多时相高分辨率遥感影像变化检测算法研究

摘要

随着遥感技术的迅猛发展，遥感获取手段日趋多样化，为遥感理论的实践和应用提供了重要的数据支持。遥感影像变化检测通过对比和分析不同时相同一区域的遥感影像地物差异来提取目标区域的变化信息，是遥感应用的一个重要方向，已经被应用于各个领域。变化检测在城市规划、环境监测、灾害预防等方面发挥了重要作用，在民事和军用领域应用广泛，通过监测地球表面特征可以得到对人类有价值的重要信息，变化检测技术逐渐成为遥感领域的研究热点。 近年来，多种遥感影像变化检测方法被提出，按照是否需要先验知识将其分为监督变化检测和非监督变化检测两种类型，需要根据应用需求选择合适的方法，提高变化检测的性能。本文主要对SAR遥感影像和高分辨率岛礁区影像的变化检测算法进行研究，针对各自特点提出相应的解决的办法，并通过实验验证算法的有效性。主要创新工作如下： 针对合成孔径雷达遥感影像受相干斑噪声干扰严重和变化区域细节信息保留的问题，提出一种基于显著指导稀疏自动编码器的影像变化检测算法。初始差分影像中变化区域具有局部一致性和全局突出性，通过显著区域检测来定位相似变化区域，可以消除区域外的相干斑噪声。采用分层FCM聚类自动产生训练样本可以提高训练样本的可靠性。此外，为了增加变化区域与非变化区域的区分度，采用稀疏自动编码器提取变化特征，生成变化检测图。采用4组SAR影像进行实验，结果表明，该算法可以有效降低斑点噪声对检测精度的影响，变化区域的提取更加完整细致，错检率大大降低，更适合SAR遥感影像变化检测。 针对高分辨率岛礁区遥感影像受外界环境的影响较大、变化区域难以提取的问题，提出一种基于目标分割与PCA-Kmeans的变化检测算法。由于不同时相影像会受天气、云层、海水等的干扰，可以采用目标分割算法提取感兴趣目标，突出变化区域。用主成分分析和k均值聚类方法来降低孤立像素的影响，提取变化信息得到差异图像。实验采用四组岛礁区影像数据，实验证明该算法能很好的排除外界干扰，提高变化检测精度，对岛礁变化区域有很好的检测效果。 综上所述，本文提出的两种高分辨率遥感影像变化检测算法都在变化区域检测方面起到很好的作用，视觉效果较好，能够提高检测结果的准确性。

目录

引言

1 绪论

1.1 研究背景及选题意义

1.2 变化检测研究现状及存在问题

1.2.1 研究现状

1.2.2 存在问题

1.3 论文的主要内容及结构安排

1.3.1 论文主要内容

1.3.2 结构安排

1.4 本章小结

2 遥感影像变化检测概述

2.1 遥感影像变化检测相关理论

2.2 变化检测的技术路线

2.3 遥感变化检测方法

2.3.1 直接比较法

2.3.2 分类后比较法

2.3.2 深度神经网络

2.4 本章小节

3 基于显著指导稀疏自动编码器的SAR遥感影像变化检测算法

3.1 基于显著指导稀疏自动编码器的SAR遥感影像变化检测算法框架

3.2 显著区域检测

3.3 分层FCM聚类

3.4 稀疏自动编码器实现变化检测

3.4.1 自动编码器网络

3.4.2 栈式自编码器网络

3.4.3 基于稀疏自动编码器的深度神经网络

3.5 实验结果与分析

3.5.1 实验数据

3.5.2 实验结果与分析

3.6 本章小结

4 基于目标分割与PCA-Kmeans的岛礁区开发利用变化检测算法

4.1 基于目标分割与PCA-Kmeans的岛礁区开发利用变化检测算法框架

4.2 目标分割算法

4.3 PCA-Kmeans算法

4.4 实验结果与分析

4.4.1 实验数据

4.4.2 实验结果与分析

4.5 本章小结

结论

参考文献

致谢