基于动态贝叶斯网络的多时相遥感图像变化综合分析

摘要

遥感图像被广泛用在军事、生产和生活等多个领域，遥感卫星的周期性过顶为研究者在一段时间内规律地观测地物变化奠定了基础。目前，传统遥感图像变化检测技术仅能提供不同时相图像中变化的位置以及变化种类等信息，这不足以充分利用遥感数据所含信息，无法满足获得区域发展变化状态的需求。因此，找到一种可以对这些变化进行综合深入分析的方法在理论研究和工程应用上都具有重要意义。
　　在此背景下，本文以港口区域为应用范例，针对多时相遥感图像研究一种基于动态贝叶斯网络的区域变化综合分析方法。以与区域分析相关的目标及其变化检测结果为输入，在目标变化方面，研究了基于圆轮廓检测的油库检测方法和基于区域生长的靠岸船只检测技术；在变化检测方面，研究了三种传统方法和一种基于多特征信息融合的高分图像变化检测方法。
　　在此基础上，提出了基于观测目标制定的动态贝叶斯网络的方法用于综合分析这些变化检测结果。根据选取出来的观测目标变化结果以及提取出来的语义，进行观测目标制定的动态贝叶斯网络结构的设计，将观测目标可以推理得到的结论作为隐含节点的状态，并根据每个时间段变化检测的结果进行动态贝叶斯网络结构上的调整。同时根据专家知识以及数据学习给出各个时间片间和每个时间片的层与层之间的转移概率表，使得在获取观测变量后可以进行计算逐层推出隐含变量的各状态出现概率，对获取的结果进行综合分析。此外，为了验证所提出方法的鲁棒性，分析了输入变量出现不同错误类型时对输出结果的影响。
　　最后，以民用港口和军事港口为应用范例进行实验验证。一方面，利用谷歌地球数据，分析了葫芦岛新港地区在2003-2014年的发展状况，获得其每个时间段的地物变化，设计了观测目标制定的动态贝叶斯网络结构，给出最后区域综合分析结果，并结合外场实验加以印证。另一方面，分析了典型军事港口在一段时间内的变化，给出其军事状态。