遙感圖像配準(zhǔn)與變化檢測(cè)中的關(guān)鍵技術(shù)研究.pdf

1、遙感圖像變化檢測(cè)是利用同一地區(qū)不同時(shí)刻遙感圖像之間的差異來確定目標(biāo)變化的方法，在資源調(diào)查、城市規(guī)劃、環(huán)境監(jiān)測(cè)、軍事目標(biāo)偵察等領(lǐng)域有著廣泛的應(yīng)用。傳統(tǒng)的變化檢測(cè)技術(shù)主要靠判讀人員分析不同時(shí)相圖像的灰度值或局部紋理差異，尋找特定目標(biāo)的變化情況，工作量大且主觀依賴性強(qiáng)，研究一種能夠自動(dòng)、準(zhǔn)確的檢測(cè)出變化區(qū)域的方法是遙感應(yīng)用研究的熱點(diǎn)。
　　 本文主要針對(duì)遙感圖像變化檢測(cè)中涉及到的圖像配準(zhǔn)和檢測(cè)技術(shù)進(jìn)行了深入研究，具體如下：
　　

2、 介紹了圖像配準(zhǔn)的一般原理和幾種經(jīng)典的配準(zhǔn)方法，針對(duì)經(jīng)典方法在遙感圖像配準(zhǔn)過程中的不足，本文提出一種改進(jìn)的基于特征不變特性變換(Scale Invariant Feature Transform,SIFT)的圖像配準(zhǔn)算法。該方法利用SIFT描述子進(jìn)行圖像特征點(diǎn)對(duì)的匹配和提純，然后求解變換模型參數(shù)完成配準(zhǔn)。分別用光學(xué)圖像和SAR圖像對(duì)該方法進(jìn)行了驗(yàn)證，結(jié)果表明該算法的適用性及最終配準(zhǔn)精度均優(yōu)于傳統(tǒng)算法。利用仿真數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)對(duì)幾種經(jīng)典的

3、變化檢測(cè)算法進(jìn)行了系統(tǒng)的比較和分析，結(jié)果表明：這些直接比較的變化檢測(cè)方法能有效地檢測(cè)出仿真圖像中不同的變化區(qū)域，但是用于復(fù)雜的自然場(chǎng)景時(shí)，性能急劇下降；分類后比較的變化檢測(cè)方法雖然對(duì)場(chǎng)景有一定的適應(yīng)性，但是對(duì)分類算法有較高的要求。提出了一種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Networks，PCNN)的變化檢測(cè)法。該方法利用PCNN實(shí)現(xiàn)多時(shí)相遙感圖像的多層次分類，將分類結(jié)果進(jìn)行差值比對(duì)，即可檢測(cè)出感興趣的變