發(fā)布時(shí)間：2018-06-20 22:51

  本文選題：遙感影像變化檢測(cè) + 核變換��； 參考：《中國(guó)礦業(yè)大學(xué)》2017年碩士論文

【摘要】：遙感對(duì)地觀測(cè)技術(shù)憑借其覆蓋面廣、多時(shí)相、周期短、信息豐富等優(yōu)點(diǎn),為土地利用現(xiàn)狀分析、土地資源管理、災(zāi)害預(yù)防和應(yīng)急響應(yīng)以及城市化進(jìn)程等各項(xiàng)工程提供更加便捷、有效的服務(wù)。針對(duì)研究區(qū)域變化檢測(cè)標(biāo)記樣本難以獲取、變化信息存在非線性分布等情況,本文引入核思想,從基于像元的遙感影像變化范圍和變化類型檢測(cè)兩個(gè)目的出發(fā),設(shè)計(jì)了基于核變換的變化檢測(cè)方法,主要研究?jī)?nèi)容如下:(1)在總結(jié)核變換的基礎(chǔ)理論、核函數(shù)的基本屬性以及多核構(gòu)造的必要條件基礎(chǔ)上,比較了幾類經(jīng)典的遙感影像變化檢測(cè)方法,并實(shí)現(xiàn)了經(jīng)典的變化矢量分析法(Change Vector Analysis,CVA),分析其與極化CVA、壓縮極化CVA(Compressed CVA,C2VA)間的優(yōu)劣勢(shì),并運(yùn)用大津閾值法(OTSU)確認(rèn)變化范圍、傳統(tǒng)編碼法獲取變化類型,并以此作為后續(xù)實(shí)驗(yàn)對(duì)比。(2)為了確定變化范圍,利用自適應(yīng)的融合策略融合兩時(shí)相間經(jīng)典CVA結(jié)果和光譜角、光譜相關(guān)性匹配結(jié)果,即融合多相似性測(cè)度作為最終的變化強(qiáng)度圖。采取多目標(biāo)優(yōu)化的核K-均值聚類算法代替閾值化過程,在未知數(shù)據(jù)具體分布形式前提下,增加數(shù)據(jù)的可分性,在一定程度上提高自動(dòng)化水平。(3)為了確定變化類型,利用壓縮極化CVA獲取在極坐標(biāo)系下能夠可視化分析的變化方向信息后,在置信度高的小鄰域范圍內(nèi)隨機(jī)選擇訓(xùn)練樣本,并運(yùn)用不同的核函數(shù)以不同方式混合的支持向量機(jī)(Support Vector Machine,SVM)來確認(rèn)變化類型。該設(shè)計(jì)方案與單核SVM相比,節(jié)省了人工選擇核函數(shù)的過程;與傳統(tǒng)編碼法相比,在精度上有一定提升。(4)在Matlab 2013a平臺(tái)上設(shè)計(jì)了一個(gè)基于核變換遙感影像變化檢測(cè)的簡(jiǎn)易系統(tǒng),重點(diǎn)開發(fā)了三個(gè)模塊:變化強(qiáng)度融合、變化范圍檢測(cè)和變化類型檢測(cè)模塊。該系統(tǒng)提供便于操作的交互界面,可根據(jù)用戶選擇的具體方法,實(shí)現(xiàn)對(duì)兩時(shí)相影像的變化檢測(cè)。同時(shí),利用兩組模擬數(shù)據(jù)和兩組真實(shí)影像驗(yàn)證其可行性和有效性,實(shí)現(xiàn)了對(duì)于不同的數(shù)據(jù)分布、不同的變化類型影像的變化檢測(cè)。實(shí)驗(yàn)結(jié)果表明,相比于傳統(tǒng)的變化檢測(cè)方法,設(shè)計(jì)的基于核變換的方案表現(xiàn)出較優(yōu)的檢測(cè)性能。
[Abstract]:Based on the advantages of wide coverage, multi phase, short period, and rich information, remote sensing technology provides more convenient and effective services for various projects such as land use analysis, land resource management, disaster prevention and emergency response and urbanization process. In this paper, we introduce nuclear thought, design a change detection method based on nuclear transformation based on two purposes, which are based on the range and type of change of remote sensing images. The main research contents are as follows: (1) the basic theory of nuclear transformation, basic attributes of kernel functions and the necessity of multi core construction are summarized. On the basis of conditions, several kinds of classical remote sensing image change detection methods are compared, and the classical variable vector analysis (Change Vector Analysis, CVA) is realized, and the advantages and disadvantages between them and polarization CVA, compressed polarization CVA (Compressed CVA, C2VA) are analyzed. The change range is confirmed by the Otsu threshold method (OTSU), and the change type is obtained by the traditional coding method. And as a follow-up experiment comparison. (2) in order to determine the range of changes, the adaptive fusion strategy is used to fuse the classical CVA results and spectral angles of the two phase, and the spectral correlation matching results, that is, the fusion of multi similarity measure as the final change intensity map. On the premise of knowing the specific distribution of data, increasing the separability of data and improving the level of automation to a certain extent. (3) in order to determine the change type, using the compressed polarization CVA to obtain the change direction information which can be visualized and analyzed in the polar coordinate system, the training samples are randomly selected in the small neighborhood range with high confidence, and the difference is used. The kernel function is Support Vector Machine (SVM) in different ways to confirm the change type. Compared with the mononuclear SVM, this scheme saves the process of artificial selection of the kernel function; compared with the traditional coding method, it has a certain improvement in the precision. (4) a nuclear transform remote sensing image is designed on the Matlab 2013a platform. The simple system of change detection focuses on the development of three modules: change intensity fusion, change range detection and change type detection module. The system provides an easy to operate interface, and can detect the changes of two phase images according to the specific method of user selection. At the same time, two groups of analog data and two groups of real images are used. The feasibility and validity, realizes the different data distribution changes of different types of image detection. The experimental results show that the change detection method compared to the traditional design, the kernel transformation scheme based on the show has a better detection performance.
【學(xué)位授予單位】：中國(guó)礦業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：P237

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 佟國(guó)峰;李勇;丁偉利;岳曉陽;;遙感影像變化檢測(cè)算法綜述[J];中國(guó)圖象圖形學(xué)報(bào);2015年12期

2 馮文卿;張永軍;;利用多尺度融合進(jìn)行面向?qū)ο蟮倪b感影像變化檢測(cè)[J];測(cè)繪學(xué)報(bào);2015年10期

3 賈永紅;謝志偉;張謙;楊剛;;采用獨(dú)立閾值的遙感影像變化檢測(cè)方法[J];西安交通大學(xué)學(xué)報(bào);2015年12期

4 趙珍珍;燕琴;劉正軍;;高分遙感影像與矢量數(shù)據(jù)結(jié)合的變化檢測(cè)方法[J];測(cè)繪科學(xué);2015年06期

5 全衛(wèi)澎;李衛(wèi)華;李小春;;多特征自適應(yīng)融合的高分辨率遙感影像變化檢測(cè)[J];電光與控制;2015年03期

6 王麗云;李艷;汪禹芹;;基于對(duì)象變化矢量分析的土地利用變化檢測(cè)方法研究[J];地球信息科學(xué)學(xué)報(bào);2014年02期

7 匡芳君;徐蔚鴻;張思揚(yáng);;基于改進(jìn)混沌粒子群的混合核SVM參數(shù)優(yōu)化及應(yīng)用[J];計(jì)算機(jī)應(yīng)用研究;2014年03期

8 林怡;劉冰;陳映鷹;潘琛;;多特征差分核支持向量機(jī)遙感影像變化檢測(cè)方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年08期

9 魏立飛;王海波;;基于MSE模型的高分辨率遙感圖像變化檢測(cè)[J];光譜學(xué)與光譜分析;2013年03期

10 王東廣;肖鵬峰;宋曉群;王鐵成;陳剛;;結(jié)合紋理信息的高分辨率遙感圖像變化檢測(cè)方法[J];國(guó)土資源遙感;2012年04期

相關(guān)博士學(xué)位論文 前3條

1 李陽;多核學(xué)習(xí)SVM算法研究及肺結(jié)節(jié)識(shí)別[D];吉林大學(xué);2014年

2 鐘家強(qiáng);基于多時(shí)相遙感圖像的變化檢測(cè)[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

3 張曉東;基于遙感影像與GIS數(shù)據(jù)的變化檢測(cè)理論和方法研究[D];武漢大學(xué);2005年

相關(guān)碩士學(xué)位論文 前8條

1 王立達(dá);基于混合核函數(shù)的SVM及其應(yīng)用研究[D];大連海事大學(xué);2016年

2 張家琦;遙感影像變化檢測(cè)方法及應(yīng)用研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

3 楊海;SVM核參數(shù)優(yōu)化研究與應(yīng)用[D];浙江大學(xué);2014年

4 鄧海;降維多核K-Means算法在文本聚類中的研究[D];廣西大學(xué);2013年

5 房菲;基于核方法的支持向量機(jī)在人體動(dòng)作識(shí)別中的應(yīng)用研究[D];中國(guó)海洋大學(xué);2013年

6 賈彩杰;基于模糊聚類算法的遙感圖像變化檢測(cè)的研究[D];西安電子科技大學(xué);2013年

7 劉明;支持向量機(jī)中Sigmoid核函數(shù)的研究[D];西安電子科技大學(xué);2009年

8 劉小洲;高分辨率遙感圖像的變化檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2007年

，

本文編號(hào)：2045977