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

发布时间：2017-12-18 09:10

  本文关键词：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

  更多相关文章： 遥感图像 配准 变化检测 多尺度分析 进化优化

【摘要】：配准和变化检测是遥感图像处理的重要组成部分,精确的配准是变化检测的前提。论文提出了一种SAR图像相干斑噪声抑制方法,研究了基于图像灰度和图像特征的两种配准方法,又针对变化检测结果易被噪声干扰的问题以及变化检测结果总是受分布模型约束的局限性,提出了两种变化检测方法。(1)相干斑噪声严重影响了SAR图像的质量,降低了图像的空间分辨率,隐藏了图像的精细结构,使SAR图像的可解译性变差。噪声严重时,甚至可导致图像特征消失。因此消除相干斑噪声对SAR图像的配准和变化检测等后续操作有着重要的意义。多尺度几何分析Wedgelet变换可以良好逼近线目标,但过分平滑面区域,使图像丢失过多的纹理信息。由此,提出了一种基于Wedgelet结合对偶树复小波变换(Dual Tree Complex Wavelet Transform, DTCWT)的SAR图像相干斑噪声抑制方法,利用MSP-ROA算子,使用边缘增强的局部均值和中值滤波器来达到平滑SAR斑点噪声的同时保留边缘的目的。实验结果表明,该方法在显著减少斑点噪声的同时可以保留SAR图像更多的边缘结构。(2)提出了一种基于互信息测度和多智能体优化的SAR图像配准方法。该方法直接使用归一化的基于图像灰度的互信息测度作为匹配准则,不对图像组进行预处理,使用多智能体优化算法通过寻优操作来得到最终的配准结果。多组实验结果数据表明,该方法配准SAR图像普适性和配准精度都很好。(3)为了提高不同模态遥感图像组的配准精度,提出了一种基于最优图像特征点选取的多模配准方法。首先手动向待配准图像(测试图像)和参考图像输入控制点,利用高斯差分算子确定测试图像极值点；再利用投影变换和最小线性平方差算法计算双边平均配准误差；最后根据配准误差自动对控制点进行亚像素调整,取得亚像素级控制点匹配,实现遥感图像精确配准。实验结果表明,该方法大大提高了配准精度,可以满足遥感数据进一步解译的需要。(4)针对图像变化检测结果会受到噪声干扰的问题,构造小波域多层差异影像,结合基于统计模型的瑞利高斯阈值法提取变化检测结果,既提高了原有图像信息的利用率又减少了噪声的干扰。除此之外,为了减轻小波变换带来的图像细小偏移对算法精度的影响,通过插值算法对小波变换后的图像进行校正,改善了方法的性能。为减少运算量,运用免疫克隆优化来搜索需要矫正的偏移量。实验结果数据表明,该方法提高了图像变化检测的精度。(5)构造差异影像并利用统计模型结合图像分割分类技术得到变化结果的方法较多,但是这类方法的缺点就是过于依赖模型参数的设定,如果待检测的图像数据的分布参数与所设定的模型参数差别较大时,算法的精度就会大大降低。为了摆脱统计模型参数的限制,提出了一种不需假设参数模型的图像变化检测方法。利用生物地理学优化算法(Biogeography-based Optimization, BBO)优化搜索过程,通过寻找最小均方误差得到变化检测结果。实验证明,提出的方法是可行的,不受分布模型局限,适用性较好。
【学位授予单位】：西安电子科技大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP751

【参考文献】

中国博士学位论文全文数据库 前1条

1 高贵;SAR图像目标ROI自动获取技术研究[D];国防科学技术大学;2007年

，

本文编号：1303588