基于度量学习和多目标免疫算法的SAR图像变化检测

发布时间：2020-03-18 21:09

【摘要】：变化检测是指同一地区在一段时间内发生的变化。SAR图像是指通过合成孔径雷达得到的图像。相对于其它成像方式,SAR图像不会受到天气等外界条件的限制,具有全天候、全天时的工作能力。因此基于SAR图像的变化检测日益成为研究的热点课题。对于SAR图像变化检测,如何找到两个样本的差异至关重要,而SAR图像由于独特的成像技术,图像中存在相干斑噪声,若采用传统的欧式距离容易受到相干斑噪声的影响。基于传统距离度量的不足,本文提出了两种基于度量学习的SAR图像变化检测算法;并且由于SAR图像变化检测存在样本不平衡以及构建模型需要手动调整参数的问题,本文又提出了基于迭代多目标免疫方法的SAR图像变化检测算法。本文重点内容如下:1.针对传统距离度量对噪声不够鲁棒,同时不能很好的衡量样本之间的差异,本文提出基于空间上下文度量学习的SAR图像变化检测。在SAR图像变化检测中,存在变化类与未变化类边界区域易错分的问题,所以该方法采用生态学Canny方法获得边界区域,将边界区域的样本作为训练样本;并且该方法在构建约束对时充分考虑了空间邻域信息,一定程度上抑制了相干斑噪声以及配准误差对变化检测结果的影响;最后在结构化支持向量机模型求取约束对距离时,将传统的相减转化为对噪声更加鲁棒的LR算子。将本方法在四个标准数据集上进行测试,均取得很好的效果。2.针对第一种单模态度量学习不能很好的利用多模态数据信息导致精度不高的问题,本文提出基于空间先验和多模态度量学习的SAR图像变化检测。与第一种方法相同,该方法将边界部分的样本作为训练样本,解决了边界易错分的问题;并且该方法在构建约束对时充分考虑了空间先验,在邻域内寻找相同类别的约束对;最后构建多模态度量学习模型,该模型学习两类映射矩阵,即每个模态特有的映射矩阵以及全部模态共享的映射矩阵,通过矩阵映射将原始样本映射到特征空间,最后在映射空间进行距离度量。同时本文还将该方法用于异质数据,首先得到每个通道的变化检测结果,然后利用投票方法获得最终的变化检测结果。将本方法在四个同源数据集以及两个异质数据集上进行测试,均取得很好的效果。3.针对SAR图像中样本不平衡以及模型参数需要手动调整的问题,本文提出基于迭代多目标免疫方法的SAR图像变化检测。该方法将灵敏度和特异性均作为目标函数,很好的克服了精度等单目标函数性能不好的问题;然后该方法采用迭代多目标免疫方法对该目标函数进行优化,在该过程中同时将模型参数进行迭代优化,避免了手动调整参数的问题;该方法通过迭代优化产生最优的Pareto解集合,然后在该解集合中选择AUC值最高的解作为最终的最优解。将本方法在四个标准数据集上进行测试,均取得很好的效果。
【图文】：

传统SAR图像变化检测流程图

求取训练样本的差异信息，然后对两时相图像测试样本的差异信息时相图像训练样本的差异信息使用 K 近邻算法(k-Nearest Neighbor，KNN)进行分获得 SAR 图像变化检测结果。2.3 实验结果分析2.3.1 数据集的介绍这一节主要对提出的基于空间上下文度量学习的 SAR 图像变化检测进行性证实验，，采用的数据集如下图所示：Bern 数据集[10]。Bern 数据集两时相图像以及参考图如图 2.2 所示，两时相是通过欧洲遥感 2 号星载 SAR 传感器分别在 1999 年 4 月和 1999 年 5 月在瑞士 地区获得的，分辨率为 20m。图 2.2(a)描述了洪水来临前的图像；图 2.2(b)描述水过后的图像。参考图像描述了从 1999 年 4 月到 1999 年 5 月，洪水将 Bern 机没以及 Thun 和 Bern 两城市部分地区被淹没的变化。两时相 Bern 图像的尺301×301，参考图像是通过真实的陆地信息和专家知识获得。
【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】：2019
【分类号】：TN957.52

【相似文献】

相关期刊论文 前10条

1 眭海刚;冯文卿;李文卓;孙开敏;徐川;;多时相遥感影像变化检测方法综述[J];武汉大学学报(信息科学版);2018年12期

2 谢馨娴;岳彩荣;霍鹏;;森林变化检测方法比较[J];四川林业科技;2018年03期

3 王娜;张景发;;SAR图像变化检测技术方法综述[J];地壳构造与地壳应力文集;2016年01期

4 宋英旭;牛瑞卿;张景发;李永生;罗毅;冯时;陈艳;;遥感影像变化检测方法对比[J];地壳构造与地壳应力文集;2016年02期

5 李强;张景发;;变化检测技术在震害信息提取中的应用[J];地理空间信息;2014年02期

6 龙玄耀;李培军;;基于图像分割的城市变化检测[J];地球信息科学;2008年01期

7 于跃龙,卢焕章;以统计变化检测为基础的实时分割视频对象新方法[J];中国图象图形学报;2005年01期

8 孙扬;朱凌;修田雨;;基于国产卫星影像的协同分割变化检测[J];北京建筑大学学报;2018年04期

9 王鑫;;聚类分析观点下的分散式最快变化检测[J];南京理工大学学报;2014年02期

10 沈壁川;毛期俭;吕翊;;基于巴氏距离的视频流场景变化检测(英文)[J];重庆邮电大学学报(自然科学版);2009年01期

相关会议论文 前10条

1 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

2 毛卫华;;时态遥感数据对象级变化检测方法研究[A];2016年度浙江省测绘与地理信息学会优秀论文集[C];2016年

3 林丽群;舒宁;肖俊;;MODIS影像自动变化检测[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

4 余小萍;魏钜杰;;一种综合极化互相关性和空间上下文信息的多时相极化SAR变化检测方法[A];第六届高分辨率对地观测学术年会论文集（上）[C];2019年

5 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

6 王长海;陈文静;;基于遥感影像分类的城镇建成区变化检测方法研究[A];国家安全地球物理丛书（十三）——军民融合与地球物理[C];2017年

7 蒋汾龙;王善峰;公茂果;马晶晶;张明阳;武越;;基于降噪耦合卷积神经网络的多源遥感影像变化检测[A];第五届高分辨率对地观测学术年会论文集[C];2018年

8 郑安明;罗健;康薇薇;;基于遥感影像的流域下垫面变化检测[A];环境变化与水安全——第五届中国水论坛论文集[C];2007年

9 陈宇;唐伟成;;基于北京一号小卫星遥感数据的徐州东矿区土地利用/覆盖变化检测方法研究[A];第十七届中国遥感大会摘要集[C];2010年

10 李全;李霖;;基于LANDSAT TM影像的城市变化检测研究[A];中国地理学会2004年学术年会暨海峡两岸地理学术研讨会论文摘要集[C];2004年

相关重要报纸文章 前2条

1 本报记者 孙楠 徐文彬;提高我国在气候变化检测归因领域的国际影响力[N];中国气象报;2016年

2 通讯员 孙爱华　张向峰;区域气候变化检测研讨会召开[N];中国气象报;2009年

相关博士学位论文 前10条

1 邵攀;非监督遥感变化检测模糊方法研究[D];武汉大学;2016年

2 李文卓;时序无人机影像二三维综合的面向对象建筑物变化检测关键技术研究[D];武汉大学;2017年

3 吕臻;高分辨率遥感影像道路提取与变化检测关键技术研究[D];武汉大学;2017年

4 彭代锋;基于多特征信息挖掘的对象级光学卫星影像变化检测研究[D];武汉大学;2017年

5 郑耀国;基于结构化表示学习的遥感图像分类及变化检测[D];西安电子科技大学;2016年

6 苏临之;基于像素信息和深度学习的遥感图像变化检测技术[D];西安电子科技大学;2016年

7 贾璐;基于核理论的遥感影像变化检测算法研究[D];西安电子科技大学;2016年

8 李瑜;基于特征学习的SAR图像变化检测方法研究[D];西安电子科技大学;2016年

9 李振轩;基于差分测度的高分辨率遥感影像可靠性变化检测方法研究[D];中国矿业大学;2018年

10 刘博宇;时序NDVI数据集螺线型构建及多形状参数变化检测[D];吉林大学;2018年

相关硕士学位论文 前10条

1 李进;基于深度学习的高分辨率遥感图像变化检测[D];江西师范大学;2019年

2 王成军;基于超像素与主动学习采样策略的高分影像变化检测方法研究[D];福州大学;2018年

3 罗星;基于中层语义特征的高分辨率遥感影像变化检测方法研究[D];福州大学;2018年

4 刘本强;基于邻域相对熵和融合纹理信息的SAR影像变化检测[D];山东科技大学;2018年

5 周晓君;多时相高分辨率遥感影像变化检测算法研究[D];大连理工大学;2019年

6 王守峰;面向对象的多光谱遥感影像变化检测方法研究[D];合肥工业大学;2019年

7 吴宪;基于对象分割的卫星图像中物体变化检测与识别算法研究[D];北京交通大学;2019年

8 雷明;基于高分遥感影像的城市土地利用变化检测研究[D];华中师范大学;2019年

9 袁瑞临;基于高光谱图像分析的地物变化检测方法研究[D];哈尔滨工业大学;2019年

10 高雪艳;基于遥感图像配准的建筑物变化检测算法研究[D];云南师范大学;2019年

本文编号：2589191