發(fā)布時(shí)間：2017-03-21 12:07

  本文關(guān)鍵詞：多特征融合的遙感影像變化檢測技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：遙感影像的變化檢測是遙感數(shù)據(jù)處理與應(yīng)用的重要環(huán)節(jié)。隨著航空航天技術(shù)和傳感器技術(shù)的快速發(fā)展,遙感影像的數(shù)據(jù)來源越來越豐富,且分辨率越來越高,傳統(tǒng)的變化檢測方法已經(jīng)無法滿足實(shí)際應(yīng)用的需要。針對這一問題,本文系統(tǒng)研究了多特征融合的遙感影像變化檢測技術(shù),在影像分割和多種特征提取的基礎(chǔ)上,分別研究了監(jiān)督型和非監(jiān)督型的多特征融合變化檢測方法。論文的主要工作和創(chuàng)新點(diǎn)如下:1、系統(tǒng)總結(jié)了多特征融合的遙感影像變化檢測的研究現(xiàn)狀、一般原理、方法分類和主要流程。介紹了監(jiān)督型的多特征融合變化檢測原理和非監(jiān)督型的多特征融合變化檢測原理,并比較了各自的特點(diǎn)。2、提出了一種結(jié)合四元數(shù)與直方圖的多光譜圖像自適應(yīng)邊緣檢測方法。該方法針對圖像自適應(yīng)邊緣檢測的難點(diǎn)和傳統(tǒng)多光譜遙感圖像邊緣檢測方法的局限性,利用四元數(shù)來描述多光譜圖像,通過矢量旋轉(zhuǎn)完成了多光譜圖像的邊緣檢測,并采用直方圖統(tǒng)計(jì)的方法獲取自適應(yīng)閾值,實(shí)現(xiàn)了邊緣圖像的二值化。利用陸地多光譜遙感圖像和水域多光譜遙感圖像分別進(jìn)行實(shí)驗(yàn),驗(yàn)證了該方法的有效性。3、研究了基于BP神經(jīng)網(wǎng)絡(luò)的多特征融合變化檢測方法和基于支持向量機(jī)(SVM)的多特征融合變化檢測方法。在一定數(shù)量的樣本支持下,利用BP神經(jīng)網(wǎng)絡(luò)或SVM對多特征差值向量集進(jìn)行處理,完成了變化類和未變化類的判別。通過理論分析與實(shí)驗(yàn)比較,驗(yàn)證了這兩種方法優(yōu)于傳統(tǒng)的影像代數(shù)法和僅使用對象光譜特征的方法,而基于SVM的多特征融合變化檢測方法要優(yōu)于基于BP神經(jīng)網(wǎng)絡(luò)的方法。4、提出了基于迭代慢特征分析(ISFA)的多特征融合變化檢測方法。通過慢特征分析(SFA)將原始多個(gè)特征的變化變換到一個(gè)新的特征空間,增大了變化像元與未變化像元的可分性。為了提高算法的自適應(yīng)能力,引入了選權(quán)迭代的思想,實(shí)現(xiàn)了多特征的自動(dòng)融合和變換。實(shí)驗(yàn)表明ISFA法可以有效實(shí)現(xiàn)多特征融合的變化檢測,精度上也優(yōu)于基于主成分分析(PCA)的方法。通過與監(jiān)督型方法的變化檢測結(jié)果進(jìn)行比較,發(fā)現(xiàn)ISFA法對光譜信息豐富的多光譜影像具有更好的檢測效果。
【關(guān)鍵詞】：變化檢測 多特征融合 支持向量機(jī) 慢特征分析 神經(jīng)網(wǎng)絡(luò) 主成分分析 多光譜圖像
【學(xué)位授予單位】：解放軍信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：P237
【目錄】：

• 摘要4-5
• Abstract5-10
• 第一章 緒論10-17
• 1.1 研究背景和意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-15
• 1.2.1 遙感影像變化檢測整體研究現(xiàn)狀11-13
• 1.2.2 多特征融合技術(shù)研究現(xiàn)狀13-14
• 1.2.3 面向?qū)ο筇卣魈崛〖夹g(shù)研究現(xiàn)狀14-15
• 1.3 論文的主要研究內(nèi)容及章節(jié)安排15-17
• 1.3.1 論文的主要研究內(nèi)容15-16
• 1.3.2 論文的章節(jié)安排16-17
• 第二章 多特征融合的遙感影像變化檢測基礎(chǔ)17-25
• 2.1 遙感影像變化檢測分類17-19
• 2.1.1 按照分析層次分類17-19
• 2.1.2 按照檢測方法分類19
• 2.2 多特征融合的遙感影像變化檢測概述19-21
• 2.2.1 一般流程20
• 2.2.2 方法分類20-21
• 2.2.3 主要難點(diǎn)21
• 2.3 本文的實(shí)驗(yàn)方法21-24
• 2.3.1 對比實(shí)驗(yàn)算法21-23
• 2.3.2 精度評價(jià)方法23-24
• 2.4 本章小結(jié)24-25
• 第三章 影像分割及多種特征提取25-38
• 3.1 基于邊緣的影像分割25
• 3.2 結(jié)合四元數(shù)與直方圖的自適應(yīng)邊緣檢測25-34
• 3.2.1 四元數(shù)理論26-27
• 3.2.2 基于矢量旋轉(zhuǎn)的多光譜圖像邊緣檢測27-28
• 3.2.3 基于矢量距離的邊緣圖像二值化28
• 3.2.4 基于直方圖的邊緣圖像二值化28-30
• 3.2.5 陸地遙感圖像實(shí)驗(yàn)與分析30-32
• 3.2.6 水域遙感圖像實(shí)驗(yàn)與分析32-34
• 3.3 邊緣連接和區(qū)域合并34-35
• 3.3.1 邊緣連接34-35
• 3.3.2 區(qū)域合并35
• 3.4 遙感影像的多種特征提取35-37
• 3.4.1 光譜特征提取35-36
• 3.4.2 紋理特征提取36
• 3.4.3 空間特征提取36-37
• 3.4.4 歸一化處理37
• 3.5 本章小結(jié)37-38
• 第四章 監(jiān)督型的多特征融合變化檢測方法38-57
• 4.1 基于BP神經(jīng)網(wǎng)絡(luò)的多特征融合變化檢測38-41
• 4.1.1 BP神經(jīng)網(wǎng)絡(luò)基本原理38-40
• 4.1.2 神經(jīng)網(wǎng)絡(luò)的特點(diǎn)40
• 4.1.3 基于BP神經(jīng)網(wǎng)絡(luò)的變化檢測方法40-41
• 4.2 基于SVM的多特征融合變化檢測41-46
• 4.2.1 SVM的基本二分類方法41-43
• 4.2.2 SVM的非線性二分類方法43-45
• 4.2.3 SVM與神經(jīng)網(wǎng)絡(luò)的比較45
• 4.2.4 基于SVM的變化檢測方法45-46
• 4.3 實(shí)驗(yàn)結(jié)果及分析46-55
• 4.4 本章小結(jié)55-57
• 第五章 非監(jiān)督型的多特征融合變化檢測方法57-72
• 5.1 基于PCA的多特征融合變化檢測57-59
• 5.1.1 PCA基本原理57-58
• 5.1.2 基于PCA的變化檢測方法58-59
• 5.2 基于ISFA的多特征融合變化檢測59-64
• 5.2.1 SFA基本原理59-61
• 5.2.2 基于SFA的變化檢測方法61-63
• 5.2.3 基于ISFA的變化檢測方法63-64
• 5.3 實(shí)驗(yàn)結(jié)果及分析64-70
• 5.4 本章小結(jié)70-72
• 第六章 總結(jié)與展望72-74
• 6.1 本文研究工作的總結(jié)72
• 6.2 對今后研究工作的展望72-74
• 致謝74-75
• 參考文獻(xiàn)75-80
• 作者簡歷 攻讀碩士學(xué)位期間完成的主要工作80

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李亮;舒寧;王凱;龔煈;;融合多特征的遙感影像變化檢測方法[J];測繪學(xué)報(bào);2014年09期

2 林棟;秦志遠(yuǎn);楊婧瑋;張占睦;;高分辨率遙感影像多特征協(xié)同地物分類方法[J];測繪科學(xué)技術(shù)學(xué)報(bào);2014年02期

3 李亮;龔煈;李雪;王凱;;像斑直方圖相似性測度的高分辨率遙感影像變化檢測[J];遙感學(xué)報(bào);2014年01期

4 李雪;舒寧;李井岡;劉小利;;基于特征貢獻(xiàn)選擇的遙感影像變化檢測方法研究[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年10期

5 湛寧;;多特征和SVM相融合的三維物體識別方法[J];計(jì)算機(jī)仿真;2013年03期

6 劉曉偉;孟巖;龔浩;周贊東;駱方;;基于多特征融合的SAR圖像輸電走廊變化檢測[J];電力科學(xué)與技術(shù)學(xué)報(bào);2012年04期

7 陳克明;周志鑫;盧漢清;胡文龍;孫顯;;基于高斯過程的高分辨率遙感圖像變化檢測[J];遙感學(xué)報(bào);2012年06期

8 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方法[J];國土資源遙感;2012年04期

9 杜培軍;柳思聰;;融合多特征的遙感影像變化檢測[J];遙感學(xué)報(bào);2012年04期

10 李暉;肖鵬峰;馮學(xué)智;馮莉;王珂;;基于向量場模型的多光譜遙感圖像多尺度邊緣檢測[J];測繪學(xué)報(bào);2012年01期

  本文關(guān)鍵詞：多特征融合的遙感影像變化檢測技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：259626