基于遥感图像配准的建筑物变化检测算法研究

发布时间：2020-06-18 14:44

【摘要】：在遥感图像处理中,建筑物变化检测一直都是遥感领域的热点话题。建筑物变化信息在城市规划、城市管理、违章建筑识别等方面有着至关重要的作用。使用实地调查的方法检测建筑物的变化需要耗费大量的人力和物力资源,数据采集周期长且容易出错,而使用遥感技术对建筑物进行变化检测不但可以解决上述问题,而且可以提高检测效率和精度。在遥感图像获取的过程中,由于拍摄视角、拍摄时间等变化,导致采集到的遥感图像具有较低的重叠率和非刚性畸变,另外,在同一场景采集到的遥感图像对(如多时相或多视角)不在同一坐标系,不能直接进行变化检测。因此,需要对采集的图像进行校正,而遥感图像配准方法通过两幅图像间的特征点对应关系可以将两幅图校正到同一坐标系。因此变化检测的关键步骤是图像配准,图像配准性能直接影响变化检测的结果。本文研究的基于遥感图像配准的建筑物变化检测算法可分两个阶段进行研究:一是遥感图像配准算法研究,二是建筑物变化检测算法研究。主要研究贡献如下:(1)提出了一种无人机遥感图像配准方法。该方法主要是解决由于图像间的低重叠率和非刚性畸变所造成的高冗余点率问题。其中心思想是保持重叠区域内的内点精确地对齐,同时利用冗余点指导非重叠区域网格化图像的形成;(2)提出了一种鲁棒的建筑变化检测框架,可以检测小型无人机或卫星获取的多时相建筑物遥感图像对。该框架利用CNN特征和超像素分割相结合的方法进行变化检测。本文使用60对小型无人机建筑物遥感图像和60对卫星建筑物遥感图像进行图像配准和变化检测实验。通过实验结果可知,在大多数情况下,本文所提出的配准方法与其他几种流行的方法相比性能最佳。由于良好的配准性能,本文所使用的变化检测方法也取得了较好的实验结果。
【学位授予单位】：云南师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TU19;TP751
【图文】：

遥感图像,视角,几何形状,物体

第 1 章引言图像配准通过两幅图像间的特征点对应关系可以将两幅图纠正到同一坐标系，因此图像配准是变化检测的关键步骤，也是本文最值得关注的研究点。图像配准精度直接影响变化检测的结果。由于采集的图像对间的低重叠率和非刚性畸变，在特征点提取过程中会产生大量冗余点，从而增加了配准和变化检测的难度，为了解决这个问题，本文提出了一种针对有较多冗余点的非刚性遥感图像配准方法，在配准之后本文利用了当前比较流行的卷积神经网络（ConvolutionalNeural Network, 简称 CNN）特征和超像素分割相结合的方法进行变化检测。采用遥感图像变化检测的手段获得城市地理空间信息，进行城市违章建筑或非法占地的快速检测，无疑是更高效的方式。所以，研究基于遥感图像配准的建筑物变化检测算法具有重要的现实意义。

图像配准,配准,主要分类,方法

图 1.2 图像配准主要分类当前的图像配准方法主要包括：（1）基于区域的配准方法；和（2）征的配准方法[2]。其中，方法（1）主要是利用图像的灰度信息，建立两之间的相似性度量，再统计相似性度量值最大或最小变换模型的参数值到配准图像的目的；而方法（2）是把提取出来的图像的某种固定特征值准图像进行比较分析，以获得配准后的结果[3]。与方法（1）相比，方法受光照、旋转影响，保持高效率的同时还能大大减少计算量。本文所提出的配准方法主要使用方法（2）。方法（2）与方法（1）的于：方法（2）主要通过提取图像特征将问题转化为特征点集的配准问题局部特征描述符来提取特征点，再通过使用不同的相似性测量来匹配图点。基于特征的方法主要包括三步：（i）特征提取：使用局部描述符或从待配准图像和参考图像提取足够数量的特征点；（ii）特征点集匹配或过特征距离或特征点集配准的方法得到两个点集之间的对应关系（或对

【参考文献】