【摘要】：尺度特性是遙感圖像所具有的重要特征,不同尺度下的SAR圖像會(huì)表現(xiàn)地物不同的尺度信息。針對(duì)如何有效利用尺度信息實(shí)現(xiàn)地物變化信息的完整描述,進(jìn)而提高SAR圖像變化檢測(cè)的精度和穩(wěn)健性這一問(wèn)題,論文圍繞SAR圖像的多尺度特征展開(kāi)分析,對(duì)SAR圖像自動(dòng)配準(zhǔn)及變化檢測(cè)技術(shù)進(jìn)行了研究,主要完成了以下幾個(gè)方面的工作:(1)針對(duì)尺度不變特征變換(SIFT)在SAR圖像中同名特征點(diǎn)匹配效率不高且準(zhǔn)確性不夠的不足,采用圖像分塊思想改進(jìn)了基于SIFT特征的SAR圖像配準(zhǔn)算法。首先,對(duì)已粗配準(zhǔn)的SAR圖像進(jìn)行分塊,利用SIFT分別提取對(duì)應(yīng)子塊的特征點(diǎn),形成全圖均勻分布且準(zhǔn)確度較高的候選特征點(diǎn)。然后,利用隨機(jī)抽樣一致性(RANSAC)算法篩選出穩(wěn)健特征點(diǎn),進(jìn)而完成后續(xù)的配準(zhǔn)。實(shí)驗(yàn)結(jié)果表明,該方法不僅可以顯著縮短特征匹配的時(shí)間,而且能有效地提高配準(zhǔn)精度。(2)針對(duì)多數(shù)變化檢測(cè)方法難以準(zhǔn)確鑒別變化區(qū)域邊緣像素的問(wèn)題,提出了一種結(jié)合結(jié)構(gòu)相似性的多尺度SAR圖像變化檢測(cè)方法。其中,高斯多尺度變換用來(lái)構(gòu)造像素的特征描述子,結(jié)構(gòu)相似度則用來(lái)自適應(yīng)地選取最優(yōu)的尺度因子。通過(guò)對(duì)該尺度因子下的特征描述子進(jìn)行模糊C均值分類(lèi),最終實(shí)現(xiàn)變化像素與未變化像素的分離。實(shí)驗(yàn)結(jié)果表明,該方法顯著地提高了變化區(qū)域邊緣的定位性能和變化檢測(cè)的精度。(3)為提高變化檢測(cè)的精細(xì)程度,提出了一種基于馬爾可夫隨機(jī)場(chǎng)融合的多尺度變化檢測(cè)方法。該方法提出了一種小波獨(dú)立重構(gòu)方式,獲取不同尺度下保持良好細(xì)節(jié)信息的圖像集,進(jìn)行均值循環(huán)迭代分割后,采用馬爾可夫隨機(jī)場(chǎng)進(jìn)行變化檢測(cè)結(jié)果的融合,得到最終的變化檢測(cè)結(jié)果。獨(dú)立重構(gòu)充分利用了小波的高頻系數(shù),因此較好地刻畫(huà)圖像的細(xì)節(jié);而結(jié)合馬爾可夫隨機(jī)場(chǎng)融合,綜合考慮了SAR圖像的空間鄰域信息和不同尺度信息,進(jìn)一步使得變化檢測(cè)的結(jié)果更為準(zhǔn)確。
[Abstract]:Scale characteristic is an important feature of remote sensing image. SAR images with different scales will represent different scale information of ground objects. In order to improve the accuracy and robustness of SAR image change detection, the paper analyzes the multi-scale features of SAR image, aiming at how to realize the complete description of ground object change information by using scale information effectively, and then improve the accuracy and robustness of SAR image change detection. The automatic registration and change detection of SAR images are studied. The main works are as follows: (1) aiming at the lack of efficiency and inaccuracy of scale-invariant feature transform (SIFT) matching in SAR images with the same name, The algorithm of SAR image registration based on SIFT features is improved by using the idea of image partitioning. Firstly, the coarse registered SAR images are divided into blocks, and the feature points of the corresponding sub-blocks are extracted by using SIFT to form candidate feature points with uniform distribution and high accuracy of the whole map. Then, the robust feature points are screened by random sampling consistent (RANSAC) algorithm, and the subsequent registration is completed. The experimental results show that this method can not only shorten the time of feature matching, but also improve the registration accuracy effectively. (2) aiming at the problem that most of the change detection methods are difficult to identify the edge pixels of the changing region accurately, A multi-scale SAR image change detection method combining structural similarity is proposed. Among them, Gao Si multi-scale transformation is used to construct pixel feature descriptor, and structural similarity is used to adaptively select the optimal scale factor. By classifying the feature descriptors in the scale factor with fuzzy C-means, the separation of the variable pixels from the unaltered pixels is finally realized. The experimental results show that this method can significantly improve the location performance and accuracy of change detection. (3) in order to improve the precision of change detection, A multi-scale change detection method based on Markov random field fusion is proposed. In this method, a wavelet independent reconstruction method is proposed to obtain the image sets with good detail information at different scales. After iterative segmentation of the mean value loop, the Markov random field is used to fuse the change detection results. The final change detection results are obtained. The independent reconstruction makes full use of the high frequency coefficients of wavelet, so it can depict the details of the image. Combined with Markov random field fusion, the spatial neighborhood information and different scale information of SAR images are considered synthetically, which makes the change detection results more accurate.
【學(xué)位授予單位】：國(guó)防科學(xué)技術(shù)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 劉趕超;基于雙噪聲相似性模型的SAR圖像變化檢測(cè)[D];西安電子科技大學(xué);2016年

4 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

5 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

6 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

7 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

8 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

9 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

10 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

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 宮金杞;面向地理國(guó)情監(jiān)測(cè)的地表覆蓋變化檢測(cè)方法研究及系統(tǒng)實(shí)現(xiàn)[D];山東農(nóng)業(yè)大學(xué);2015年

9 趙姣姣;基于無(wú)監(jiān)督方法的SAR圖像變化檢測(cè)[D];西安電子科技大學(xué);2014年

10 李曉婷;基于信息融合與勻質(zhì)區(qū)域提取的SAR圖像變化檢測(cè)[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：2374598