本文關(guān)鍵詞：基于偏微分方程圖像去噪算法的SAR圖像變化檢測(cè)研究　出處：《新疆大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 對(duì)數(shù)變換 偏微分方程 圖像去噪 SAR圖像 圖像變化檢測(cè)

【摘要】：遙感圖像變化檢測(cè)是指通過分析兩幅在同一場(chǎng)景、不同時(shí)刻采集的遙感圖像,從中提取地物目標(biāo)在一段時(shí)間內(nèi)發(fā)生的變化的過程。隨著全球生態(tài)環(huán)境的惡化、城市化的進(jìn)程的加快、地震、干旱、洪澇等自然災(zāi)害的頻發(fā),快速準(zhǔn)確地獲取關(guān)鍵的變化信息,對(duì)于人類的生存與發(fā)展變得尤為重要。相對(duì)于其他遙感技術(shù),合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)可以全天時(shí)、全氣候采集信息,可以識(shí)別偽裝,穿透覆蓋物,因此SAR圖像變化檢測(cè)被廣泛地應(yīng)用于森林植被覆蓋面積的變化、資源探測(cè)、城市規(guī)劃布局、地震等自然災(zāi)害的評(píng)估等眾多領(lǐng)域。但是SAR圖像在獲取和傳輸過程中會(huì)被引入大量的噪聲,給SAR圖像變化檢測(cè)帶來了很大的挑戰(zhàn),研究SAR圖像變化檢測(cè)算法具有很大的現(xiàn)實(shí)意義。本文的研究目的是進(jìn)一步提高SAR圖像變化檢測(cè)的檢測(cè)準(zhǔn)確度和檢測(cè)效率,研究內(nèi)容主要圍繞如何減少噪聲對(duì)圖像變化檢測(cè)的影響、如何構(gòu)造能準(zhǔn)確反映圖像間的真實(shí)變化的差異圖像以及如何選用合適圖像分類方法等方面而展開,研究內(nèi)容總結(jié)如下:(1)提出了一種基于P-M擴(kuò)散方程的SAR圖像檢測(cè)算法。根據(jù)對(duì)數(shù)變換可以把圖像中的乘性斑點(diǎn)噪聲轉(zhuǎn)化成加性噪聲的特性,我們首先對(duì)圖像進(jìn)行對(duì)數(shù)變換,然后利用P-M擴(kuò)散方程的去噪模型濾除圖像中的噪聲,再利用對(duì)數(shù)域差值法獲取差異圖像,最后利用FCM聚類算法對(duì)差異圖像進(jìn)行分類,提取變化區(qū)域。實(shí)驗(yàn)證明,該算法能夠有效地減少乘性斑點(diǎn)噪聲對(duì)變化檢測(cè)結(jié)果的影響,提高變化檢測(cè)的準(zhǔn)確率,縮短變化檢測(cè)時(shí)間。(2)提出了一種基于自適應(yīng)全變分(Total Variation,TV)去噪算法的SAR圖像變化檢測(cè)。首先把圖像轉(zhuǎn)換到對(duì)數(shù)變換域,接著利用自適應(yīng)全變分去噪模型對(duì)圖像進(jìn)行去噪。在該算法中,針對(duì)原始TV去噪算法的不足,我們采用廣義能量函數(shù),并引入一個(gè)差異變量來自動(dòng)選取去噪所需要的迭代次數(shù),避免人工選取迭代次數(shù)帶來的去噪不充分或者浪費(fèi)時(shí)間的問題。最后使用k-means聚類算法對(duì)差異圖像進(jìn)行聚類。實(shí)驗(yàn)結(jié)果表明,自適應(yīng)全變分去噪算法能夠有效地抑制圖像噪聲,提高算法的檢測(cè)精度和檢測(cè)效率。
[Abstract]:Remote sensing image change detection is the process of extracting the change of objects in a period of time by analyzing two remote sensing images collected at the same scene and time. With the deterioration of the global ecological environment, the acceleration of urbanization, the frequent occurrence of natural disasters such as earthquakes, droughts and floods, it is particularly important for human survival and development to get the key change information quickly and accurately. Compared with other remote sensing technology, synthetic aperture radar (Synthetic Aperture, Radar, SAR), the climate can all day long to collect information, can be identified through camouflage, covering many fields, so the SAR image change detection is widely used in forest vegetation cover change, resource exploration, city planning, earthquake and other natural disasters assessment etc.. However, SAR images will be introduced into the process of acquisition and transmission, which will bring a lot of noise. It will bring great challenges to SAR image change detection. It is of great practical significance to study SAR image change detection algorithm. The purpose of this study is to further improve the detection SAR image change detection accuracy and detection efficiency, the research content mainly focuses on how to reduce the impact of noise on the image, change detection and how to construct the image differences reflect the changes between images and how to select the appropriate image classification methods, the research contents are summarized as follows: (1) proposed a SAR detection algorithm of P-M images based on diffusion equation. According to the logarithmic transformation to the multiplicative speckle noise of the image is transformed into the properties of additive noise, we first compare the logarithmic transformation of the image, and then use the P-M diffusion equation to model the noise noise in the filtered image, then get the difference image using the logarithmic difference method, finally using FCM clustering algorithm to classify the image differences. Changes in the region extraction. Experiments show that the algorithm can effectively reduce the influence of multiplicative speckle noise on change detection results, improve the accuracy of change detection and shorten the detection time. (2) a kind of SAR image change detection based on adaptive total variation (Total Variation, TV) denoising algorithm is proposed. First, the image is converted to the logarithm transform domain, and then the adaptive total variation denoising model is used to denoise the image. In the algorithm, aiming at the shortage of the original TV denoising algorithm, we use generalized energy function and introduce a differential variable to automatically select the number of iterations needed for denoising, and avoid the problem of noise reduction or waste of time caused by manual selection of iterations. Finally, the K-means clustering algorithm is used to cluster the difference images. The experimental results show that the adaptive total variation denoising algorithm can effectively suppress the image noise, and improve the detection precision and efficiency of the algorithm.
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡巖峰,劉波,李峰,李立鋼,丘江;一種基于統(tǒng)計(jì)分析的圖像變化檢測(cè)方法[J];光子學(xué)報(bào);2005年01期

2 宋翠玉;李培軍;楊鋒杰;;運(yùn)用多尺度圖像紋理進(jìn)行城市擴(kuò)展變化檢測(cè)[J];國土資源遙感;2006年03期

3 徐宏根;宋妍;;顧及陰影信息的高分辨率遙感圖像變化檢測(cè)方法[J];國土資源遙感;2013年04期

4 劉直芳,張劍清;城區(qū)變化檢測(cè)的一種方法[J];測(cè)繪通報(bào);2001年02期

5 倪林,冷洪超;機(jī)場(chǎng)區(qū)域變化檢測(cè)研究[J];遙感技術(shù)與應(yīng)用;2002年04期

6 李小春,陳鯨;一種變化檢測(cè)的新算法[J];宇航學(xué)報(bào);2005年03期

7 唐德可,付琨,王宏琦;基于光譜和空域信息的城區(qū)變化檢測(cè)方法研究[J];測(cè)繪科學(xué);2005年06期

8 鐘家強(qiáng);王潤生;;一種基于線特征的道路網(wǎng)變化檢測(cè)算法[J];遙感學(xué)報(bào);2007年01期

9 吳華;常艷玲;沙瑞;;基于Laplacian Eigenmap的圖像變化檢測(cè)虛警優(yōu)化技術(shù)[J];計(jì)算機(jī)工程與應(yīng)用;2007年32期

10 霍春雷;程健;盧漢清;周志鑫;;基于多尺度融合的對(duì)象級(jí)變化檢測(cè)新方法[J];自動(dòng)化學(xué)報(bào);2008年03期

相關(guān)會(huì)議論文 前10條

1 尤紅建;詹芊芊;;尺度優(yōu)化的星載SAR圖像變化檢測(cè)[A];中國測(cè)繪學(xué)會(huì)第九次全國會(huì)員代表大會(huì)暨學(xué)會(huì)成立50周年紀(jì)念大會(huì)論文集[C];2009年

2 劉元波;;環(huán)境遙感變化探測(cè)研究中的若干問題：輻射校正方法與變化檢測(cè)算法及其理論關(guān)系[A];中國地理學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

3 邢帥;徐青;;高分辨率衛(wèi)星遙感影像變化檢測(cè)技術(shù)的研究[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

4 霍春雷;程健;周志鑫;盧漢清;;基于尺度傳播的多尺度變化檢測(cè)新方法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

5 張蔚然;韓萍;;基于去取向理論的極化SAR變化檢測(cè)[A];第二十五屆中國（天津）2011’IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2011年

6 胡艷;李勝;何宗;羅靈軍;李靜;;水體變化檢測(cè)在重慶市干旱遙感監(jiān)測(cè)中的應(yīng)用[A];重慶市測(cè)繪學(xué)會(huì)第三屆優(yōu)秀論文評(píng)選獲獎(jiǎng)?wù)撐聂?005-2006年度學(xué)術(shù)交流會(huì)論文選編[C];2008年

7 張鐵軍;;年度土地利用變更調(diào)查中遙感監(jiān)測(cè)圖斑提取方法淺析[A];福建省土地學(xué)會(huì)2012年年會(huì)論文集[C];2012年

8 柳思聰;杜培軍;;基于形態(tài)學(xué)濾波的多時(shí)相遙感影像變化檢測(cè)方法研究[A];第十七屆中國遙感大會(huì)摘要集[C];2010年

9 劉志剛;李夕海;錢昌松;;遙感圖像變化檢測(cè)問題淺析[A];陜西地球物理文集（五）國家安全與軍事地球物理研究[C];2005年

10 劉翔;李萬茂;高連如;陶發(fā)達(dá);倪金生;;基于遙感圖像變化檢測(cè)的投資項(xiàng)目搜索技術(shù)研究[A];中國遙感應(yīng)用協(xié)會(huì)2010年會(huì)暨區(qū)域遙感發(fā)展與產(chǎn)業(yè)高層論壇論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 郝明;基于空間信息準(zhǔn)確性增強(qiáng)的遙感影像變化檢測(cè)方法研究[D];中國礦業(yè)大學(xué);2015年

2 王凌霞;基于多尺度分析和自然進(jìn)化優(yōu)化的遙感圖像配準(zhǔn)與變化檢測(cè)[D];西安電子科技大學(xué);2015年

3 劉趕超;基于雙噪聲相似性模型的SAR圖像變化檢測(cè)[D];西安電子科技大學(xué);2016年

4 呂志勇;顧及影像空間特征的地表覆蓋變化檢測(cè)方法研究[D];武漢大學(xué);2014年

5 陸苗;面向地表覆蓋數(shù)據(jù)更新的變化檢測(cè)方法研究[D];武漢大學(xué);2014年

6 徐金燕;全極化星載SAR影像輻射校正與城區(qū)變化檢測(cè)[D];武漢大學(xué);2014年

7 武辰;遙感影像多層次信息變化檢測(cè)研究[D];武漢大學(xué);2015年

8 李向軍;遙感土地利用變化檢測(cè)方法探討[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

9 鄧小煉;基于變化矢量分析的土地利用變化檢測(cè)方法研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

10 李雪;基于像斑信息挖掘的土地利用變化檢測(cè)方法研究[D];武漢大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 張家琦;遙感影像變化檢測(cè)方法及應(yīng)用研究[D];中國地質(zhì)大學(xué)(北京);2015年

2 李玲玲;基于NSCT和NSST的圖像變化檢測(cè)算法研究及應(yīng)用[D];新疆大學(xué);2015年

3 胡雪梅;基于MST的遙感圖像變化檢測(cè)研究[D];新疆大學(xué);2015年

4 楊國棟;基于分布式并行聚類的SAR圖像變化檢測(cè)算法研究[D];西安電子科技大學(xué);2014年

5 王橋;基于多目標(biāo)模糊聚類的SAR圖像變化檢測(cè)[D];西安電子科技大學(xué);2014年

6 張文婷;基于自適應(yīng)權(quán)值差異圖融合和聚類的SAR圖像變化檢測(cè)方法研究[D];西安電子科技大學(xué);2014年

7 任新營;基于OpenCL的并行SAR圖像變化檢測(cè)[D];西安電子科技大學(xué);2014年

8 宮金杞;面向地理國情監(jiān)測(cè)的地表覆蓋變化檢測(cè)方法研究及系統(tǒng)實(shí)現(xiàn)[D];山東農(nóng)業(yè)大學(xué);2015年

9 趙姣姣;基于無監(jiān)督方法的SAR圖像變化檢測(cè)[D];西安電子科技大學(xué);2014年

10 李曉婷;基于信息融合與勻質(zhì)區(qū)域提取的SAR圖像變化檢測(cè)[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：1342876