討會論文摘要集[C];2004年

10 歐陽峗;馬建文;戴芹;;動態(tài)貝葉斯網(wǎng)絡(luò)在遙感變化檢測中的應(yīng)用[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

相關(guān)重要報紙文章 前2條

1 本報記者 孫楠 徐文彬;提高我國在氣候變化檢測歸因領(lǐng)域的國際影響力[N];中國氣象報;2016年

2 通訊員 孫愛華　張向峰;區(qū)域氣候變化檢測研討會召開[N];中國氣象報;2009年

相關(guān)博士學(xué)位論文 前10條

1 鄭耀國;基于結(jié)構(gòu)化表示學(xué)習(xí)的遙感圖像分類及變化檢測[D];西安電子科技大學(xué);2016年

2 蘇臨之;基于像素信息和深度學(xué)習(xí)的遙感圖像變化檢測技術(shù)[D];西安電子科技大學(xué);2016年

3 賈璐;基于核理論的遙感影像變化檢測算法研究[D];西安電子科技大學(xué);2016年

4 李瑜;基于特征學(xué)習(xí)的SAR圖像變化檢測方法研究[D];西安電子科技大學(xué);2016年

5 李振軒;基于差分測度的高分辨率遙感影像可靠性變化檢測方法研究[D];中國礦業(yè)大學(xué);2018年

6 劉博宇;時序NDVI數(shù)據(jù)集螺線型構(gòu)建及多形狀參數(shù)變化檢測[D];吉林大學(xué);2018年

7 李勝;聯(lián)合領(lǐng)域知識和深度學(xué)習(xí)的城市地表覆蓋變化檢測方法[D];武漢大學(xué);2018年

8 趙金奇;多時相極化SAR影像變化檢測方法研究[D];武漢大學(xué);2018年

9 劉嘉;多目標(biāo)演化深度神經(jīng)網(wǎng)絡(luò)模型與應(yīng)用[D];西安電子科技大學(xué);2018年

10 龐世燕;三維信息輔助的建筑物自動變化檢測若干關(guān)鍵技術(shù)研究[D];武漢大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 唐文博;基于卷積神經(jīng)網(wǎng)絡(luò)的高分辨率多光譜遙感圖像上的城區(qū)建筑物變化檢測技術(shù)[D];浙江大學(xué);2019年

2 蔣月;集成面向?qū)ο笈c多分類器的遙感影像回溯變化檢測研究[D];蘭州大學(xué);2019年

3 張毅輝;基于深度學(xué)習(xí)的醫(yī)學(xué)影像變化檢測算法研究[D];中北大學(xué);2019年

4 薛丁華;面向高分辨率遙感圖像的變化檢測方法研究[D];陜西科技大學(xué);2019年

5 莊姊琪;基于Siamese卷積神經(jīng)網(wǎng)絡(luò)的高分影像城市地物變化檢測[D];武漢大學(xué);2018年

6 丁永;高分辨率遙感影像結(jié)合地表覆蓋矢量數(shù)據(jù)的變化檢測方法研究[D];武漢大學(xué);2017年

7 許競軒;面向?qū)ο蟮母叻直媛蔬b感影像變化檢測方法研究[D];戰(zhàn)略支援部隊信息工程大學(xué);2018年

8 孫揚(yáng);基于超像素協(xié)同分割的遙感影像變化檢測方法[D];北京建筑大學(xué);2019年

9 紀(jì)超南;多時相衛(wèi)星影像變化檢測中關(guān)鍵問題研究[D];山東大學(xué);2018年

10 劉春成;基于點(diǎn)云數(shù)據(jù)的柱狀目標(biāo)變化檢測[D];北京建筑大學(xué);2018年

本文編號：2754635