目前通過遙感獲取的圖像的常見用途是對地球表面發(fā)生的變化進(jìn)行詳細(xì)監(jiān)測。這些變化(如洪水)會產(chǎn)生光譜差異,可通過遙感圖像分析進(jìn)行區(qū)分。無論圖像的來源和表面變化的類型如何,這些數(shù)據(jù)的正確處理意味著采用靈活,穩(wěn)健且可能非線性的方法來計算正確表征圖像像素的復(fù)雜統(tǒng)計關(guān)系。在變化檢測領(lǐng)域已經(jīng)建立了許多方法。實際上,檢測變化是一個過程,需要謹(jǐn)慎考慮許多功能,如檢測變化問題的性質(zhì),圖像處理預(yù)設(shè),選擇合適的變量和算法來解決CD問題。傳統(tǒng)的變化檢測方法消耗更多的時間,與手動調(diào)節(jié)有關(guān),并且受到區(qū)域內(nèi)噪聲或復(fù)雜光譜類別的影響。通過這些方法獲得的變化地圖通常會出現(xiàn)孤立變化的像素并且呈現(xiàn)低精度。因此,無監(jiān)督變化檢測是一種完全自動且無監(jiān)督的方法,用于對變化進(jìn)行準(zhǔn)確的二進(jìn)制檢測。該技術(shù)允許在沒有任何用戶干預(yù)的情況下進(jìn)行精確的映射,這導(dǎo)致當(dāng)待機和系統(tǒng)響應(yīng)時間是確定在不同時間獲取的兩個或多個配準(zhǔn)的遙感圖像變化的關(guān)鍵障礙時特別有用。核心k均值聚類過程用于將兩組像素相關(guān)聯(lián)到“變化”和“無變化”類。我們提供了一種有效的方法來區(qū)分這兩類變化:這種方法依賴于三個不同的步驟:(A)初始化聚類,(B)核函數(shù)參數(shù)估計和聚類,以及(C)最終分配像素到他們的類。為了評估Kkm技術(shù)對多種遙感圖像和應(yīng)用的有效性,通過Landsat TM獲得兩個不同的數(shù)據(jù)集。結(jié)果顯示了這種自動CD方法用于環(huán)境變化監(jiān)測的靈活性和有效性。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP751
【文章目錄】：
Abstract
摘要
CHAPTER 1.GENERAL INTRODUCTION
    1.1 Introduction
    1.2 Literature review
    1.3 Problem description and research motivation
        1.3.1 Problem description
        1.3.2 Research motivation
    1.4 Research objectives
        1.4.1 Main objectives
        1.4.2 Specific objectives
    1.5 Research methods and outlines
Chapter 2 Background on Remote Sensing Field and Change Detection Methods
    2.1 Introduction to remote sensing imagery
        2.1.1 Remote sensing data collection
        2.1.2 Principles of electromagnetic spectrum in remote sensing
        2.1.3 Remote sensing platforms and sensor characteristics
        2.1.4 Image characteristics
        2.1.5 Optical remote sensing
        2.1.6 Hyperspectral remote sensing
    2.2 An overview of remote sensing change detection
        2.2.1 Change detection difficulties and challenges
        2.2.2 Unit of analysis
        2.2.3 Comparison methods
    2.3 Brief summary
Chapter 3 Unsupervised Change Detection with Kernels
    3.1 Study area and dataset
    3.2 Kernel-based change-detection framework
        3.2.1 Kernel k-means partitioning algorithm
        3.2.2 Initialization
        3.2.3 Unsupervised cost function
        3.2.4 Feature maps
        3.2.5 Accuracy evaluation
        3.2.6 Receiver operating characteristic
    3.3 Brief summary
Chapter 4 Experimental Results
    4.1 Paraguay-Parana river dataset
    4.2 Change maps for Paraguay-Parana river
    4.3 Cambodia flooding dataset
    4.4 Change maps for Cambodia flooding
    4.5 Training sample and Kernel parameter selection precising
    4.6 Change detection maps enhancement
    4.7 Change maps for Paraguay-Parana river after enhancement
    4.8 Opening morphology
    4.9 Change maps for Cambodia flooding opening morphology
    4.10 Brief summary
Conclusion
結(jié)論
References
Acknowledgements
Resume

【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;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 王鑫;;聚類分析觀點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

9 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

10 陳雪,戴芹,馬建文,馮春;多光譜遙感數(shù)據(jù)直接分類變化檢測的神經(jīng)網(wǎng)絡(luò)方法研究[J];計算機工程與應(yīng)用;2004年28期

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 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

6 何鵬飛;基于不確定性分析的遙感影像變化檢測方法研究[D];中國礦業(yè)大學(xué);2017年

7 杜曉敏;熱紅外遙感煤火探測方法及煤火變化檢測[D];中國礦業(yè)大學(xué)(北京);2015年

8 石娟;基于無人機影像的變化檢測關(guān)鍵技術(shù)研究[D];武漢大學(xué);2015年

9 解云琳;面向?qū)ο蟮某鞘型恋剡b感變化檢測和提取方法研究[D];武漢大學(xué);2013年

10 程濤;基于壓縮感知的遙感變化檢測研究[D];武漢大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 李延金;影像相關(guān)性分析在遙感變化檢測中的應(yīng)用研究[D];長安大學(xué);2018年

2 吳靜波;鹽堿地信息提取和變化檢測方法應(yīng)用與比較[D];寧夏大學(xué);2018年

3 虢英杰;一種目標(biāo)級高分辨率遙感影像的頻域變化檢測方法研究[D];昆明理工大學(xué);2018年

4 劉波;基于SVDD特征選擇的隨機森林高分辨率遙感影像變化檢測[D];蘭州交通大學(xué);2018年

5 郭慶樂;多時相遙感圖像變化檢測及趨勢分析[D];哈爾濱工業(yè)大學(xué);2018年

6 REZKI MOSTEFA;衛(wèi)星遙感圖像非監(jiān)督變化檢測及其在洪澇區(qū)域的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2018年

7 劉霜辰;高分遙感影像在林地變化檢測中的應(yīng)用研究[D];西安科技大學(xué);2018年

8 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

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

10 袁玉;基于SAR圖像相干變化檢測的建筑物震害信息提取研究[D];防災(zāi)科技學(xué)院;2018年

本文編號：2886513