本文關鍵詞：基于空間信息準確性增強的遙感影像變化檢測方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：遙感變化檢測技術已成為一種有效的地表變化監(jiān)測手段。然而,由于自然環(huán)境本身的復雜性、與遙感波譜相互作用的復雜性以及傳感器本身的局限性,使得獲取的遙感影像中存在大量的混合像素、“同物異譜”和“同譜異物”等現象。此外,遙感影像預處理與變化檢測算法本身存在的不確定性也降低了變化檢測的精度。研究表明,光譜與空間信息結合的變化檢測方法可以在一定程度上解決上述問題,但多數方法對空間信息的描述和利用還不夠準確�；诖�,本文對現有變化檢測方法存在的不確定性進行深入分析,研究配準不確定性與變化檢測精度的關系,針對不同空間分辨率的遙感影像,分別基于像素級、對象級和特征級方法增強空間信息的準確性,提出可靠的光譜與空間信息結合的變化檢測方法,降低遙感數據本身及變化檢測方法的不確定性對檢測結果的影響,提高變化檢測精度。研究成果將為結合光譜與空間信息的變化檢測提供新思路。具體研究工作與結論主要包括:(1)通過遙感影像變化檢測實驗分析得出配準不確定性引起的變化檢測錯誤及其空間分布的規(guī)律:1)僅考慮配準誤差時,要保證變化檢測的正確率達到90%以上,配準誤差至少要控制在0.6個像素以內;2)無論中分辨率還是高分辨率影像,由配準誤差引起的虛檢像素基本分布在邊緣附近1個像素的范圍內;3)對于中分辨率影像,大約70%左右的漏檢像素發(fā)生在邊緣附近1個像素的范圍內;對于高分辨率影像,50%-60%的漏檢像素發(fā)生在邊緣附近1或2個像素的范圍內。(2)針對遙感影像中存在的混合像素及模糊邊界問題,提出一系列新的基于主動輪廓模型的變化檢測方法:1)在像素級層上,假設差分影像符合混合高斯分布,用EM算法估計未變化和變化像素的灰度平均值,并將其引入主動輪廓模型中建立新的能量函數,增強未變化和變化像素的區(qū)分程度,提高了變化檢測精度;2)在特征級層上,提出對小尺度和大尺度變化檢測圖進行優(yōu)勢融合的策略,保留不同輪廓長度參數下變化檢測圖的優(yōu)勢,在一定程度上減弱了輪廓長度參數對變化檢測結果精度的影響;3)在對象級層上,以震前的GIS矢量數據提供的建筑物輪廓作為初始輪廓,利用主動輪廓模型處理震后的高分辨率遙感影,檢測倒塌建筑物,避免了設置閾值帶來的不確定性,提高了檢測結果的精度和穩(wěn)定性。(3)在像素級層上,提出了基于空間鄰域信息準確性增強的馬爾可夫隨機場變化檢測方法:1)通過空間引力模型將模糊C均值聚類算法計算得到的隸屬度信息引入到馬爾可夫隨機場中,增強了像素空間鄰域關系的準確性,得到了更高精度的變化檢測結果;2)根據估計的變化和未變化類別的中心像素灰度值設置閾值T1和T2,將差分像分為未變化、不確定是否變化和變化三部分,并分別設計不同的空間信息權重計算策略,減弱了傳統(tǒng)方法對空間鄰域信息的過度利用,提高了變化檢測精度。(4)在對象級層上,通過充分考慮地物類的特點,確定與不同地類變化相適應的最佳分割尺度,提出了兩種利用對象的空間特征和多尺度信息進行變化檢測的方法:1)利用SRM算法生成的分割結果對主動輪廓模型生成的初始變化檢測結果進行精化,減弱了分割尺度和主動輪廓模型中輪廓長度參數的影響,提高了變化檢測結果的精度及穩(wěn)定性;2)將基于像素和面向對象的變化檢測結果結合,對分割結果存在的尺度不確定性進行分析,利用更精細的分割結果對不確定是否變化的圖斑進行后處理,減弱了分割不確定性對變化檢測結果的影響,提高了變化檢測精度。(5)在特征級層上,提出了邊緣密度匹配指數,同時引入了GLCM、Gabor和GMRF三種紋理特征,將這些特征與光譜信息組合,并利用小波變換對特征進行分解,通過DS證據理論和優(yōu)勢融合策略提取變化信息。通過實驗表明光譜、紋理、邊緣特征組合可以在提高變化檢測精度,且不同的特征組合對變化檢測精度的提高程度不同。此外,光譜、Gabor紋理和邊緣特征的融合方法比較穩(wěn)定且效果較好。
【關鍵詞】：遙感影像變化檢測 空間信息 準確性增強 主動輪廓 馬爾可夫隨機場 尺度不確定性 多特征融合
【學位授予單位】：中國礦業(yè)大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP751
【目錄】：

• 致謝4-5
• 摘要5-7
• abstract7-10
• Extended Abstract10-26
• 變量注釋表26-28
• 1 緒論28-39
• 1.1 研究背景與意義28-29
• 1.2 國內外研究進展29-36
• 1.3 存在的問題36-37
• 1.4 研究內容與章節(jié)安排37-39
• 2 配準誤差對變化檢測結果的影響39-53
• 2.1 研究方法39-41
• 2.2 實驗結果與分析41-51
• 2.3 本章小結51-53
• 3 基于主動輪廓模型的遙感影像變化檢測53-82
• 3.1 主動輪廓模型53-56
• 3.2 EM算法與主動輪廓模型結合的變化檢測方法56-65
• 3.3 基于主動輪廓模型的優(yōu)勢融合變化檢測方法65-74
• 3.4 利用主動輪廓模型檢測由地震引起的倒塌建筑物74-80
• 3.5 本章小結80-82
• 4 基于馬爾可夫隨機場的遙感影像變化檢測82-98
• 4.1 模糊C均值聚類算法82-83
• 4.2 馬爾可夫隨機場模型83-85
• 4.3 基于模糊C均值聚類算法和馬爾可夫隨機場的變化檢測85-90
• 4.4 基于對比敏感Potts模型的自適應馬爾可夫隨機場變化檢測90-96
• 4.5 本章小結96-98
• 5 面向對象的多尺度遙感影像變化檢測98-129
• 5.1 SRM分割方法98-99
• 5.2 SRM與主動輪廓模型結合的面向對象的變化檢測99-109
• 5.3 基于對象尺度不確定性分析的變化檢測109-127
• 5.4 本章小結127-129
• 6 融合多特征的遙感影像變化檢測129-159
• 6.1 遙感影像多特征提取129-137
• 6.2 遙感影像特征小波分解137-140
• 6.3 融合光譜、邊緣和紋理的遙感影像變化檢測方法140-143
• 6.4 實驗結果與分析143-157
• 6.5 本章小結157-159
• 7 結論與展望159-162
• 7.1 研究結論159-160
• 7.2 論文創(chuàng)新點160-161
• 7.3 研究展望161-162
• 參考文獻162-175
• 作者簡歷175-178
• 學位論文數據集178

  本文關鍵詞：基于空間信息準確性增強的遙感影像變化檢測方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：344493