圖像變化檢測的任務(wù)是給定同一地區(qū)不同時刻的圖像,通過算法快速鎖定變化區(qū)域。傳統(tǒng)的變化檢測算法以像素點(diǎn)為基本分析單元,在處理簡單場景或分辨率較低的場景時算法表現(xiàn)較好,但面臨復(fù)雜場景或高分辨率問題時,算法的性能會受到限制。為了解決這些問題,本文以超像素作為基本分析單元,結(jié)合深度神經(jīng)網(wǎng)絡(luò)強(qiáng)大的多層非線性映射能力對超像素級別變化檢測算法進(jìn)行研究。本文的主要內(nèi)容包括如下三個方面的工作:首先,針對多時相遙感圖像變化檢測問題提出基于卷積神經(jīng)網(wǎng)絡(luò)的超像素級別變化檢測方法。該方法針對變化檢測問題設(shè)計了聯(lián)合簡單線性迭代聚類分割算法,在保證對多時圖像分割的輪廓相同的同時,將分割過程融入多時相圖像的信息;為了度量分割的超像素塊的相似度,一種簡單超像素相似度度量法被提出,以概率形式度量超像素塊的相似度,以相似度的高低為標(biāo)準(zhǔn)去選擇正確分類的樣本作為數(shù)據(jù)集;構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)對選擇的訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練,用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行圖像變化和未變化的分類。其次,針對多時相遙感圖像的三分類變化檢測問題提出基于深度置信網(wǎng)絡(luò)的超像素級別變化分析方法。該方法首先運(yùn)用無監(jiān)督的變化向量分析法對超像素塊進(jìn)行預(yù)分類,然后通過一種簡單有效的樣本選... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：101 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究的背景及意義
    1.2 圖像變化檢測研究現(xiàn)狀
        1.2.1 像素級別變化檢測
        1.2.2 目標(biāo)級別變化檢測
        1.2.3 超像素級別變化檢測
        1.2.4 深度學(xué)習(xí)與變化檢測
    1.3 圖像變化檢測存在的問題
    1.4 論文的主要工作及內(nèi)容安排
第二章 基于深度學(xué)習(xí)的超像素級別變化檢測理論研究
    2.1 變化檢測流程
        2.1.1 圖像預(yù)處理
        2.1.2 差異影像圖生成
        2.1.3 差異影像圖分析
        2.1.4 評價指標(biāo)
    2.2 超像素分割
    2.3 深度神經(jīng)網(wǎng)絡(luò)
        2.3.1 深度置信網(wǎng)絡(luò)
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
第三章 基于卷積神經(jīng)網(wǎng)絡(luò)的超像素級別遙感圖像變化檢測
    3.1 引言
    3.2 方法框架
        3.2.1 算法簡介
        3.2.2 聯(lián)合SLIC分割算法
        3.2.3 簡單超像素相似度度量法
        3.2.4 卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)建
    3.3 實(shí)驗(yàn)研究
        3.3.1 數(shù)據(jù)集描述
        3.3.2 實(shí)驗(yàn)結(jié)果
    3.4 結(jié)論
第四章 基于深度置信網(wǎng)絡(luò)的超像素級別多時相遙感圖像三分類變化分析
    4.1 引言
    4.2 方法框架
        4.2.1 算法簡介
        4.2.2 超像素協(xié)方差特征提取
        4.2.3 預(yù)分類階段
        4.2.4 樣本選擇
        4.2.5 深度置信網(wǎng)絡(luò)的訓(xùn)練
        4.2.6 多尺度的融合
    4.3 實(shí)驗(yàn)研究
        4.3.1 數(shù)據(jù)集描述
        4.3.2 評價指標(biāo)
        4.3.3 參數(shù)設(shè)定
        4.3.4 實(shí)驗(yàn)結(jié)果
    4.4 結(jié)論
第五章 基于耦合卷積神經(jīng)網(wǎng)絡(luò)超像素級別異源圖像變化檢測
    5.1 引言
    5.2 方法框架
        5.2.1 算法簡介
        5.2.2 超像素精化分割
        5.2.3 卷積自動編碼器預(yù)訓(xùn)練
        5.2.4 耦合卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練
    5.3 實(shí)驗(yàn)研究
        5.3.1 數(shù)據(jù)集描述
        5.3.2 實(shí)驗(yàn)參數(shù)設(shè)置
        5.3.3 實(shí)驗(yàn)結(jié)果
    5.4 結(jié)論
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]圖像分割中的超像素方法研究綜述[J]. 宋熙煜,周利莉,李中國,陳健,曾磊,閆鑌.  中國圖象圖形學(xué)報. 2015(05)
[2]建筑物震害遙感圖像的變化檢測與震害評估[J]. 張景發(fā),謝禮立,陶夏新.  自然災(zāi)害學(xué)報. 2002(02)



本文編號：3152121