【摘要】：變化檢測(cè)是遙感技術(shù)應(yīng)用研究熱點(diǎn)之一,隨著遙感平臺(tái)的飛速發(fā)展,影像分辨率已達(dá)到亞米級(jí),利用傳統(tǒng)基于像元的影像分析方法進(jìn)行高分辨率遙感影像變化檢測(cè)時(shí),檢測(cè)結(jié)果出現(xiàn)嚴(yán)重的斑點(diǎn)現(xiàn)象。面向?qū)ο笥跋穹治黾夹g(shù)的出現(xiàn)為解決上述難題提供了契機(jī),但是仍存在多個(gè)制約變化檢測(cè)精度的問題,具體包括:影像分割尺度難以確定;影像對(duì)象差異性度量方法過于簡(jiǎn)單,檢測(cè)效果較差;利用單一特征進(jìn)行變化檢測(cè)無法顧及影像地物“同物異譜”特性;單一尺度檢測(cè)結(jié)果難以顧及不同尺寸地物的差異性。針對(duì)上述問題,本文通過探討現(xiàn)有的面向?qū)ο笥跋穹治龇椒ê妥兓瘷z測(cè)方法,在面向?qū)ο笥跋穹治隹蚣芟?開展多尺度分割的最優(yōu)尺度研究,并引入相似性測(cè)度來度量對(duì)象差異性。在此基礎(chǔ)上,提出光譜-紋理特征自適應(yīng)融合方法,構(gòu)建多尺度投票機(jī)制,實(shí)現(xiàn)多尺度多特征融合的面向?qū)ο笞兓瘷z測(cè)。具體研究?jī)?nèi)容如下:(1)提出了一種基于灰度共生矩陣(Grey Level Co-occurrence Matrix,GLCM)紋理特征的最優(yōu)尺度選取方法,利用灰度共生矩陣提取影像的紋理均值,通過紋理均值與分割尺度間的變化關(guān)系確定最優(yōu)尺度,實(shí)現(xiàn)了聯(lián)合紋理和光譜特征的最優(yōu)尺度提取。不同場(chǎng)景下與現(xiàn)有最優(yōu)尺度選取方法的對(duì)比實(shí)驗(yàn)結(jié)果表明,基于GLCM的紋理均值法對(duì)不同場(chǎng)景影像的適用性更強(qiáng),提取的最優(yōu)尺度下分割結(jié)果精度也更高。(2)將相似性度量方法引入面向?qū)ο笞兓瘷z測(cè)中,利用相似性測(cè)度來度量不同時(shí)期影像對(duì)象之間的差異性,實(shí)現(xiàn)了基于相似性測(cè)度的面向?qū)ο笞兓瘷z測(cè)。結(jié)合傳統(tǒng)的差值法開展對(duì)比實(shí)驗(yàn),結(jié)果表明,基于相似性測(cè)度的面向?qū)ο笞兓瘷z測(cè)方法在不同場(chǎng)景下的檢測(cè)精度均比差值法更高,對(duì)于較復(fù)雜的影像場(chǎng)景檢測(cè)精度提升幅度更大。(3)提出了一種特征自適應(yīng)融合方法,實(shí)現(xiàn)了融合光譜特征和紋理特征的變化檢測(cè)方法。在此基礎(chǔ)上,結(jié)合多值邏輯規(guī)則和多數(shù)投票原理,構(gòu)建了多尺度融合機(jī)制,實(shí)現(xiàn)了最優(yōu)尺度集檢測(cè)結(jié)果的投票融合。實(shí)驗(yàn)結(jié)果表明:在不同場(chǎng)景下,特征融合的檢測(cè)精度均比單特征變化檢測(cè)結(jié)果的精度高,多尺度融合結(jié)果精度也比單尺度檢測(cè)結(jié)果精度高,且兩種方法在復(fù)雜場(chǎng)景下精度提升更明顯。
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：P237
【圖文】：

圖 2-1 影像獨(dú)立分割示意圖后套合一時(shí)相影像(T1)進(jìn)行分割，獲取具有對(duì)象的邊界信息的分割結(jié)果時(shí)相影像(T2)套合分割。此方法能夠保證前后時(shí)相分割對(duì)象的一含 T1 影像信息，缺乏 T2 影像信息。圖 2-2 影像先分割后套合示意圖

西南交通大學(xué)碩士研究生學(xué)位論文 圖 2-1 影像獨(dú)立分割示意圖后套合一時(shí)相影像(T1)進(jìn)行分割，獲取具有對(duì)象的邊界信息的分割結(jié)果時(shí)相影像(T2)套合分割。此方法能夠保證前后時(shí)相分割對(duì)象的一含 T1 影像信息，缺乏 T2 影像信息。

含 T1 影像信息，缺乏 T2 影像信息。圖 2-2 影像先分割后套合示意圖割變化前后時(shí)相影像進(jìn)行波段組合，得到包含兩個(gè)時(shí)相影像所有該數(shù)據(jù)進(jìn)行影像分割。波段組合后分割方法不僅保證了兩時(shí)相，而且分割結(jié)果同時(shí)顧及了兩時(shí)相影像信息。

【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(cè)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(cè)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(cè)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(cè)方法對(duì)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(cè)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(cè)[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(cè)為基礎(chǔ)的實(shí)時(shí)分割視頻對(duì)象新方法[J];中國(guó)圖象圖形學(xué)報(bào);2005年01期

8 孫揚(yáng);朱凌;修田雨;;基于國(guó)產(chǎn)衛(wèi)星影像的協(xié)同分割變化檢測(cè)[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(cè)[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(chǎng)景變化檢測(cè)(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(cè)研究中的若干問題：輻射校正方法與變化檢測(cè)算法及其理論關(guān)系[A];中國(guó)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(duì)象級(jí)變化檢測(cè)方法研究[A];2016年度浙江省測(cè)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(cè)[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

4 劉志剛;李夕海;錢昌松;;遙感圖像變化檢測(cè)問題淺析[A];陜西地球物理文集（五）國(guó)家安全與軍事地球物理研究[C];2005年

5 王長(zhǎng)海;陳文靜;;基于遙感影像分類的城鎮(zhèn)建成區(qū)變化檢測(cè)方法研究[A];國(guó)家安全地球物理叢書（十三）——軍民融合與地球物理[C];2017年

6 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(cè)[A];第五屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)論文集[C];2018年

7 鄭安明;羅健;康薇薇;;基于遙感影像的流域下墊面變化檢測(cè)[A];環(huán)境變化與水安全——第五屆中國(guó)水論壇論文集[C];2007年

8 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(cè)方法研究[A];第十七屆中國(guó)遙感大會(huì)摘要集[C];2010年

9 李全;李霖;;基于LANDSAT TM影像的城市變化檢測(cè)研究[A];中國(guó)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

10 歐陽峗;馬建文;戴芹;;動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)在遙感變化檢測(cè)中的應(yīng)用[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005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(guó)在氣候變化檢測(cè)歸因領(lǐng)域的國(guó)際影響力[N];中國(guó)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(cè)研討會(huì)召開[N];中國(guó)氣象報(bào);2009年

相關(guān)博士學(xué)位論文 前10條

1 鄭耀國(guó);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(cè)[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(cè)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(cè)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(cè)方法研究[D];西安電子科技大學(xué);2016年

5 李振軒;基于差分測(cè)度的高分辨率遙感影像可靠性變化檢測(cè)方法研究[D];中國(guó)礦業(yè)大學(xué);2018年

6 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(cè)[D];吉林大學(xué);2018年

7 李勝;聯(lián)合領(lǐng)域知識(shí)和深度學(xué)習(xí)的城市地表覆蓋變化檢測(cè)方法[D];武漢大學(xué);2018年

8 趙金奇;多時(shí)相極化SAR影像變化檢測(cè)方法研究[D];武漢大學(xué);2018年

9 劉嘉;多目標(biāo)演化深度神經(jīng)網(wǎng)絡(luò)模型與應(yīng)用[D];西安電子科技大學(xué);2018年

10 龐世燕;三維信息輔助的建筑物自動(dòng)變化檢測(cè)若干關(guān)鍵技術(shù)研究[D];武漢大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 楊彬;基于深度學(xué)習(xí)的高分辨率遙感影像變化檢測(cè)[D];中國(guó)礦業(yè)大學(xué);2019年

2 郭欣;光學(xué)與SAR圖像像素級(jí)融合的水體變化檢測(cè)[D];中國(guó)礦業(yè)大學(xué);2019年

3 張玉沙;基于主動(dòng)集成學(xué)習(xí)和不確定性分析的遙感影像變化檢測(cè)[D];中國(guó)礦業(yè)大學(xué);2019年

4 劉陸洋;基于雙差異圖的SAR圖像變化檢測(cè)研究[D];新疆大學(xué);2019年

5 婁雪梅;基于SAR圖像的變化檢測(cè)算法研究[D];新疆大學(xué);2019年

6 丁永;高分辨率遙感影像結(jié)合地表覆蓋矢量數(shù)據(jù)的變化檢測(cè)方法研究[D];武漢大學(xué);2017年

7 許競(jìng)軒;面向?qū)ο蟮母叻直媛蔬b感影像變化檢測(cè)方法研究[D];戰(zhàn)略支援部隊(duì)信息工程大學(xué);2018年

8 孫揚(yáng);基于超像素協(xié)同分割的遙感影像變化檢測(cè)方法[D];北京建筑大學(xué);2019年

9 唐文博;基于卷積神經(jīng)網(wǎng)絡(luò)的高分辨率多光譜遙感圖像上的城區(qū)建筑物變化檢測(cè)技術(shù)[D];浙江大學(xué);2019年

10 莊姊琪;基于Siamese卷積神經(jīng)網(wǎng)絡(luò)的高分影像城市地物變化檢測(cè)[D];武漢大學(xué);2018年

本文編號(hào)：2804139