遙感,通俗來說是指從遠處探測、感知物體的技術,即不與物體本身進行接觸,而是通過遙感平臺搭載的傳感器來探測和接收地面場景或目標的信息。遙感圖像變化檢測技術是指對地表同一地區(qū)不同時間得到的遙感圖像進行分析處理,得到目標區(qū)域的變化信息。隨著稀疏表示理論的發(fā)展以及圖像天然稀疏性的優(yōu)勢,越來越多的研究者將稀疏表示應用于遙感圖像變化檢測領域,提出了許多基于稀疏表示的遙感圖像變化檢測方法。這些方法能夠有效利用圖像的稀疏特性,提升遙感圖像變化檢測效果,但是這些方法也存在著計算復雜度較高,對零散的孤立點檢測效果不佳,容易出現(xiàn)圖像邊框檢測出錯等問題,影響了變化檢測的整體效果。本文圍繞遙感圖像變化檢測方法展開了研究工作,針對基于稀疏表示的變化檢測方法存在的問題,提出了兩種基于協(xié)作表示的遙感圖像變化檢測方法。本文的研究內容主要包括以下兩部分:1.針對傳統(tǒng)稀疏表示變化檢測方法計算復雜度過高等問題,本文結合流行的協(xié)作表示方法提出了一種雙字典多協(xié)作系數(shù)差分的遙感圖像變化檢測技術。首先分別由兩幅圖像全局訓練得到兩個全局字典,其次兩幅圖像分別對兩個字典求得相應的協(xié)作表示系數(shù),然后使用這些協(xié)作系數(shù)得到蘊含差異信息的差分協(xié)作系數(shù),最后對得到的差分協(xié)作系數(shù)進行分類得到變化檢測結果。本文通過兩組真實遙感圖像數(shù)據(jù)的仿真實驗,說明了本算法的有效性。2.上述協(xié)作表示方法是對原始圖像進行協(xié)作表示后得到協(xié)作表示系數(shù),然后再根據(jù)協(xié)作表示系數(shù)得到蘊含差異信息的差分協(xié)作系數(shù)。從其他角度分析,提出了一種差異圖像協(xié)作表示的變化檢測算法。首先由兩幅原始圖像得到差異圖像,其次由差異圖像訓練得到一個全局字典,然后由差異圖像直接對字典求得蘊含差異信息的協(xié)作系數(shù),最后對得到的協(xié)作系數(shù)進行分類。實驗結果表明本文算法可以獲得更好的變化檢測效果。
【學位單位】：西南交通大學
【學位級別】：碩士
【學位年份】：2017
【中圖分類】：TP751
【部分圖文】：

通過比較兩個時刻的遙感圖像獲得差異信息，從而得到地表同一地區(qū)在前后不同時刻逡逑發(fā)生的變化信息。逡逑通常情況下，遙感圖像變化檢測的一般處理過程可以由圖１－１說明。逡逑圖像數(shù)據(jù)輸入邐｜邐ｆ邐提取變化信息逡逑Ｉ邐１邐Ｉ逡逑Ｉ邋邐Ｉ邐Ｉ邐邐邐邋Ｉ邋邐邋邐逡逑！，邐，１逡逑丨乃時刻遙感圖像邐＾邐＾邐！邐變丨邐變逡逑ＩＩ

圖３－１雙字典多協(xié)作系數(shù)差分的變化檢測方法流程圖逡逑算法具體步驟如下：逡逑步驟一：逡逑

Ｇ－Ｃ３＋Ｃ２－Ｃ４得到包含分類信息的每個像素點的差分協(xié)作系數(shù)向量逡逑Ｋ－ｍｅａｎｓ分類得到變化檢測結果逡逑圖３－１雙字典多協(xié)作系數(shù)差分的變化檢測方法流程圖逡逑算法具體步驟如下：逡逑步驟一：逡逑將己經經過預處理的同一區(qū)域不同時刻的兩幅遙感圖像輸入，記為７；和７＾，ｘｗ，邋Ｔｌ＝｛ｔ｛（ｉ，ｊ）＼＼＜ｉ＜ｍ，＼＜ｊ＜ｎ｝，邋Ｔ２邋＝邋｛ｔ２（ｉ，ｊ）＼＼＜邋ｉ邋＜邋ｍ．＼邋＜邋ｊ邋＜邋ｎ］，邋ｒ，邋（／，／）邋＾／？像素點，Ｇ（／，ｙ＿）為圖像ｒ２中的像素點。逡逑步驟二：逡逑為了便于后續(xù)特征向量的抽取，對７；圖像和ｒ２圖像同時擴展，將邊框處的像素復制，得到擴展后的圖像ｒ３和ｒ４，分別是（ｍ＋２Ｍ？＋２）階矩陣，如圖所示：逡逑

【參考文獻】

相關期刊論文 前10條

1 高桂榮;嚴威;夏晨陽;吳國寶;;結合空間信息的PTSVM的遙感圖像變化檢測[J];電子測量技術;2016年04期

2 夏朝旭;何政偉;于歡;王東輝;葉嬌瓏;;面向對象的土地覆被變化檢測研究[J];遙感技術與應用;2014年01期

3 殷守敬;吳傳慶;王橋;馬萬棟;朱利;姚延娟;王雪蕾;吳迪;;多時相遙感影像變化檢測方法研究進展綜述[J];光譜學與光譜分析;2013年12期

4 孫穎;尹紅;田沁花;胡婷;石英;劉洪濱;周波濤;;全球和中國區(qū)域近50年氣候變化檢測歸因研究進展[J];氣候變化研究進展;2013年04期

5 宋相法;焦李成;;基于稀疏表示及光譜信息的高光譜遙感圖像分類[J];電子與信息學報;2012年02期

6 李亮;舒寧;王琰;;利用歸一化互信息進行基于像斑的遙感影像變化檢測[J];遙感信息;2011年06期

7 王彥情;馬雷;田原;;光學遙感圖像艦船目標檢測與識別綜述[J];自動化學報;2011年09期

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

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

10 李金基;焦李成;張向榮;楊咚咚;;基于融合和T-分布的SAR圖像水災變化檢測[J];計算機研究與發(fā)展;2011年02期

相關博士學位論文 前5條

1 湯玉奇;面向對象的高分辨率影像城市多特征變化檢測研究[D];武漢大學;2013年

2 路錦正;基于稀疏表示的圖像超分辨率重構技術研究[D];電子科技大學;2013年

3 易學能;圖像的稀疏字典及其應用[D];華中科技大學;2011年

4 鄧承志;圖像稀疏表示理論及其應用研究[D];華中科技大學;2008年

5 鐘家強;基于多時相遙感圖像的變化檢測[D];國防科學技術大學;2005年

相關碩士學位論文 前10條

1 邱允亮;基于Semi-NMF的多時相遙感圖像變化檢測研究及應用[D];西南交通大學;2016年

2 王強;基于RS和GIS的山區(qū)高速公路生態(tài)環(huán)境變化檢測[D];重慶交通大學;2015年

3 張家琦;遙感影像變化檢測方法及應用研究[D];中國地質大學(北京);2015年

4 張紹泉;基于高光譜遙感影像稀疏解混的水域變化檢測[D];南昌工程學院;2015年

5 郭新海;基于稀疏表示和低秩矩陣分解的人臉識別與圖像對齊方法研究[D];北京交通大學;2015年

6 張盼;基于低秩和稀疏表示的人臉識別算法研究[D];燕山大學;2014年

7 郝曉婷;基于學習字典稀疏表示的遙感圖像分類算法研究與應用[D];北方民族大學;2014年

8 吳云坤;遙感圖像變化檢測技術研究[D];國防科學技術大學;2013年

9 段賽仙;基于多時相遙感影像的土地利用變化檢測研究[D];昆明理工大學;2013年

10 馬靜林;基于字典及稀疏表示的遙感圖像變化檢測方法研究[D];西安電子科技大學;2013年

本文編號：2818856