【摘要】：遙感圖像變化檢測是指根據(jù)同一地區(qū)不同時(shí)間所成的遙感圖像,對地表信息進(jìn)行比較分析,確定地物變化信息,并定量描述變化情況的過程。遙感圖像變化檢測在城市變遷、國土規(guī)劃、農(nóng)作物生長狀況監(jiān)測、生態(tài)環(huán)境監(jiān)測、災(zāi)害監(jiān)測乃至戰(zhàn)場動(dòng)態(tài)監(jiān)視等領(lǐng)域都有著重要應(yīng)用,其相關(guān)研究有著重要的現(xiàn)實(shí)意義。由于合成孔徑雷達(dá)具有全天時(shí)、全天候,以及穿透力強(qiáng),不易受云層和日照影響的特點(diǎn),SAR(Synthetic Aperture Radar)圖像變化檢測也越來越成為受人關(guān)注的熱點(diǎn)。由于大量SAR數(shù)據(jù)的獲取,快速而精確的SAR圖像變化檢測方法是當(dāng)前遙感數(shù)據(jù)應(yīng)用的關(guān)鍵。為了實(shí)現(xiàn)快速和精確的SAR圖像變化檢測,本文研究了基于空洞卷積的SAR圖像變化檢測方法和基于FPGA的SAR圖像變化檢測關(guān)鍵技術(shù),主要研究內(nèi)容如下所述:1.本文提出了一種基于空洞卷積和平衡損失的SAR圖像變化檢測方法。該方法基于圖像分割的思想進(jìn)行變化檢測,在U-Net網(wǎng)絡(luò)中引入了ESP空間金字塔空洞卷積融合策略和正則化的加權(quán)損失函數(shù),并通過去掉網(wǎng)絡(luò)池化層減少網(wǎng)絡(luò)對特征的采樣,從而保證可以學(xué)習(xí)到變化區(qū)域的細(xì)節(jié)信息。所采用的正則化加權(quán)損失函數(shù)可以在變化與未變化類樣本數(shù)量不均衡條件下的進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)。本文在多組變化檢測數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明基于空洞卷積和平衡損失的SAR圖像變化檢測方法相比于傳統(tǒng)的聚類或卷積網(wǎng)絡(luò)的方法有更高的變化檢測精度,以及較低的虛警和漏報(bào)率。2.本文開發(fā)了一種基于OpenCL的SAR圖像變化檢測的FPGA并行加速系統(tǒng)。該系統(tǒng)對基于小波融合和FLICM模糊聚類的SAR圖像變化檢測方法進(jìn)行了并行化和加速優(yōu)化。首先對算法的結(jié)構(gòu)進(jìn)行了分析,并實(shí)現(xiàn)了并行化算法設(shè)計(jì);然后對FPGA上工作組大小、訪存方式和循環(huán)展開等進(jìn)行了優(yōu)化。上述算法并行化和優(yōu)化策略大大提高了SAR圖像變化檢測的速度,加速比達(dá)到三倍以上。
【圖文】：

與原始圖像x(t)相互獨(dú)立，并且噪聲服從瑞利分布，其分布均值為 差與圖像的等效視數(shù)有關(guān)。SAR 的相干斑噪聲服從瑞利分布（Rayleigh Distribution）[24]，即( )( )( )L L 1nL n exp nLnL (2其中，，L≥1，n ≥0；Γ是 gamma 函數(shù)，L表示 SAR 圖像的等效視數(shù)（ENL.2 遙感圖像變化檢測方法2.2.1 SAR 圖像變化檢測SAR 圖像變化檢測是以 SAR 圖像為信源，根據(jù) SAR 所照射的同一地區(qū)在不期的兩幅配準(zhǔn)圖像，對地區(qū)內(nèi)發(fā)生的變化進(jìn)行確定、識(shí)別以及分析，并且定量地化的過程。如圖 2.1 所示：

圖 3.1 經(jīng)典 LeNet-5 網(wǎng)絡(luò)結(jié)構(gòu)示意圖卷積層是二維權(quán)值（即卷積核）對上一層數(shù)據(jù)進(jìn)行卷積，然后由激活上一層數(shù)據(jù)進(jìn)行特征提取的過程。卷積層對輸入進(jìn)行特征提取所示：jl l 1 l lj i ij ji Mu x * k b ( )l lj jx f u lju 表示第 l 卷積層的第j 通道的經(jīng)過卷積運(yùn)算后的輸出，由公式經(jīng)過卷積累加并加通道偏置項(xiàng)得到的；l 表示 CNN 網(wǎng)絡(luò)結(jié)構(gòu)的的通道數(shù)， 表示進(jìn)行卷積操作，jM表示用于計(jì)算lju 的上一層表示卷積核參數(shù)矩陣，ljb 表示卷積后特征圖的偏置；l 1ix 和lix 分征圖，f( ) 為激活函數(shù)。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN957.52;TN791

【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(shí)相遙感影像變化檢測方法綜述[J];武漢大學(xué)學(xué)報(bào)(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(shí);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(jì)變化檢測為基礎(chǔ)的實(shí)時(shí)分割視頻對象新方法[J];中國圖象圖形學(xué)報(bào);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(bào);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(bào);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(bào)(自然科學(xué)版);2009年01期

相關(guān)會(huì)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(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

2 毛衛(wèi)華;;時(shí)態(tài)遙感數(shù)據(jù)對象級(jí)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(huì)優(yōu)秀論文集[C];2016年

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

4 余小萍;魏鉅杰;;一種綜合極化互相關(guān)性和空間上下文信息的多時(shí)相極化SAR變化檢測方法[A];第六屆高分辨率對地觀測學(xué)術(shù)年會(huì)論文集（上）[C];2019年

5 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

6 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

7 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(huì)論文集[C];2018年

8 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

9 陳宇;唐偉成;;基于北京一號(hào)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(huì)摘要集[C];2010年

10 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(huì)2004年學(xué)術(shù)年會(huì)暨海峽兩岸地理學(xué)術(shù)研討會(huì)論文摘要集[C];2004年

相關(guān)重要報(bào)紙文章 前2條

1 本報(bào)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(bào);2016年

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

相關(guān)博士學(xué)位論文 前10條

1 邵攀;非監(jiān)督遙感變化檢測模糊方法研究[D];武漢大學(xué);2016年

2 李文卓;時(shí)序無人機(jī)影像二三維綜合的面向?qū)ο蠼ㄖ镒兓瘷z測關(guān)鍵技術(shù)研究[D];武漢大學(xué);2017年

3 呂臻;高分辨率遙感影像道路提取與變化檢測關(guān)鍵技術(shù)研究[D];武漢大學(xué);2017年

4 彭代鋒;基于多特征信息挖掘的對象級(jí)光學(xué)衛(wèi)星影像變化檢測研究[D];武漢大學(xué);2017年

5 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

6 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

7 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

8 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

9 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

10 劉博宇;時(shí)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

相關(guān)碩士學(xué)位論文 前10條

1 李進(jìn);基于深度學(xué)習(xí)的高分辨率遙感圖像變化檢測[D];江西師范大學(xué);2019年

2 王成軍;基于超像素與主動(dòng)學(xué)習(xí)采樣策略的高分影像變化檢測方法研究[D];福州大學(xué);2018年

3 羅星;基于中層語義特征的高分辨率遙感影像變化檢測方法研究[D];福州大學(xué);2018年

4 劉本強(qiáng);基于鄰域相對熵和融合紋理信息的SAR影像變化檢測[D];山東科技大學(xué);2018年

5 周曉君;多時(shí)相高分辨率遙感影像變化檢測算法研究[D];大連理工大學(xué);2019年

6 張杰;基于樣本不平衡學(xué)習(xí)和結(jié)構(gòu)語義信息的SAR圖像變化檢測網(wǎng)絡(luò)[D];西安電子科技大學(xué);2019年

7 陳奎伊;基于傾斜攝影測量的建筑物對象級(jí)三維變化檢測方法[D];西南交通大學(xué);2019年

8 劉穗君;基于SAR影像強(qiáng)度與相干系數(shù)的滑坡提取研究[D];西南交通大學(xué);2019年

9 王守峰;面向?qū)ο蟮亩喙庾V遙感影像變化檢測方法研究[D];合肥工業(yè)大學(xué);2019年

10 吳憲;基于對象分割的衛(wèi)星圖像中物體變化檢測與識(shí)別算法研究[D];北京交通大學(xué);2019年

本文編號(hào)：2684155