基于多尺度子空间分析的多光谱遥感图像变化检测方法研究

发布时间：2020-10-21 17:24

　　 面对海量高分辨率遥感数据,变化检测是获取图像中有用信息的重要方式,它是对不同时间获取的同一地理位置的两幅或多幅遥感图像,通过人工和计算机的协同处理与分析,准确地监测地表覆盖变化过程的技术。遥感图像变化检测技术已经被广泛应用于生态监测、土地监管、灾害评估及城市规划等诸多领域,对于促进人类社会协调和可持续发展具有重要意义。论文深入研究多光谱遥感图像成像机理和地物光谱分布规律,针对高分辨率遥感图像中地物的结构、形状、尺寸、光谱及纹理等特征混合问题,引入多尺度分析工具,将地物不同分布的特征映射到匹配的尺度子空间中获取特征一致性,并通过子空间联合优化算法获得最终的变化检测结果,获得了较好的检测性能。具体工作总结如下:1、引入结构多尺度模型,提出了一种基于多尺度子空间优化融合的多光谱图像变化检测方法。首先,选取匹配多光谱遥感图像中地物结构特性的结构元对时相数据进行形态学扩展构建结构尺度子空间,获取空-谱信息的联合分布;其次,为了克服多光谱图像中近红外通道的差异干扰,提出了尺度变化向量分析和尺度光谱角映射差异特征映射模型;最后,提出了一种基于随机采样谱聚类的特征子空间融合算法,通过优化权重分配重构谱聚类亲和矩阵,获得最终的变化检测结果。2、引入分割多尺度模型,提出了一种基于多尺度分割及瀑布混合高斯模型的多光谱图像变化检测方法。首先,构造基于变化向量分析、光谱角映射的多通道差异空间提高分割模型的约束能力;其次,利用基于动态排序模式的统计区域合并完成多光谱图像多粒度分割,实现混合特征空间的多尺度分离,保持不同尺寸地物的几何细节和结构特性;最后,针对层状结构的多尺度分割结果和混合高斯模型的初值敏感问题,提出分层结构的瀑布混合高斯模型,根据一致性判决策略依次在标签向量空间和概率向量空间进行分类判决,获得最终的变化检测结果。实验结果表明,与其他方法相比,论文提出的两种基于多尺度分析的变化检测方法能够检测出多光谱图像中的弱变化目标并保持地物几何结构信息,且获得了较好的检测性能指标。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP751
【部分图文】：

河流、农田、建筑物等各种地物的形态与分布，全面地揭示了地理事物之间的密切联系。图1.1 遥感成像系统工作模型近几十年来，随着卫星遥感技术的不断发展，遥感图像空间分辨率从数千米到一米以内，光谱分辨率从几百纳米到十几纳米，访问周期从数十天一次到一天多次，大量的遥感数据从粗到细满足了不同层次的需求，扩展了遥感技术的应用领域。高分辨率遥感图像中像元覆盖尺寸小，对地物的几何、辐射特性辨识度更高，尤其是多光谱

化检测技术，可以有效识别变化区域、范围、类别等关键信息。(a) (b) (c)图1.2 广东省惠州市双时相伪彩图像及 GT遥感图像变化检测技术涉及统计科学、地理科学及计算机科学等多个学科，是当前遥感图像研究领域的研究热点和难点，已经被广泛应用于生态环境监测、土地资源管理、灾害评估及预警、城市发展规划等诸多领域。具体的应用场景如图 1.3 所示，图 1.3（a）是利用遥感变化检测技术对鄱阳湖水域面积及周边生态环境监测；图 1.3（b）是描述 2008 年 5 月因受到“汶川地震”的影响绵阳某山区出现山地滑坡前后的

(a) (b)(c) (d)图1.3 遥感图像变化检测的具体应用1.2 遥感图像变化检测的研究现状及存在的问题1.2.1 国内外研究现状在过去的十几年中，国内外学者提出了大量以像素为基本分析单元的遥感图像变化检测方法。Gong[3]等人采用对数比算子生成差异图像，将马尔可夫随机场和模糊聚类相结合，结合新的能量函数提升了 SAR 图像变化检测性能。Celik T[4]等利用差值法提取双时相遥感图像间的差异信息，联合 PCA（Principal Component Analysis）与k-means 完成了变化检测任务。变化向量分析(Change Vector Analysis, CVA)是遥感图像变化检测中经典方法之一[5]，该方法是简单差分在多光谱图像中的形式，可以体现各个波段的变化量。吴柯[6]等采用 PCA 结合 CVA 构造差异图像，并利用 EM（Expectation Maximum）自动确定变化阈值以完成多光谱遥感图像的变化检测。Liu[7]等改进经典的 CVA 算法，通过 SCVA(Sequential Change VectorAnalysis)构建双时相高
【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 陈祖洋;盐池县缓坡地带荒漠化信息提取及变化检测研究[D];宁夏大学;2019年

2 张苗琳;基于时空融合数据的矿区植被覆盖变化检测[D];中国地质大学(北京);2019年

3 陈圆圆;基于多尺度子空间分析的多光谱遥感图像变化检测方法研究[D];西安电子科技大学;2019年

4 熊云塔;基于胶囊网络学习的同源和异源遥感图像变化检测研究[D];西安电子科技大学;2019年

5 杨月磊;基于生成对抗网络的多光谱图像变化检测[D];西安电子科技大学;2019年

6 吴飞;基于生成对抗网络和非局部神经网络的SAR图像变化检测[D];西安电子科技大学;2019年

7 牛旭东;基于生成对抗网络的遥感图像变化检测[D];西安电子科技大学;2019年

8 王艳艳;基于空间邻域信息的遥感影像变化检测[D];西安电子科技大学;2019年

9 寇佳宁;基于卷积神经网络特征学习的SAR图像变化检测方法研究[D];西安电子科技大学;2019年

10 杨孟然;基于卷积神经网络的SAR图像变化检测及硬件实现[D];西安电子科技大学;2019年

本文编号：2850398