發(fā)布時(shí)間：2023-03-20 04:22

　　變化檢測(cè)是圖像處理領(lǐng)域的一個(gè)重要技術(shù),其通過(guò)對(duì)同一地區(qū)獲取的多時(shí)相遙感圖像進(jìn)行分析來(lái)確定該區(qū)域是否發(fā)生變化并定位變化區(qū)域。合成孔徑雷達(dá)(SAR)作為遙感成像的主要技術(shù)手段,因其對(duì)光照與大氣條件不敏感,并且能夠全天時(shí)、全天候監(jiān)測(cè)的特點(diǎn),在變化檢測(cè)方面具有獨(dú)特的優(yōu)勢(shì)。目前,基于SAR圖像的變化檢測(cè)技術(shù)已在環(huán)境保護(hù)、農(nóng)業(yè)發(fā)展、城區(qū)規(guī)劃、抗震救災(zāi)以及軍事偵察等領(lǐng)域得到了廣泛的應(yīng)用。然而,受制于SAR系統(tǒng)特有的成像特性,在獲取SAR圖像的過(guò)程中會(huì)引入相干斑點(diǎn)噪聲,因此SAR圖像變化檢測(cè)存在著抑制斑點(diǎn)噪聲和保持邊緣及結(jié)構(gòu)細(xì)節(jié)這兩大難點(diǎn),本文的研究工作便是解決SAR圖像變化檢測(cè)中噪聲抑制和細(xì)節(jié)保持這兩個(gè)問(wèn)題。對(duì)于變化檢測(cè)而言,結(jié)構(gòu)信息是保持邊緣和紋理結(jié)構(gòu)的關(guān)鍵所在,提取結(jié)構(gòu)信息融入變化檢測(cè)中有助于保持圖像中細(xì)節(jié)信息。相位一致性能夠檢測(cè)出圖像各個(gè)方向的結(jié)構(gòu)特征,提取出豐富且精確的紋理結(jié)構(gòu)信息,產(chǎn)生與人類(lèi)視覺(jué)系統(tǒng)相符的邊緣特征,且不受圖像亮度與對(duì)比度的影響,故本文利用相位一致性提取結(jié)構(gòu)信息來(lái)解決變化檢測(cè)中邊緣定位和結(jié)構(gòu)保持問(wèn)題。此外,對(duì)于變化檢測(cè)而言,顯著性檢測(cè)技術(shù)能提取出圖像中感興趣的區(qū)域和目標(biāo),所以...

【文章頁(yè)數(shù)】：82 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(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 SAR圖像變化檢測(cè)的研究現(xiàn)狀
        1.2.1 SAR圖像變化檢測(cè)方法
        1.2.2 SAR圖像變化檢測(cè)存在的主要問(wèn)題
    1.3 本文研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)
第二章 SAR圖像以及變化檢測(cè)基本理論
    2.1 引言
    2.2 SAR圖像基本理論
        2.2.1 SAR成像機(jī)理
        2.2.2 SAR圖像的相干斑點(diǎn)噪聲
        2.2.3 SAR圖像統(tǒng)計(jì)特性
    2.3 SAR圖像變化檢測(cè)基本理論
        2.3.1 SAR圖像變化檢測(cè)一般流程
        2.3.2 SAR圖像變化檢測(cè)評(píng)價(jià)指標(biāo)
    2.4 本章小結(jié)
第三章 基于相位一致性和鄰域比值的SAR圖像變化檢測(cè)
    3.1 引言
    3.2 相位一致性理論
    3.3 基于相位一致性和鄰域比值的SAR圖像變化檢測(cè)算法
        3.3.1 鄰域比值差異圖獲取
        3.3.2 基于相位一致性和鄰域比值的差異圖獲取
        3.3.3 最大類(lèi)間方差法
        3.3.4 算法流程
    3.4 仿真實(shí)驗(yàn)與分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)來(lái)源
        3.4.2 仿真結(jié)果及結(jié)果分析
    3.5 本章小結(jié)
第四章 基于顯著性分區(qū)域和小波分解的SAR圖像變化檢測(cè)
    4.1 引言
    4.2 顯著性檢測(cè)與小波分解的基礎(chǔ)理論
        4.2.1 顯著性檢測(cè)理論
        4.2.2 小波分解理論
    4.3 基于顯著性分區(qū)域和小波分解的SAR圖像變化檢測(cè)算法
        4.3.1 變換檢測(cè)差異圖的獲取
        4.3.2 顯著圖的獲取
        4.3.3 差異圖的小波分解
        4.3.4 基于模糊C均值與貝葉斯分類(lèi)算法的低頻分量處理
        4.3.5 基于顯著圖的多尺度融合
        4.3.6 算法流程
    4.4 仿真結(jié)果與分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)來(lái)源
        4.4.2 仿真結(jié)果及結(jié)果分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3766674