基于融合和特征提取的遥感图像变化检测

摘要

遥感图像变化检测是指通过对同一地区不同时期的两幅或多幅遥感图像进行比较分析,根据图像之间的差异来获取地物的变化信息。遥感图像变化检测技术已成功地应用于众多领域,如环境监测、土地利用和土地覆盖的动态监测、森林或植被的变化分析、灾害评估、农业调查、城镇变化研究及在军事中的人造目标监测和地面武装部署分析。
　　本文介绍了遥感图像变化检测的研究背景以及存在的问题,对已有变化检测技术进行了总结,并以差异图融合和特征提取为主要研究内容,针对两时相遥感图像的变化检测问题进行了研究。
　　(1)提出了一种基于图像融合和PCA-核模糊聚类的遥感图像变化检测方法。该方法首先用差值法、对数比值法和均值比法构造三种不同的差异图,然后对差异图进行融合,对融合后的图像进行PCA(Principal Component Analysis)特征提取,然后用基于核的模糊聚类将特征聚为两类。该方法采用图像融合的方法构造差异图,对不同类型的遥感图像均可获得较好的检测结果,解决了单一类型差异图检测精度低、适用范围窄的问题,具有较好的鲁棒性。该方法对PCA提取的特征采用基于核的模糊聚类方法,将原始数据映射到高维特征空间再进行聚类,实现更为准确的聚类,进一步降低了变化检测的错误率。
　　(2)提出了一种基于Treelet特征融合的遥感图像变化检测方法,首先用差值法、对数比值法和均值比法构造三种不同的差异图,然后用Treelet变换对三幅不同的差异图进行特征融合。该方法由于采用Treelet变换进行特征提取,因而操作简单,正确率高,抗噪性能好;该方法由于利用了不同差异图的有效信息和空间邻域信息进行变化检测,进一步提高了抗噪性能和变化检测精度;此外,该方法对合成孔径雷达(Synthetic Aperture Radar,SAR)图像和光谱图像都可以得到满意的变化检测结果,鲁棒性好。
　　(3)提出了一种基于加权系数和非下采样Contourlet变换(Nonsubsampled Contourlet Transform, NSCT)特征融合的遥感图像变化检测方法,首先用比值法和差值法构造两种不同的差异图,然后对差异图乘以加权系数,然后用NSCT变换分解带有权值的差异图以获得方向特征,对方向特征和分解前差异图的原始灰度特征进行聚类得到变化检测结果。该方法有效结合不同差异图的信息,并且利用方向特征表达邻域信息,具有一定的抗噪能力,克服了单一类型差异图检测效果不好的弊端,提高了变化检测准确度。
　　本文工作得到如下基金资助:
　　国家自然科学基金(61003199),中央高校基本科研业务费专项资金资助项目(K50510020015和K5051202019)。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景和意义

1.2遥感图像变化检测的概念和一般流程

1.3遥感图像变化检测研究进展

1.4遥感图像变化检测的评价指标

1.5 本文工作及内容安排

第二章 基于图像融合和PCA-核模糊聚类的遥感图像变化检测

2.1引言

2.2 融合图像的构造

2.3 主成分分析法

2.4 核FCM聚类

2.5 本章方法

2.6实验结果与分析

2.7本章小结

第三章 基于Treelet特征融合的遥感图像变化检测

3.1引言

3.2 Treelet变换

3.3 本章方法

3.4实验结果和分析

3.5本章小结

第四章 基于加权系数和NSCT特征融合的遥感图像变化检测

4.1引言

4.2 NSCT变换概述

4.3本章方法

4.4实验结果和分析

4.5本章小结

第五章 总结与展望

5.1 论文工作与总结

5.2 展望与下一步工作

致谢

参考文献

作者在读期间的研究成果