發(fā)布時(shí)間：2018-05-11 14:49

  本文選題：變化檢測(cè) + 圖像融合�。� 參考：《西安電子科技大學(xué)》2014年碩士論文

【摘要】：研究同一地區(qū)不同時(shí)相的兩種或多種SAR(Synthetic Aperture Radar,SAR)圖像之間發(fā)生的變化叫做SAR圖像變化檢測(cè),可以被應(yīng)用于社會(huì)、經(jīng)濟(jì)、軍事等許多方面。近幾年,由于SAR圖像具備全天候、全天時(shí)的工作能力以及對(duì)地物具有一定的穿透能力和成像覆蓋面積大等一系列優(yōu)點(diǎn),使得SAR圖像成為變化檢測(cè)的主要數(shù)據(jù)來(lái)源。本論文對(duì)SAR圖像變化檢測(cè)中差異圖的分析和差異圖的構(gòu)造等方面進(jìn)行了探索,所取得的主要研究成果為:1.提出了一種基于自適應(yīng)權(quán)值的差異圖融合策略,并用于SAR圖像變化檢測(cè)。利用所提出的基于自適應(yīng)權(quán)值的差異圖融合策略,將對(duì)數(shù)比值差異圖與直接比值差異圖進(jìn)行融合,再對(duì)融合后的差異圖進(jìn)行kmeans聚類(lèi),獲得最后的變化檢測(cè)結(jié)果。該方法不僅使得融合參數(shù)能夠根據(jù)不同差異圖的特性自適應(yīng)調(diào)整,而且考慮了鄰域灰度信息與空間信息,提高了變化檢測(cè)精度和算法的抗噪性能。2.提出了一種基于自適應(yīng)權(quán)值圖像融合及PCA特征提取的SAR圖像變化檢測(cè)方法。根據(jù)自適應(yīng)權(quán)值,將直接比值差異圖和對(duì)數(shù)比值差異圖進(jìn)行圖像融合。再對(duì)融合后的差異圖用PCA方法進(jìn)行特征提取,從而獲得每個(gè)像素對(duì)應(yīng)的特征向量,并組成特征空間矩陣。將k-means聚類(lèi)方法對(duì)于PCA提取的特征,對(duì)原始數(shù)據(jù)進(jìn)行特征提取,獲得特征空間矩陣,再進(jìn)行聚類(lèi),該方法通過(guò)非線(xiàn)性映射可以較好地辨別、提取并放大有用的特征,獲得更為精準(zhǔn)的聚類(lèi),使變化檢測(cè)的錯(cuò)誤率進(jìn)一步降低。使得抗噪能力增強(qiáng),總錯(cuò)誤數(shù)減少,提高了變化檢測(cè)的精度。3.提出了一種基于馬爾科夫隨機(jī)場(chǎng)模糊聚類(lèi)的SAR圖像變化檢測(cè)方法。該方法將馬爾科夫隨機(jī)場(chǎng)模型應(yīng)用到模糊c均值聚類(lèi)中,提高了在馬爾科夫隨機(jī)場(chǎng)模型中所用的能量函數(shù)的最小二乘模型方法擬合的精度,并改進(jìn)了模糊聚類(lèi)的目標(biāo)函數(shù),在原始目標(biāo)函數(shù)中加入了KL(Kullback-Leibler)信息正則化,使聚類(lèi)更為準(zhǔn)確,從而提高了算法的變化檢測(cè)精度與抗噪性能。本論文工作得到國(guó)家自然科學(xué)基金(No.61003199)、中央高�；究蒲袠I(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金(Nos.JB140216和K5051202019)資助。
[Abstract]:The study of the changes between two or more SAR(Synthetic Aperture Radarar images in the same area is called SAR image change detection, which can be applied to many aspects, such as society, economy, military and so on. In recent years, SAR images have become the main data source for change detection because of their all-weather, all-day working ability and a series of advantages such as the ability to penetrate objects and the large imaging coverage. In this paper, the analysis of the difference map and the construction of the difference map in the SAR image change detection are explored. The main research results are: 1: 1. A differential image fusion strategy based on adaptive weights is proposed and applied to SAR image change detection. Using the adaptive weight based differential map fusion strategy, the logarithmic ratio difference map and the direct ratio difference map are fused, and then the difference map after fusion is clustered by kmeans, and the final change detection results are obtained. This method not only adaptively adjusts the fusion parameters according to the characteristics of different difference images, but also takes into account the neighborhood gray level information and spatial information, and improves the accuracy of change detection and the anti-noise performance of the algorithm. A change detection method for SAR images based on adaptive weight image fusion and PCA feature extraction is proposed. According to the adaptive weights, the direct ratio difference map and the logarithmic ratio difference map are fused. Then the fused difference map is extracted by PCA method, and the corresponding feature vectors of each pixel are obtained, and the feature space matrix is formed. The k-means clustering method is used to extract the features extracted from the PCA, the original data is extracted, the feature space matrix is obtained, and then the clustering is carried out. The method can identify, extract and enlarge the useful features by nonlinear mapping. More accurate clustering was obtained, and the error rate of change detection was further reduced. The ability to resist noise is enhanced, the total number of errors is reduced, and the accuracy of change detection is improved by 3. 3. A change detection method for SAR images based on Markov random field fuzzy clustering is proposed. In this method, Markov random field model is applied to fuzzy c-means clustering, which improves the fitting accuracy of the least square method of energy function used in Markov random field model, and improves the objective function of fuzzy clustering. In the original objective function, KLU Kullback-Leibler information regularization is added to make the clustering more accurate, thus improving the change detection accuracy and anti-noise performance of the algorithm. The work of this paper is supported by the National Natural Science Foundation No. 61003199, and the special funds for basic scientific research operating expenses of central colleges and universities, namely, Nos.JB140216 and K5051202019.
【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】：2014
【分類(lèi)號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋翠玉;李培軍;楊鋒杰;;運(yùn)用多尺度圖像紋理進(jìn)行城市擴(kuò)展變化檢測(cè)[J];國(guó)土資源遙感;2006年03期

2 徐宏根;宋妍;;顧及陰影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;2013年04期

3 劉直芳,張劍清;城區(qū)變化檢測(cè)的一種方法[J];測(cè)繪通報(bào);2001年02期

4 倪林,冷洪超;機(jī)場(chǎng)區(qū)域變化檢測(cè)研究[J];遙感技術(shù)與應(yīng)用;2002年04期

5 李小春,陳鯨;一種變化檢測(cè)的新算法[J];宇航學(xué)報(bào);2005年03期

6 唐德可,付琨,王宏琦;基于光譜和空域信息的城區(qū)變化檢測(cè)方法研究[J];測(cè)繪科學(xué);2005年06期

7 鐘家強(qiáng);王潤(rùn)生;;一種基于線(xiàn)特征的道路網(wǎng)變化檢測(cè)算法[J];遙感學(xué)報(bào);2007年01期

8 吳華;常艷玲;沙瑞;;基于Laplacian Eigenmap的圖像變化檢測(cè)虛警優(yōu)化技術(shù)[J];計(jì)算機(jī)工程與應(yīng)用;2007年32期

9 霍春雷;程健;盧漢清;周志鑫;;基于多尺度融合的對(duì)象級(jí)變化檢測(cè)新方法[J];自動(dòng)化學(xué)報(bào);2008年03期

10 李雪;舒寧;王琰;;利用向量相似性進(jìn)行基于像斑的土地利用變化檢測(cè)[J];遙感信息;2009年06期

相關(guān)會(huì)議論文 前10條

1 尤紅建;詹芊芊;;尺度優(yōu)化的星載SAR圖像變化檢測(cè)[A];中國(guó)測(cè)繪學(xué)會(huì)第九次全國(guó)會(huì)員代表大會(huì)暨學(xué)會(huì)成立50周年紀(jì)念大會(huì)論文集[C];2009年

2 劉元波;;環(huán)境遙感變化探測(cè)研究中的若干問(wèn)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

3 邢帥;徐青;;高分辨率衛(wèi)星遙感影像變化檢測(cè)技術(shù)的研究[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

4 霍春雷;程健;周志鑫;盧漢清;;基于尺度傳播的多尺度變化檢測(cè)新方法[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

5 張蔚然;韓萍;;基于去取向理論的極化SAR變化檢測(cè)[A];第二十五屆中國(guó)（天津）2011’IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2011年

6 胡艷;李勝;何宗;羅靈軍;李靜;;水體變化檢測(cè)在重慶市干旱遙感監(jiān)測(cè)中的應(yīng)用[A];重慶市測(cè)繪學(xué)會(huì)第三屆優(yōu)秀論文評(píng)選獲獎(jiǎng)?wù)撐聂?005-2006年度學(xué)術(shù)交流會(huì)論文選編[C];2008年

7 張鐵軍;;年度土地利用變更調(diào)查中遙感監(jiān)測(cè)圖斑提取方法淺析[A];福建省土地學(xué)會(huì)2012年年會(huì)論文集[C];2012年

8 柳思聰;杜培軍;;基于形態(tài)學(xué)濾波的多時(shí)相遙感影像變化檢測(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 劉志剛;李夕海;錢(qián)昌松;;遙感圖像變化檢測(cè)問(wèn)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

10 劉翔;李萬(wàn)茂;高連如;陶發(fā)達(dá);倪金生;;基于遙感圖像變化檢測(cè)的投資項(xiàng)目搜索技術(shù)研究[A];中國(guó)遙感應(yīng)用協(xié)會(huì)2010年會(huì)暨區(qū)域遙感發(fā)展與產(chǎn)業(yè)高層論壇論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 郝明;基于空間信息準(zhǔn)確性增強(qiáng)的遙感影像變化檢測(cè)方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

2 王凌霞;基于多尺度分析和自然進(jìn)化優(yōu)化的遙感圖像配準(zhǔn)與變化檢測(cè)[D];西安電子科技大學(xué);2015年

3 李向軍;遙感土地利用變化檢測(cè)方法探討[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

4 鄧小煉;基于變化矢量分析的土地利用變化檢測(cè)方法研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

5 李雪;基于像斑信息挖掘的土地利用變化檢測(cè)方法研究[D];武漢大學(xué);2010年

6 張路;基于多元統(tǒng)計(jì)分析的遙感影像變化檢測(cè)方法研究[D];武漢大學(xué);2004年

7 羅旺;遙感圖像的變化檢測(cè)與標(biāo)注方法研究[D];電子科技大學(xué);2012年

8 王琰;基于像斑統(tǒng)計(jì)分析的高分辨率遙感影像土地利用/覆蓋變化檢測(cè)方法研究[D];武漢大學(xué);2012年

9 鄧湘金;基于模式識(shí)別知識(shí)的遙感圖像變化檢測(cè)研究[D];中國(guó)科學(xué)院研究生院（電子學(xué)研究所）;2003年

10 祝錦霞;高分辨率遙感影像變化檢測(cè)的關(guān)鍵技術(shù)研究[D];浙江大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 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

2 李玲玲;基于NSCT和NSST的圖像變化檢測(cè)算法研究及應(yīng)用[D];新疆大學(xué);2015年

3 胡雪梅;基于MST的遙感圖像變化檢測(cè)研究[D];新疆大學(xué);2015年

4 楊國(guó)棟;基于分布式并行聚類(lèi)的SAR圖像變化檢測(cè)算法研究[D];西安電子科技大學(xué);2014年

5 王橋;基于多目標(biāo)模糊聚類(lèi)的SAR圖像變化檢測(cè)[D];西安電子科技大學(xué);2014年

6 張文婷;基于自適應(yīng)權(quán)值差異圖融合和聚類(lèi)的SAR圖像變化檢測(cè)方法研究[D];西安電子科技大學(xué);2014年

7 任新?tīng)I(yíng);基于OpenCL的并行SAR圖像變化檢測(cè)[D];西安電子科技大學(xué);2014年

8 楊曉麗;多時(shí)相遙感影像的變化檢測(cè)[D];西安電子科技大學(xué);2011年

9 景奉廣;高分辨率遙感圖像土地利用變化檢測(cè)方法研究[D];西安科技大學(xué);2008年

10 徐麗華;顧及投影差的遙感影像變化檢測(cè)[D];武漢大學(xué);2005年

，

本文編號(hào)：1874396