基于分層結(jié)構(gòu)的遙感影像變化檢測(cè)方法研究.pdf

1、隨著遙感影像獲取技術(shù)手段的日益先進(jìn)以及海量遙感數(shù)據(jù)的積累，遙感影像變化檢測(cè)技術(shù)已經(jīng)在自然災(zāi)害的災(zāi)情評(píng)估、地理數(shù)據(jù)的更新、災(zāi)后的城市重建規(guī)劃、以及對(duì)資源和環(huán)境監(jiān)測(cè)等方面獲得越來越多的應(yīng)用。變化檢測(cè)旨在對(duì)同一地區(qū)不同時(shí)間的兩幅或多幅遙感圖像分析，檢測(cè)出該地區(qū)地物隨時(shí)間發(fā)生的變化信息。變化檢測(cè)方法的過程一般分為預(yù)處理、差異圖像獲取、差異圖像分析及精度評(píng)價(jià)四個(gè)階段。其中，差異圖像的獲取及分析是影響檢測(cè)精度至關(guān)重要的因素，本文主要針對(duì)差異圖像的獲

2、取與分析，引入了多尺度分析工具及機(jī)器學(xué)習(xí)方法，提出了新的變化檢測(cè)方法。
　　所取得的主要研究成果包括以下方面：
　　1.針對(duì)差異圖像中含有大量的斑點(diǎn)噪聲等干擾，對(duì)后續(xù)的分析及處理帶來干擾的問題，為了有效地提取變化區(qū)域，去除斑點(diǎn)噪聲的影響，提出了一種基于方向特性的非下采樣Contourlet變換(Non-Subsampled Contourlet Transform,NSCT)遙感影像噪聲抑制方法。該方法通過對(duì)差異圖像進(jìn)行NS

3、CT分解，得到多個(gè)尺度多個(gè)方向的分解系數(shù)，然后統(tǒng)計(jì)每個(gè)尺度每個(gè)方向上的系數(shù)的能量，并將高頻能量按從大到小排列，再選取滿足特定條件的表達(dá)式進(jìn)行特定的基于尺度、方向的閾值去噪處理；完成對(duì)每個(gè)尺度每個(gè)方向上的系數(shù)處理后再進(jìn)行逆NSCT，達(dá)到對(duì)差異圖像去噪的目的。本方法可在抑制噪聲的同時(shí)，保持目標(biāo)待判像素點(diǎn)區(qū)域的變化信息。
　　2.針對(duì)無監(jiān)督變化檢測(cè)方法的檢測(cè)精度不高、魯棒性低的缺點(diǎn)和有監(jiān)督變化檢測(cè)方法需要大量的訓(xùn)練樣本的不足，提出了一種

4、基于在線學(xué)習(xí)的遙感影像變化檢測(cè)方法。該方法摒棄了傳統(tǒng)的以整幅差異影像為處理對(duì)象進(jìn)行逐像素分類的分析方法，而是將差異影像劃分為圖像塊的形式，然后以類似視頻幀的形式，通過在線學(xué)習(xí)機(jī)制不斷更新樣本庫(kù)、優(yōu)化分類器，并逐個(gè)對(duì)幀圖像塊進(jìn)行分類處理得到其檢測(cè)結(jié)果；最后，將每幀的分類檢測(cè)結(jié)果拼接還原成整幅圖像，完成對(duì)整幅差異圖像的分析步驟。本章方法與傳統(tǒng)的無監(jiān)督變化檢測(cè)方法相比，具有普遍的適用性和較高的檢測(cè)精度。
　　3.針對(duì)本文提出的基于在線學(xué)

5、習(xí)的遙感影像變化檢測(cè)方法的自動(dòng)化程度不高的缺點(diǎn)，提出了一種基于NSCT去噪及支撐矢量機(jī)(Support Vector Machine,SVM)分類的自適應(yīng)遙感圖像變化檢測(cè)方法。該方法首先構(gòu)造差異圖像，再在差異圖像的基礎(chǔ)上進(jìn)行基于NSCT的去噪，然后在去噪后的差異圖像上，進(jìn)行基于2×2尺度的重疊塊掃描并用均值分類器進(jìn)行“粗分類”；與此同時(shí)，根據(jù)閾值可以構(gòu)造去噪前原始尺度上的樣本庫(kù)，并對(duì)SVM分類器進(jìn)行訓(xùn)練；最后，將“粗分類”后的剩余待判定