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(xué)博士學(xué)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(xué)位級別：博士專業(yè)：模式識別與智能系統(tǒng)指導(dǎo)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(shè)，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(yīng)邊緣檢測提取的訓(xùn)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(guān)系以及上下文進行融合，得到最終檢測結(jié)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(jié)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(luò)(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(guān)系進行非局部均值加權(quán)。對加權(quán)后的數(shù)據(jù)，根據(jù)預(yù)測值選擇可靠性高的數(shù)據(jù)先進行標(biāo)類，并利用更新后的樣本集合重新訓(xùn)練BPNN參數(shù)及權(quán)

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(jié)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(jié)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(jié)果。在原有Memetic算法基礎(chǔ)上，針對圖像自身特點，提出全新的搜索策略并根據(jù)當(dāng)前檢測結(jié)果動態(tài)調(diào)整局部搜索算法，實現(xiàn)了粗細結(jié)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