一種基于不確定性推理模型的高分辨率遙感影像變化檢測(cè)方法研究.pdf

1、變化檢測(cè)方法通常是利用對(duì)同一地區(qū)在不同時(shí)期拍攝的兩幅單波段或多波段遙感圖像，采用圖像處理和模式識(shí)別等手段，檢測(cè)出該地區(qū)的地物變化信息，它在環(huán)境、農(nóng)業(yè)、水利和軍事等諸多領(lǐng)域都有著非常廣泛的應(yīng)用。 目前大部分變化檢測(cè)研究主要集中在利用低分辨率衛(wèi)星影像檢測(cè)土地利用等宏觀應(yīng)用上，往往不能滿足高精度分析的要求。而對(duì)于高分辨率遙感圖像的變化檢測(cè)，面臨的突出問題是對(duì)配準(zhǔn)誤差的敏感性和人工環(huán)境下地形的復(fù)雜性。傳統(tǒng)的基于像素的變化檢測(cè)方法和基于分

2、類的變化檢測(cè)方法均難以獲得理想的檢測(cè)效果。通過對(duì)高分辨率衛(wèi)星影像中人工環(huán)境的地物結(jié)構(gòu)特點(diǎn)的研究，本文提出了一種基于不確定性推理模型的變化檢測(cè)方法，并針對(duì)該方法中的關(guān)鍵性技術(shù)展開了論述。 通過對(duì)人工智能中不確定性推理的研究，本文在貝葉斯網(wǎng)絡(luò)的基礎(chǔ)上提出了一個(gè)適于表達(dá)邏輯知識(shí)的推理模型——約束貝葉斯網(wǎng)絡(luò)模型，為基于不確定性推理模型的變化檢測(cè)方法奠定理論基礎(chǔ)。另外，為了考察圖像的空域信息，本文提出了兩個(gè)統(tǒng)計(jì)特征：局部匹配度特征和局部最