基于Fisher分類器和計算智能的遙感圖像變化檢測.pdf

1、西安電子科技大學博士學位論文基于Fisher分類器和計算智能的遙感圖像變化檢測姓名：辛芳芳申請學位級別：博士專業(yè)：模式識別與智能系統(tǒng)指導教師：焦李成201109H基于Fisher分類器和計算智能的遙感圖像變化檢測4提出一種無監(jiān)督SAR圖像變化檢測算法，它不需要分布假設，而是通過對聯(lián)合灰度直方圖的分布特性進行判別得到變化區(qū)域。利用自適應邊緣檢測提取的訓練數(shù)據(jù)，通過Fisher分類器對聯(lián)合直方圖進行判別分析，得到待檢測點在不同小波層隸屬度。

2、根據(jù)鄰域關系以及上下文進行融合，得到最終檢測結果。對真實SAR圖像進行實驗，證明本算法可以得到較好的檢測結果。5給出一種無監(jiān)督SAR圖像變化檢測算法，利用BP神經(jīng)網(wǎng)絡(BPNN，BackPropagationNeuralNetwork)對提取的聯(lián)合特征向量進行檢測得到變化區(qū)域。為了增加待檢測點可分性，根據(jù)圖像空間關系進行非局部均值加權。對加權后的數(shù)據(jù)，根據(jù)預測值選擇可靠性高的數(shù)據(jù)先進行標類，并利用更新后的樣本集合重新訓練BPNN參數(shù)及權

3、重，直到所有像素檢測完畢。本算法不需要計算差異影像，不受參數(shù)模型限制。真實SAR圖像結果證明基于聯(lián)合特征向量算法的檢測精度優(yōu)于聯(lián)合灰度直方圖和差異影像結果。6利用數(shù)據(jù)聚類思想，通過進化算法尋找多時相SAR圖像最小均方誤差，得到變化檢測結果。在原有Memetic算法基礎上，針對圖像自身特點，提出全新的搜索策略并根據(jù)當前檢測結果動態(tài)調整局部搜索算法，實現(xiàn)了粗細結合的搜索過程。本算法不受分布模型限制，不需要先驗知識，適用性較強。將改進的算法與