面對海量高分辨率遙感數(shù)據(jù),變化檢測是獲取圖像中有用信息的重要方式,它是對不同時間獲取的同一地理位置的兩幅或多幅遙感圖像,通過人工和計算機的協(xié)同處理與分析,準確地監(jiān)測地表覆蓋變化過程的技術(shù)。遙感圖像變化檢測技術(shù)已經(jīng)被廣泛應(yīng)用于生態(tài)監(jiān)測、土地監(jiān)管、災(zāi)害評估及城市規(guī)劃等諸多領(lǐng)域,對于促進人類社會協(xié)調(diào)和可持續(xù)發(fā)展具有重要意義。論文深入研究多光譜遙感圖像成像機理和地物光譜分布規(guī)律,針對高分辨率遙感圖像中地物的結(jié)構(gòu)、形狀、尺寸、光譜及紋理等特征混合問題,引入多尺度分析工具,將地物不同分布的特征映射到匹配的尺度子空間中獲取特征一致性,并通過子空間聯(lián)合優(yōu)化算法獲得最終的變化檢測結(jié)果,獲得了較好的檢測性能。具體工作總結(jié)如下:1、引入結(jié)構(gòu)多尺度模型,提出了一種基于多尺度子空間優(yōu)化融合的多光譜圖像變化檢測方法。首先,選取匹配多光譜遙感圖像中地物結(jié)構(gòu)特性的結(jié)構(gòu)元對時相數(shù)據(jù)進行形態(tài)學(xué)擴展構(gòu)建結(jié)構(gòu)尺度子空間,獲取空-譜信息的聯(lián)合分布;其次,為了克服多光譜圖像中近紅外通道的差異干擾,提出了尺度變化向量分析和尺度光譜角映射差異特征映射模型;最后,提出了一種基于隨機采樣譜聚類的特征子空間融合算法,通過優(yōu)化權(quán)重分配重構(gòu)譜聚類親和矩陣,獲得最終的變化檢測結(jié)果。2、引入分割多尺度模型,提出了一種基于多尺度分割及瀑布混合高斯模型的多光譜圖像變化檢測方法。首先,構(gòu)造基于變化向量分析、光譜角映射的多通道差異空間提高分割模型的約束能力;其次,利用基于動態(tài)排序模式的統(tǒng)計區(qū)域合并完成多光譜圖像多粒度分割,實現(xiàn)混合特征空間的多尺度分離,保持不同尺寸地物的幾何細節(jié)和結(jié)構(gòu)特性;最后,針對層狀結(jié)構(gòu)的多尺度分割結(jié)果和混合高斯模型的初值敏感問題,提出分層結(jié)構(gòu)的瀑布混合高斯模型,根據(jù)一致性判決策略依次在標(biāo)簽向量空間和概率向量空間進行分類判決,獲得最終的變化檢測結(jié)果。實驗結(jié)果表明,與其他方法相比,論文提出的兩種基于多尺度分析的變化檢測方法能夠檢測出多光譜圖像中的弱變化目標(biāo)并保持地物幾何結(jié)構(gòu)信息,且獲得了較好的檢測性能指標(biāo)。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP751
【部分圖文】：

河流、農(nóng)田、建筑物等各種地物的形態(tài)與分布，全面地揭示了地理事物之間的密切聯(lián)系。圖1.1 遙感成像系統(tǒng)工作模型近幾十年來，隨著衛(wèi)星遙感技術(shù)的不斷發(fā)展，遙感圖像空間分辨率從數(shù)千米到一米以內(nèi)，光譜分辨率從幾百納米到十幾納米，訪問周期從數(shù)十天一次到一天多次，大量的遙感數(shù)據(jù)從粗到細滿足了不同層次的需求，擴展了遙感技術(shù)的應(yīng)用領(lǐng)域。高分辨率遙感圖像中像元覆蓋尺寸小，對地物的幾何、輻射特性辨識度更高，尤其是多光譜

化檢測技術(shù)，可以有效識別變化區(qū)域、范圍、類別等關(guān)鍵信息。(a) (b) (c)圖1.2 廣東省惠州市雙時相偽彩圖像及 GT遙感圖像變化檢測技術(shù)涉及統(tǒng)計科學(xué)、地理科學(xué)及計算機科學(xué)等多個學(xué)科，是當(dāng)前遙感圖像研究領(lǐng)域的研究熱點和難點，已經(jīng)被廣泛應(yīng)用于生態(tài)環(huán)境監(jiān)測、土地資源管理、災(zāi)害評估及預(yù)警、城市發(fā)展規(guī)劃等諸多領(lǐng)域。具體的應(yīng)用場景如圖 1.3 所示，圖 1.3（a）是利用遙感變化檢測技術(shù)對鄱陽湖水域面積及周邊生態(tài)環(huán)境監(jiān)測；圖 1.3（b）是描述 2008 年 5 月因受到“汶川地震”的影響綿陽某山區(qū)出現(xiàn)山地滑坡前后的

(a) (b)(c) (d)圖1.3 遙感圖像變化檢測的具體應(yīng)用1.2 遙感圖像變化檢測的研究現(xiàn)狀及存在的問題1.2.1 國內(nèi)外研究現(xiàn)狀在過去的十幾年中，國內(nèi)外學(xué)者提出了大量以像素為基本分析單元的遙感圖像變化檢測方法。Gong[3]等人采用對數(shù)比算子生成差異圖像，將馬爾可夫隨機場和模糊聚類相結(jié)合，結(jié)合新的能量函數(shù)提升了 SAR 圖像變化檢測性能。Celik T[4]等利用差值法提取雙時相遙感圖像間的差異信息，聯(lián)合 PCA（Principal Component Analysis）與k-means 完成了變化檢測任務(wù)。變化向量分析(Change Vector Analysis, CVA)是遙感圖像變化檢測中經(jīng)典方法之一[5]，該方法是簡單差分在多光譜圖像中的形式，可以體現(xiàn)各個波段的變化量。吳柯[6]等采用 PCA 結(jié)合 CVA 構(gòu)造差異圖像，并利用 EM（Expectation Maximum）自動確定變化閾值以完成多光譜遙感圖像的變化檢測。Liu[7]等改進經(jīng)典的 CVA 算法，通過 SCVA(Sequential Change VectorAnalysis)構(gòu)建雙時相高
【相似文獻】

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;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;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)博士學(xué)位論文 前10條

1 邵攀;非監(jiān)督遙感變化檢測模糊方法研究[D];武漢大學(xué);2016年

2 李文卓;時序無人機影像二三維綜合的面向?qū)ο蠼ㄖ镒兓瘷z測關(guān)鍵技術(shù)研究[D];武漢大學(xué);2017年

3 呂臻;高分辨率遙感影像道路提取與變化檢測關(guān)鍵技術(shù)研究[D];武漢大學(xué);2017年

4 彭代鋒;基于多特征信息挖掘的對象級光學(xué)衛(wèi)星影像變化檢測研究[D];武漢大學(xué);2017年

5 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

6 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

7 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

8 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

9 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

10 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

相關(guān)碩士學(xué)位論文 前10條

1 陳祖洋;鹽池縣緩坡地帶荒漠化信息提取及變化檢測研究[D];寧夏大學(xué);2019年

2 張苗琳;基于時空融合數(shù)據(jù)的礦區(qū)植被覆蓋變化檢測[D];中國地質(zhì)大學(xué)(北京);2019年

3 陳圓圓;基于多尺度子空間分析的多光譜遙感圖像變化檢測方法研究[D];西安電子科技大學(xué);2019年

4 熊云塔;基于膠囊網(wǎng)絡(luò)學(xué)習(xí)的同源和異源遙感圖像變化檢測研究[D];西安電子科技大學(xué);2019年

5 楊月磊;基于生成對抗網(wǎng)絡(luò)的多光譜圖像變化檢測[D];西安電子科技大學(xué);2019年

6 吳飛;基于生成對抗網(wǎng)絡(luò)和非局部神經(jīng)網(wǎng)絡(luò)的SAR圖像變化檢測[D];西安電子科技大學(xué);2019年

7 牛旭東;基于生成對抗網(wǎng)絡(luò)的遙感圖像變化檢測[D];西安電子科技大學(xué);2019年

8 王艷艷;基于空間鄰域信息的遙感影像變化檢測[D];西安電子科技大學(xué);2019年

9 寇佳寧;基于卷積神經(jīng)網(wǎng)絡(luò)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);2019年

10 楊孟然;基于卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像變化檢測及硬件實現(xiàn)[D];西安電子科技大學(xué);2019年

本文編號：2850398