本文關(guān)鍵詞：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)

  更多相關(guān)文章： 遙感圖像 配準(zhǔn) 變化檢測(cè) 多尺度分析 進(jìn)化優(yōu)化

【摘要】：配準(zhǔn)和變化檢測(cè)是遙感圖像處理的重要組成部分,精確的配準(zhǔn)是變化檢測(cè)的前提。論文提出了一種SAR圖像相干斑噪聲抑制方法,研究了基于圖像灰度和圖像特征的兩種配準(zhǔn)方法,又針對(duì)變化檢測(cè)結(jié)果易被噪聲干擾的問題以及變化檢測(cè)結(jié)果總是受分布模型約束的局限性,提出了兩種變化檢測(cè)方法。(1)相干斑噪聲嚴(yán)重影響了SAR圖像的質(zhì)量,降低了圖像的空間分辨率,隱藏了圖像的精細(xì)結(jié)構(gòu),使SAR圖像的可解譯性變差。噪聲嚴(yán)重時(shí),甚至可導(dǎo)致圖像特征消失。因此消除相干斑噪聲對(duì)SAR圖像的配準(zhǔn)和變化檢測(cè)等后續(xù)操作有著重要的意義。多尺度幾何分析Wedgelet變換可以良好逼近線目標(biāo),但過分平滑面區(qū)域,使圖像丟失過多的紋理信息。由此,提出了一種基于Wedgelet結(jié)合對(duì)偶樹復(fù)小波變換(Dual Tree Complex Wavelet Transform, DTCWT)的SAR圖像相干斑噪聲抑制方法,利用MSP-ROA算子,使用邊緣增強(qiáng)的局部均值和中值濾波器來達(dá)到平滑SAR斑點(diǎn)噪聲的同時(shí)保留邊緣的目的。實(shí)驗(yàn)結(jié)果表明,該方法在顯著減少斑點(diǎn)噪聲的同時(shí)可以保留SAR圖像更多的邊緣結(jié)構(gòu)。(2)提出了一種基于互信息測(cè)度和多智能體優(yōu)化的SAR圖像配準(zhǔn)方法。該方法直接使用歸一化的基于圖像灰度的互信息測(cè)度作為匹配準(zhǔn)則,不對(duì)圖像組進(jìn)行預(yù)處理,使用多智能體優(yōu)化算法通過尋優(yōu)操作來得到最終的配準(zhǔn)結(jié)果。多組實(shí)驗(yàn)結(jié)果數(shù)據(jù)表明,該方法配準(zhǔn)SAR圖像普適性和配準(zhǔn)精度都很好。(3)為了提高不同模態(tài)遙感圖像組的配準(zhǔn)精度,提出了一種基于最優(yōu)圖像特征點(diǎn)選取的多模配準(zhǔn)方法。首先手動(dòng)向待配準(zhǔn)圖像(測(cè)試圖像)和參考圖像輸入控制點(diǎn),利用高斯差分算子確定測(cè)試圖像極值點(diǎn)；再利用投影變換和最小線性平方差算法計(jì)算雙邊平均配準(zhǔn)誤差；最后根據(jù)配準(zhǔn)誤差自動(dòng)對(duì)控制點(diǎn)進(jìn)行亞像素調(diào)整,取得亞像素級(jí)控制點(diǎn)匹配,實(shí)現(xiàn)遙感圖像精確配準(zhǔn)。實(shí)驗(yàn)結(jié)果表明,該方法大大提高了配準(zhǔn)精度,可以滿足遙感數(shù)據(jù)進(jìn)一步解譯的需要。(4)針對(duì)圖像變化檢測(cè)結(jié)果會(huì)受到噪聲干擾的問題,構(gòu)造小波域多層差異影像,結(jié)合基于統(tǒng)計(jì)模型的瑞利高斯閾值法提取變化檢測(cè)結(jié)果,既提高了原有圖像信息的利用率又減少了噪聲的干擾。除此之外,為了減輕小波變換帶來的圖像細(xì)小偏移對(duì)算法精度的影響,通過插值算法對(duì)小波變換后的圖像進(jìn)行校正,改善了方法的性能。為減少運(yùn)算量,運(yùn)用免疫克隆優(yōu)化來搜索需要矯正的偏移量。實(shí)驗(yàn)結(jié)果數(shù)據(jù)表明,該方法提高了圖像變化檢測(cè)的精度。(5)構(gòu)造差異影像并利用統(tǒng)計(jì)模型結(jié)合圖像分割分類技術(shù)得到變化結(jié)果的方法較多,但是這類方法的缺點(diǎn)就是過于依賴模型參數(shù)的設(shè)定,如果待檢測(cè)的圖像數(shù)據(jù)的分布參數(shù)與所設(shè)定的模型參數(shù)差別較大時(shí),算法的精度就會(huì)大大降低。為了擺脫統(tǒng)計(jì)模型參數(shù)的限制,提出了一種不需假設(shè)參數(shù)模型的圖像變化檢測(cè)方法。利用生物地理學(xué)優(yōu)化算法(Biogeography-based Optimization, BBO)優(yōu)化搜索過程,通過尋找最小均方誤差得到變化檢測(cè)結(jié)果。實(shí)驗(yàn)證明,提出的方法是可行的,不受分布模型局限,適用性較好。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP751

【參考文獻(xiàn)】

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 高貴;SAR圖像目標(biāo)ROI自動(dòng)獲取技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2007年

，

本文編號(hào)：1303588