多時(shí)相遙感影像變化檢測(cè)為研究地物目標(biāo)變化以及城市發(fā)展提供了豐富的信息,具有重要的研究意義和價(jià)值。作為遙感技術(shù)領(lǐng)域的一個(gè)基礎(chǔ)環(huán)節(jié),吸引了眾多學(xué)者的研究。到目前為止,已有不少學(xué)者分別從基于像素和基于對(duì)象的角度,針對(duì)不同的研究目的提出了大量的遙感影像變化檢測(cè)方法以及各種模型。本文嘗試對(duì)曲線演化模型進(jìn)行改進(jìn),進(jìn)一步提高變化檢測(cè)的精度。主要內(nèi)容如下:（1）提出了一種基于鄰域約束（Neighborhood Constraints）和水平集演化（Level Set Evolution）的遙感影像自動(dòng)變化檢測(cè)方法,該方法將曲線演化理論中較為成熟的兩相分割模型引入到變化檢測(cè)中來,針對(duì)變化檢測(cè)任務(wù)研究演化模型的改進(jìn)。此外,我們還將鄰域約束添加到整個(gè)水平集能量模型中,目的是為了增強(qiáng)檢測(cè)對(duì)噪聲的魯棒性。該方法不僅考慮了水平集的初始化策略,同時(shí)還包含了從粗到精的過程。最后,我們將所提出的方法應(yīng)用到一個(gè)多分辨率框架中,并且通過實(shí)驗(yàn)驗(yàn)證了此方法的有效性。（2）提出了一種基于水平集演化和支持向量機(jī)（Support Vector Machine,SVM）分類的遙感影像變化檢測(cè)方法,該方法將像素級(jí)的檢測(cè)方法和對(duì)象級(jí)的檢測(cè)... 

【文章來源】：南京理工大學(xué)江蘇省211工程院校

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 遙感影像變化檢測(cè)
        1.2.2 水平集演化
    1.3 變化檢測(cè)存在的主要問題
    1.4 本文的主要工作
    1.5 本文的組織結(jié)構(gòu)
2 遙感影像變化檢測(cè)的相關(guān)理論基礎(chǔ)
    2.1 遙感影像變化檢測(cè)的處理流程
        2.1.1 遙感影像數(shù)據(jù)預(yù)處理
        2.1.2 變化檢測(cè)過程
        2.1.3 檢測(cè)結(jié)果后處理
        2.1.4 性能評(píng)價(jià)
    2.2 變化檢測(cè)技術(shù)的常見方法
        2.2.1 基于代數(shù)運(yùn)算的變化檢測(cè)
        2.2.2 基于圖像變換的變化檢測(cè)
        2.2.3 基于圖像分類的變化檢測(cè)
    2.3 曲線演化理論
        2.3.1 基于偏微分方程的圖像分析
        2.3.2 參數(shù)活動(dòng)輪廓線模型
        2.3.3 非參數(shù)的幾何輪廓線模型
        2.3.4 水平集方法
    2.4 本章小結(jié)
3 基于鄰域約束和水平集的遙感影像自動(dòng)變化檢測(cè)
    3.1 概述
    3.2 水平集模型
    3.3 基于鄰域約束和水平集的變化檢測(cè)算法
        3.3.1 水平集的初始化
        3.3.2 改進(jìn)的水平集模型
        3.3.3 從粗到精的水平集演變
    3.4 實(shí)驗(yàn)
        3.4.1 數(shù)據(jù)集
        3.4.2 實(shí)驗(yàn)參數(shù)設(shè)置
        3.4.3 預(yù)處理
        3.4.4 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
4 基于水平集演化和支持向量機(jī)分類的高分遙感影像自動(dòng)變化檢測(cè)
    4.1 概述
    4.2 變化檢測(cè)方法
        4.2.1 多分辨率水平集(MLS)算法
        4.2.2 基于SVM的變化檢測(cè)
        4.2.3 基于水平集演化和支持向量機(jī)分類的變化檢測(cè)
    4.3 數(shù)據(jù)集介紹和實(shí)驗(yàn)設(shè)計(jì)
        4.3.1 遙感數(shù)據(jù)
        4.3.2 預(yù)處理
        4.3.3 分割和變化特征提取
    4.4 實(shí)驗(yàn)結(jié)果
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來研究展望
致謝
參考文獻(xiàn)
附錄


【參考文獻(xiàn)】：
期刊論文
[1]偏微分方程在圖像處理中的應(yīng)用[J]. 李苓苓.  南方農(nóng)機(jī). 2017(20)
[2]數(shù)字圖像處理中偏微分方程方法研究[J]. 白星華.  淮海工學(xué)院學(xué)報(bào)(自然科學(xué)版). 2016(01)
[3]合成孔徑雷達(dá)影像變化檢測(cè)研究進(jìn)展[J]. 公茂果,蘇臨之,李豪,劉嘉.  計(jì)算機(jī)研究與發(fā)展. 2016(01)
[4]像斑直方圖相似性測(cè)度的高分辨率遙感影像變化檢測(cè)[J]. 李亮,龔龑,李雪,王凱.  遙感學(xué)報(bào). 2014(01)
[5]多時(shí)相遙感影像變化檢測(cè)方法研究進(jìn)展綜述[J]. 殷守敬,吳傳慶,王橋,馬萬棟,朱利,姚延娟,王雪蕾,吳迪.  光譜學(xué)與光譜分析. 2013(12)
[6]融合多特征的遙感影像變化檢測(cè)[J]. 杜培軍,柳思聰.  遙感學(xué)報(bào). 2012(04)
[7]改進(jìn)的變分自適應(yīng)中值濾波算法[J]. 孫海英,李鋒,商慧亮.  電子與信息學(xué)報(bào). 2011(07)
[8]多時(shí)相遙感影像變化檢測(cè)綜述[J]. 周啟鳴.  地理信息世界. 2011(02)
[9]基于混合高斯密度模型和空間上下文信息的遙感影像變化檢測(cè)方法及擴(kuò)展[J]. 宋妍,袁修孝,付迎春.  遙感學(xué)報(bào). 2009(01)
[10]基于圓形約束C-V水平集的肺部CT圖像病灶分割[J]. 魏穎,李軍,徐心和.  中國圖象圖形學(xué)報(bào). 2008(06)

碩士論文
[1]基于圖像融合和改進(jìn)水平集模型的遙感圖像變化檢測(cè)[D]. 翟路.西安電子科技大學(xué) 2013



本文編號(hào)：3633952