圖像變化檢測(cè)是指對(duì)同一地區(qū)不同時(shí)相的兩幅或多幅圖像進(jìn)行分析,得到圖像中發(fā)生變化的區(qū)域。合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)具有不受天氣和時(shí)間限制的工作能力,在農(nóng)、林、水、自然災(zāi)害、城市建設(shè)等民用領(lǐng)域和軍事領(lǐng)域均具有廣泛的應(yīng)用前景。因此,SAR圖像成為變化檢測(cè)的一種數(shù)據(jù)來源。本文基于圖像顯著性和深度學(xué)習(xí),提出了三種新的SAR圖像變化檢測(cè)方法。1.提出一種基于堆棧自編碼網(wǎng)絡(luò)(Stacked Auto-Encoder,SAE)提取顯著性區(qū)域的高分辨SAR圖像變化檢測(cè)方法。該方法分為顯著性區(qū)域提取和變化區(qū)域檢測(cè)兩個(gè)步驟。顯著性區(qū)域提取過程中,首先通過堆棧自編碼網(wǎng)絡(luò)提取圖像深層特征,并對(duì)特征差異性分析獲得單尺度顯著性區(qū)域,然后修改樣本塊大小得到多尺度下的顯著性區(qū)域并融合,得到最終顯著性區(qū)域。變化區(qū)域檢測(cè)過程中,采用模糊C均值聚類對(duì)顯著性區(qū)域像素值進(jìn)行聚類得到變化檢測(cè)結(jié)果。本方法的關(guān)鍵在于顯著區(qū)域的提取過程中,堆棧自編碼網(wǎng)絡(luò)的引入,克服了以往顯著性檢測(cè)方法中對(duì)圖像隱含信息利用不充分和閾值選取困難的問題;多尺度顯著性區(qū)域的融合提高了顯著性區(qū)域的查全率,更有利于后期...

【文章頁(yè)數(shù)】：109 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀及現(xiàn)存問題
        1.2.1 研究現(xiàn)狀
        1.2.2 現(xiàn)存問題
    1.3 SAR圖像變化檢測(cè)基本步驟及評(píng)價(jià)指標(biāo)
        1.3.1 SAR圖像變化檢測(cè)基本步驟
        1.3.2 SAR圖像變化檢測(cè)評(píng)價(jià)指標(biāo)
    1.4 深度學(xué)習(xí)基礎(chǔ)理論
        1.4.1 深度學(xué)習(xí)思想及發(fā)展
        1.4.2 有監(jiān)督深度學(xué)習(xí)
        1.4.3 無監(jiān)督深度學(xué)習(xí)
    1.5 論文的主要工作及內(nèi)容安排
    1.6 本章小結(jié)
第二章 基于堆棧自編碼網(wǎng)絡(luò)提取顯著性區(qū)域的高分辨SAR圖像變化檢測(cè)
    2.1 堆棧自編碼網(wǎng)絡(luò)基本理論
    2.2 顯著性檢測(cè)基本理論
        2.2.1 顯著性檢測(cè)概念
        2.2.2 顯著性檢測(cè)方法分類
    2.3 聚類算法和廣義高斯K&I閾值算法
        2.3.1 聚類算法
        2.3.2 廣義高斯k&I閾值算法
    2.4 基于堆棧自編碼網(wǎng)絡(luò)提取顯著性區(qū)域的高分辨SAR圖像變化檢測(cè)算法
        2.4.1 基于SAE網(wǎng)絡(luò)的顯著性區(qū)域提取算法
        2.4.2 變化檢測(cè)算法
    2.5 參數(shù)選擇和實(shí)驗(yàn)結(jié)果分析
        2.5.1 數(shù)據(jù)集介紹
        2.5.2 參數(shù)選擇
        2.5.3 實(shí)驗(yàn)結(jié)果與分析
        2.5.4 顯著性區(qū)域檢測(cè)方法對(duì)比
    2.6 本章小結(jié)
第三章 基于曲線波SAE的高分辨SAR圖像變化檢測(cè)
    3.1 引言
    3.2 曲線波變換基本理論
        3.2.1 曲線波變換的提出
        3.2.2 第一代曲線波變換
        3.2.3 第二代曲線波變換
    3.3 基于曲線波SAE的高分辨SAR圖像變化檢測(cè)算法
        3.3.1 曲線波自編碼網(wǎng)絡(luò)
        3.3.2 算法流程
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 Brazil1數(shù)據(jù)結(jié)果與分析
        3.4.2 Brazil2數(shù)據(jù)結(jié)果與分析
        3.4.3 Namibia數(shù)據(jù)結(jié)果與分析
        3.4.4 Indonesia數(shù)據(jù)結(jié)果與分析
        3.4.5 仿真數(shù)據(jù)結(jié)果與分析
    3.5 本章小結(jié)
第四章 基于增量CAE網(wǎng)絡(luò)的高分辨SAR圖像變化檢測(cè)
    4.1 卷積自編碼網(wǎng)絡(luò)基本理論
    4.2 基于增量卷積自編碼網(wǎng)絡(luò)的高分辨SAR圖像變化檢測(cè)算法
        4.2.1 ICAE網(wǎng)絡(luò)
        4.2.2 ICAE和聚類的結(jié)合
    4.3 變化檢測(cè)結(jié)果與分析
        4.3.1 參數(shù)選擇
        4.3.2 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3868029