基于分层结构的遥感影像变化检测方法研究

发布时间：2018-12-14 23:09

【摘要】：随着遥感影像获取技术手段的日益先进以及海量遥感数据的积累,遥感影像变化检测技术已经在自然灾害的灾情评估、地理数据的更新、灾后的城市重建规划、以及对资源和环境监测等方面获得越来越多的应用。变化检测旨在对同一地区不同时间的两幅或多幅遥感图像分析,检测出该地区地物随时间发生的变化信息。变化检测方法的过程一般分为预处理、差异图像获取、差异图像分析及精度评价四个阶段。其中,差异图像的获取及分析是影响检测精度至关重要的因素,本文主要针对差异图像的获取与分析,引入了多尺度分析工具及机器学习方法,提出了新的变化检测方法。所取得的主要研究成果包括以下方面:1.针对差异图像中含有大量的斑点噪声等干扰,对后续的分析及处理带来干扰的问题,为了有效地提取变化区域,去除斑点噪声的影响,提出了一种基于方向特性的非下采样Contourlet变换(Non-Subsampled Contourlet Transform,NSCT)遥感影像噪声抑制方法。该方法通过对差异图像进行NSCT分解,得到多个尺度多个方向的分解系数,然后统计每个尺度每个方向上的系数的能量,并将高频能量按从大到小排列,再选取满足特定条件的表达式进行特定的基于尺度、方向的阈值去噪处理;完成对每个尺度每个方向上的系数处理后再进行逆NSCT,达到对差异图像去噪的目的。本方法可在抑制噪声的同时,保持目标待判像素点区域的变化信息。2.针对无监督变化检测方法的检测精度不高、鲁棒性低的缺点和有监督变化检测方法需要大量的训练样本的不足,提出了一种基于在线学习的遥感影像变化检测方法。该方法摒弃了传统的以整幅差异影像为处理对象进行逐像素分类的分析方法,而是将差异影像划分为图像块的形式,然后以类似视频帧的形式,通过在线学习机制不断更新样本库、优化分类器,并逐个对帧图像块进行分类处理得到其检测结果;最后,将每帧的分类检测结果拼接还原成整幅图像,完成对整幅差异图像的分析步骤。本章方法与传统的无监督变化检测方法相比,具有普遍的适用性和较高的检测精度。3.针对本文提出的基于在线学习的遥感影像变化检测方法的自动化程度不高的缺点,提出了一种基于NSCT去噪及支撑矢量机(Support Vector Machine,SVM)分类的自适应遥感图像变化检测方法。该方法首先构造差异图像,再在差异图像的基础上进行基于NSCT的去噪,然后在去噪后的差异图像上,进行基于2×2尺度的重叠块扫描并用均值分类器进行“粗分类”;与此同时,根据阈值可以构造去噪前原始尺度上的样本库,并对SVM分类器进行训练;最后,将“粗分类”后的剩余待判定像素点进行SVM测试,进行“细分类”,即可获得剩余待判定像素点的类标,进而获得最终的变化检测结果。本章方法在保持高的检测精度的同时,避免了人为干预,提高了变化检测方法的自动化程度。与传统方法的无监督遥感图像变化检测方法相比,具有检测精度更高的特点。
[Abstract]:......
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP751

【参考文献】