【摘要】：變化檢測是遙感技術(shù)應(yīng)用研究熱點之一,隨著遙感平臺的飛速發(fā)展,影像分辨率已達(dá)到亞米級,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時,檢測結(jié)果出現(xiàn)嚴(yán)重的斑點現(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),但是仍存在多個制約變化檢測精度的問題,具體包括:影像分割尺度難以確定;影像對象差異性度量方法過于簡單,檢測效果較差;利用單一特征進(jìn)行變化檢測無法顧及影像地物“同物異譜”特性;單一尺度檢測結(jié)果難以顧及不同尺寸地物的差異性。針對上述問題,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,并引入相似性測度來度量對象差異性。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,實現(xiàn)多尺度多特征融合的面向?qū)ο笞兓瘷z測。具體研究內(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,實現(xiàn)了聯(lián)合紋理和光譜特征的最優(yōu)尺度提取。不同場景下與現(xiàn)有最優(yōu)尺度選取方法的對比實驗結(jié)果表明,基于GLCM的紋理均值法對不同場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測中,利用相似性測度來度量不同時期影像對象之間的差異性,實現(xiàn)了基于相似性測度的面向?qū)ο笞兓瘷z測。結(jié)合傳統(tǒng)的差值法開展對比實驗,結(jié)果表明,基于相似性測度的面向?qū)ο笞兓瘷z測方法在不同場景下的檢測精度均比差值法更高,對于較復(fù)雜的影像場景檢測精度提升幅度更大。(3)提出了一種特征自適應(yīng)融合方法,實現(xiàn)了融合光譜特征和紋理特征的變化檢測方法。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,實現(xiàn)了最優(yōu)尺度集檢測結(jié)果的投票融合。實驗結(jié)果表明:在不同場景下,特征融合的檢測精度均比單特征變化檢測結(jié)果的精度高,多尺度融合結(jié)果精度也比單尺度檢測結(jié)果精度高,且兩種方法在復(fù)雜場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)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：P237
【圖文】：

圖 2-1 影像獨(dú)立分割示意圖后套合一時相影像(T1)進(jìn)行分割，獲取具有對象的邊界信息的分割結(jié)果時相影像(T2)套合分割。此方法能夠保證前后時相分割對象的一含 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相影像(T1)進(jìn)行分割，獲取具有對象的邊界信息的分割結(jié)果時相影像(T2)套合分割。此方法能夠保證前后時相分割對象的一含 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相影像進(jìn)行波段組合，得到包含兩個時相影像所有該數(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相，而且分割結(jié)果同時顧及了兩時相影像信息。

【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(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 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;2018年04期

9 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

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(自然科學(xué)版);2009年01期

相關(guān)會議論文 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2007年學(xué)術(shù)年會論文摘要集[C];2007年

2 毛衛(wèi)華;;時態(tài)遙感數(shù)據(jù)對象級變化檢測方法研究[A];2016年度浙江省測繪與地理信息學(xué)會優(yōu)秀論文集[C];2016年

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

5 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

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[A];第五屆高分辨率對地觀測學(xué)術(shù)年會論文集[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[A];環(huán)境變化與水安全——第五屆中國水論壇論文集[C];2007年

8 陳宇;唐偉成;;基于北京一號小衛(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摘要集[C];2010年

9 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2004年學(xué)術(shù)年會暨海峽兩岸地理學(xué)術(shù)研討會論文摘要集[C];2004年

10 歐陽峗;馬建文;戴芹;;動態(tài)貝葉斯網(wǎng)絡(luò)在遙感變化檢測中的應(yīng)用[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

相關(guān)重要報紙文章 前2條

1 本報記者 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;2016年

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

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 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

6 劉博宇;時序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

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

8 趙金奇;多時相極化SAR影像變化檢測方法研究[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變化檢測若干關(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[D];中國礦業(yè)大學(xué);2019年

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

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

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

5 婁雪梅;基于SAR圖像的變化檢測算法研究[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)的變化檢測方法研究[D];武漢大學(xué);2017年

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

本文編號：2804139