基于DBN的遥感影像CVA变化检测并行算法设计

发布时间：2017-10-16 08:09

  本文关键词：基于DBN的遥感影像CVA变化检测并行算法设计

  更多相关文章： 遥感变化检测 变化矢量分析 并行处理 深度学习

【摘要】：在快速变化和高速发展的现代社会,为了能够可持续性的利用地球资源,就必须实时掌握地表土地利用现状和变化情况。由于遥感技术具有覆盖面广、快捷简便、信息丰富等优点,基于遥感图像的变化检测技术一直广受关注。遥感变化检测最主要的目的就是获取研究区域的变化范围以及判断变化类型。在众多变化检测方法中,基于变化矢量分析(Change Vector Analysis,CVA)的方法则相对独立地分析变化范围和变化类型。该方法最主要的是要获取变化强度图像和变化方向图像,变化强度图像是为了确定变化范围,而变化方向图像是为了得到变化类型。本文从变化检测精度和效率出发,主要研究了利用深度学习机的CVA的变化检测算法,并且利用统一计算设备架构(Compute Unified Device Architecture,CUDA)实现变化检测的并行化,主要内容如下:(1)为了确定变化类型,在获取变化强度图像后,需要对其进行二值化,以确定变化的范围。目前最常用的就是阈值分析法,然而,很难得到某一优化的阈值来检测变化区域和未变化区域,而且简单的利用某一阈值来判断变化与否也是不严格的。因此本文利用了深度信念网络对变化强度图像进行分析,从而获取变化范围。此外,为了确定变化类型的具体意义,本文首先分别计算两个时相图像的指数图像:归一化植被指数(Normalized Difference Vegetation Index,NDVI)、归一化建筑物指数(Normalized Difference Built-up Index,NDBI)以及归一化水体指数(Normalized Difference Water Index,NDWI)等指数,然后将指数特征图像代替原始图像计算变化方向图像。(2)为了实现基于遥感影像的实时变化检测,本文针对CVA的变化检测算法,设计了一种CUDA的并行处理模型。首先利用地理空间数据提取库(Geospatial Data Abstraction Library,GDAL)实现大数据量遥感影像的分块读取、操作和保存;其次将CVA变化检测过程分为变化强度检测、基于深度信念网络(Deep Belief Network,DBN)的变化范围确定、映射表构建和变化方向检测,并借助CUDA C将基于CVA算法的以上四个步骤分别嵌入到CPU和GPU中进行研究;最后利用该模型对不同数据量的遥感影像进行CVA变化检测并作对比分析。
【关键词】：遥感变化检测 变化矢量分析 并行处理 深度学习
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P237
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-16
• 1 绪论16-27
• 1.1 研究背景与研究意义16-18
• 1.2 国内外研究现状18-24
• 1.3 研究内容及结构安排24-27
• 2 计算统一设备架构与研究平台27-35
• 2.1 计算统一设备架构27-33
• 2.2 实验平台33-34
• 2.3 本章小结34-35
• 3 遥感图像CVA+DBN变化检测技术35-63
• 3.1 数据预处理35-38
• 3.2 变化矢量分析法38-41
• 3.3 深度信念网络的原理41-48
• 3.4 基于DBN的变化范围确定48-50
• 3.5 基于DBN的CVA变化检测实验分析50-62
• 3.6 本章小结62-63
• 4 遥感图像CVA+DBN变化检测的并行设计63-81
• 4.1 基于CVA的变化检测的并行设计63-67
• 4.2 基于DBN的变化范围确定方法并行设计67-71
• 4.3 基于CUDA的并行化实验分析71-80
• 4.4 本章小结80-81
• 5 结论与展望81-83
• 5.1 结论81-82
• 5.2 展望82-83
• 参考文献83-91
• 作者简历91-93
• 学位论文数据集93

【相似文献】

中国期刊全文数据库 前10条

1 李德仁;利用遥感影像进行变化检测[J];武汉大学学报(信息科学版);2003年S1期

2 胡岩峰,刘波,李峰,李立钢,丘江;一种基于统计分析的图像变化检测方法[J];光子学报;2005年01期

3 宋翠玉;李培军;杨锋杰;;运用多尺度图像纹理进行城市扩展变化检测[J];国土资源遥感;2006年03期

4 李雪;舒宁;王琰;李亮;;利用土地利用状态转移分析的变化检测[J];武汉大学学报(信息科学版);2011年08期

5 方针,张剑清,张祖勋;基于城区航空影像的变化检测[J];武汉测绘科技大学学报;1997年03期

6 徐宏根;宋妍;;顾及阴影信息的高分辨率遥感图像变化检测方法[J];国土资源遥感;2013年04期

7 马云飞;李宏;;遥感变化检测技术方法综述[J];测绘与空间地理信息;2014年01期

8 刘直芳,张剑清;城区变化检测的一种方法[J];测绘通报;2001年02期

9 倪林,冷洪超;机场区域变化检测研究[J];遥感技术与应用;2002年04期

10 唐德可,付琨,王宏琦;基于光谱和空域信息的城区变化检测方法研究[J];测绘科学;2005年06期

中国重要会议论文全文数据库 前10条

1 尤红建;詹芊芊;;尺度优化的星载SAR图像变化检测[A];中国测绘学会第九次全国会员代表大会暨学会成立50周年纪念大会论文集[C];2009年

2 刘元波;;环境遥感变化探测研究中的若干问题：辐射校正方法与变化检测算法及其理论关系[A];中国地理学会2007年学术年会论文摘要集[C];2007年

3 邢帅;徐青;;高分辨率卫星遥感影像变化检测技术的研究[A];第十三届全国图象图形学学术会议论文集[C];2006年

4 霍春雷;程健;周志鑫;卢汉清;;基于尺度传播的多尺度变化检测新方法[A];第十四届全国图象图形学学术会议论文集[C];2008年

5 张蔚然;韩萍;;基于去取向理论的极化SAR变化检测[A];第二十五届中国（天津）2011’IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2011年

6 胡艳;李胜;何宗;罗灵军;李静;;水体变化检测在重庆市干旱遥感监测中的应用[A];重庆市测绘学会第三届优秀论文评选获奖论文暨2005-2006年度学术交流会论文选编[C];2008年

7 张铁军;;年度土地利用变更调查中遥感监测图斑提取方法浅析[A];福建省土地学会2012年年会论文集[C];2012年

8 柳思聪;杜培军;;基于形态学滤波的多时相遥感影像变化检测方法研究[A];第十七届中国遥感大会摘要集[C];2010年

9 刘志刚;李夕海;钱昌松;;遥感图像变化检测问题浅析[A];陕西地球物理文集（五）国家安全与军事地球物理研究[C];2005年

10 刘翔;李万茂;高连如;陶发达;倪金生;;基于遥感图像变化检测的投资项目搜索技术研究[A];中国遥感应用协会2010年会暨区域遥感发展与产业高层论坛论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 郝明;基于空间信息准确性增强的遥感影像变化检测方法研究[D];中国矿业大学;2015年

2 王凌霞;基于多尺度分析和自然进化优化的遥感图像配准与变化检测[D];西安电子科技大学;2015年

3 刘赶超;基于双噪声相似性模型的SAR图像变化检测[D];西安电子科技大学;2016年

4 李向军;遥感土地利用变化检测方法探讨[D];中国科学院研究生院（遥感应用研究所）;2006年

5 邓小炼;基于变化矢量分析的土地利用变化检测方法研究[D];中国科学院研究生院（遥感应用研究所）;2006年

6 李雪;基于像斑信息挖掘的土地利用变化检测方法研究[D];武汉大学;2010年

7 张路;基于多元统计分析的遥感影像变化检测方法研究[D];武汉大学;2004年

8 罗旺;遥感图像的变化检测与标注方法研究[D];电子科技大学;2012年

9 王琰;基于像斑统计分析的高分辨率遥感影像土地利用/覆盖变化检测方法研究[D];武汉大学;2012年

10 邓湘金;基于模式识别知识的遥感图像变化检测研究[D];中国科学院研究生院（电子学研究所）;2003年

中国硕士学位论文全文数据库 前10条

1 张家琦;遥感影像变化检测方法及应用研究[D];中国地质大学(北京);2015年

2 李玲玲;基于NSCT和NSST的图像变化检测算法研究及应用[D];新疆大学;2015年

3 胡雪梅;基于MST的遥感图像变化检测研究[D];新疆大学;2015年

4 杨国栋;基于分布式并行聚类的SAR图像变化检测算法研究[D];西安电子科技大学;2014年

5 王桥;基于多目标模糊聚类的SAR图像变化检测[D];西安电子科技大学;2014年

6 张文婷;基于自适应权值差异图融合和聚类的SAR图像变化检测方法研究[D];西安电子科技大学;2014年

7 任新营;基于OpenCL的并行SAR图像变化检测[D];西安电子科技大学;2014年

8 宫金杞;面向地理国情监测的地表覆盖变化检测方法研究及系统实现[D];山东农业大学;2015年

9 赵姣姣;基于无监督方法的SAR图像变化检测[D];西安电子科技大学;2014年

10 李晓婷;基于信息融合与匀质区域提取的SAR图像变化检测[D];西安电子科技大学;2014年

，

本文编号：1041568