多时相遥感图像变化检测及趋势分析

发布时间：2020-04-20 05:40

【摘要】：多时相遥感图像变化检测及趋势分析是多时相图像解译的重要内容之一,主要解决何处变化、如何变化、变化多少、变化预测等问题。随着多时相图像数据源可获取性的增加,人们对遥感图像变化检测及趋势分析的要求也在不断提高。首先希望高精度获取变化结果并尽可能减少预处理误差;其次希望了解变化过程,获得变化区域更丰富的属性信息;最后希望充分挖掘多时相图像的时序信息,并全面结合变化检测结果,对未知时相进行趋势预测分析。因此本文主要对多时相图像变化检测进行以下研究:论文首先介绍多时相遥感图像配准的基本概念及其在多时相变化检测预处理中的重要性。对同源图像的改进SIFT点特征配准算法和多源图像的定向相位一致性配准算法进行研究,用以获得亚像素级配准精度的多时相图像,从而尽可能减少配准误差对后续变化检测的影响。针对不同分辨率多时相图像变化检测精度不足、干扰严重的问题,论文在对多时相变化检测基本原理、特别是中高分辨率传统检测算法进行研究的基础上,引入协同显著模型和色彩空间平滑模型,进行高分辨率遥感图像的变化检测。实验结果表明,本文提出的方法,在获得高精度变化检测结果的同时,还在一定程度上克服了噪声、阴影及误差累积对结果的影响,获得了优于传统算法的检测结果,为接下来的变化分析奠定基础。变化检测结果提供了多时相数据变化的位置信息,但在许多应用中还需了解变化区域的属性信息及后续时相的属性分布情况。因此为了进一步进行变化分析,完成变化区域类别的确定并获取未知时相地物覆盖占比与位置的分布,论文在获取高精度变化结果的基础上,引入变化分类方法及空-时联合预测模型,实现了多时相数据信息的充分挖掘和变化检测结果的综合利用,解决了变为何类与变化趋势预测的问题,进而丰富了变化信息。
【图文】：

对比图,描述子,生成过程,坐标系

哈尔滨工业大学工学硕士学位论文格内部构造 16 个子区域，对于每个子区域将包括 8 个方向的梯度，从而获取了特征点的 128 个方向，称为 SIFT 特征的描述子向量。由此可见，主方向的赋予以及描述子向量的生成并非在一个参考坐标系下计算，需要进行坐标旋转。为了避免每次计算描述子时的坐标旋转，可在当前坐标系下直接计算描述子向量并将主方向作为描述子向量的第一维参与后续特征匹配，完成点特征 129 维的描述，且在匹配时满足归一化条件的主方向被认为是相同的特征，，实现了辐射反向下的图像配准。改进算子及传统算子的具体对比图如图 2-1 和图 2-2 所示。

对比图,描述子,生成过程,坐标系

哈尔滨工业大学工学硕士学位论文 16 个子区域，对于每个子区域将包括 8 个方向的梯度，28 个方向，称为 SIFT 特征的描述子向量。由此可见，主向量的生成并非在一个参考坐标系下计算，需要进行坐计算描述子时的坐标旋转，可在当前坐标系下直接计算作为描述子向量的第一维参与后续特征匹配，完成点特匹配时满足归一化条件的主方向被认为是相同的特征，像配准。改进算子及传统算子的具体对比图如图 2-1 和图图 2-1 描述子生成过程坐标系选择
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP751

【参考文献】