学位论文 > 优秀研究生学位论文题录展示
无监督多通道遥感图像变化检测方法研究
作 者: 赵磊
导 师: 王斌
学 校: 复旦大学
专 业: 电路与系统
关键词: 变化检测 分割窗 阈值分割 半监督支撑向量机 模糊C均值聚类 邻域信息 多通道遥感图像
分类号: TP751
类 型: 硕士论文
年 份: 2010年
下 载: 160次
引 用: 0次
阅 读: 论文下载
内容摘要
遥感图像变化检测是对同一地区不同时期的遥感图像进行分析,从中检测出地物间随时间发生变化的信息。遥感图像变化检测技术在国土资源调查,环境监测,自然灾害防治,军事侦察等方面都有广泛的应用,是遥感信息科学研究的一个重要方面。而无监督的遥感图像变化检测则是针对不同时期的图像直接比较,检测变化信息,不需要额外的先验信息,因此得到了广泛应用。如何采用无监督的方法提高变化检测的精确度和适用性,成为研究的热点。本文针对当前无监督多通道遥感图像变化检测中存在的一些问题,进行了大量研究,提出了解决方法。其主要内容包括以下三部分内容:1.提出一种基于分割窗的无监督多通道遥感图像变化检测方法。该方法将差异图像分割成子图像,通过求子图像的局部阈值来确定差异图像的整体阈值。解决了在遥感图像变化检测中,当变化区域的面积在整幅遥感图像中的比例相对较大或较小时,一般的变化检测方法并不能准确地检测出变化信息的问题。实验结果表明,变化区域在整幅遥感图像中的比例相对较大或较小时,相对于一般变化检测的方法,该方法的检测精确度有明显的提高。2.提出一种分割窗结合半监督的支撑向量机分类法的遥感图像变化检测方法。该方法结合半监督的支撑向量机(Semisupervised Support Vector Machines,SSSVM)分类法,先通过差异图像寻求能代替整体图像变化特征的子图像,通过子图像的最优超平面来确定整体图像的分类超平面。该方法结合了半监督的支撑向量机分类法在向量分类上的优点,充分利用了遥感图像的波段信息,同时解决了当变化区域面积占整幅图像的比例相对较大或较小时,半监督的支撑向量机分类法不能准确地检测出变化信息的问题。实验结果表明,该方法能够解决遥感图像中变化区域相对较大或较小时半监督支撑向量机分类法不能准确检测的问题,具有很好的变化检测性能。3.提出一种基于模糊C均值聚类(Fuzzy C-Means, FCM)和邻域分析的多通道遥感图像变化检测方法。通常的多通道遥感图像变化检测方法将变化信息从多个波段压缩到一个波段,损失了遥感图像的波段信息。针对这一问题,本章提出基于多波段变化信息和FCM聚类的方法来实现多通道遥感图像的变化检测。但由于FCM有对孤立点敏感的特点,检测结果容易受噪声的影响。本章在FCM的基础上,又提出了一种结合遥感图像空间邻域信息的多通道遥感图像变化检测方法,改进了FCM对孤立点敏感的问题。实验结果表明,相对于其他变化检测方法及FCM方法,所提议的基于FCM和邻域分析的多通道遥感图像变化检测方法能够消除遥感图像中变化检测中噪声的影响,具有很好的变化检测性能。
|
全文目录
目录 3-5 摘要 5-7 Abstract 7-9 第1章 绪论 9-15 1.1 研究背景 9-10 1.2 遥感图像变化检测介绍 10-12 1.3 遥感图像变化检测的研究现状 12-13 1.4 选题意义 13 1.5 主要工作 13-14 1.6 章节安排 14-15 第2章 基于分割窗的无监督多通道遥感图像变化检测 15-28 2.1 概述 15-16 2.2 常用的阈值分割变化检测算法 16-18 2.2.1 模糊熵方法 16-17 2.2.2 基于混合高斯模型的直方图拟合方法 17-18 2.3 基于分割窗的无监督多通道遥感图像变化检测算法 18-21 2.3.1 分割窗的原理 18 2.3.2 分割窗与阈值分割方法结合的算法 18-20 2.3.3 算法步骤 20-21 2.4 实验结果与分析 21-27 2.4.1 实验数据1 21-25 2.4.2 实验数据2 25-27 2.5 本章小结 27-28 第3章 基于分割窗和半监督支撑向量机的遥感图像变化检测 28-38 3.1 概述 28-29 3.2 半监督支撑向量机算法 29-32 3.2.1 支撑向量机算法 29-30 3.2.2 半监督支撑向量算法 30-32 3.3 基于分割窗和半监督支撑向量的遥感图像变化检测算法 32-34 3.3.1 存在的问题 32 3.3.2 分割窗与半监督支撑向量机相结合的遥感图像变化检测算法 32-33 3.3.3 算法步骤 33-34 3.4 实验结果与分析 34-37 3.4.1 实验数据1 34-36 3.4.2 实验数据2 36-37 3.5 本章小结 37-38 第4章 基于模糊C均值聚类和邻域分析的无监督多通道遥感图像变化检测 38-49 4.1 概述 38-39 4.2 模糊C均值聚类算法 39-41 4.2.1 模糊C均值聚类算法基本原理 39-40 4.2.2 模糊C均值聚类算法在遥感图像变化检测中的应用及不足 40-41 4.2.3 做出的改进 41 4.3 结合邻域分析和模糊C均值聚类的无监督多通道遥感图像变化检测算法 41-43 4.3.1 基本算法原理 41-42 4.3.2 邻域大小及权值的选取 42-43 4.3.3 算法步骤 43 4.4 实验结果与分析 43-48 4.4.1 模拟数据 44-46 4.4.2 实地数据1 46-47 4.4.3 实地数据2 47-48 4.5 本章小结 48-49 第5章 总结与展望 49-51 5.1 主要工作总结 49-50 5.2 研究展望 50-51 参考文献 51-55 攻读硕士期间发表的论文 55-56 致谢 56-57
|
相似论文
- 基于遗传算法的柑橘图像分割,TP391.41
- 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 基于邻域关系的模糊决策系统约简与规则获取,TP18
- 人脸表情识别算法研究,TP391.41
- 非织造布疵点检测研究,TP391.41
- 彩色医学影像分割技术研究,TP391.41
- 基于DSP的柑橘品质检测算法研究,TP391.41
- 极化SAR相干信息配准与变化检测算法研究,TN957.52
- 居民地的提取与边缘优化,P237
- 基于判别分析的遥感影像变化检测方法研究,TP751
- 兖州矿区地表水体和煤堆固废占地变化的遥感检测,P627
- 基于T-S模糊神经网络的CFB-FGD过程脱硫效率的预报研究,X701.3
- 无角毛有害赤潮藻显微图像自动识别系统,TP391.41
- 基于SAR影像的变化检测技术研究,TN957.52
- Web信息内容变化检测技术研究与实现,TP393.092
- 遥感图像地震变化的检测技术研究,P315.7
- 基于空间特征码的矢量要素变化检测研究,P208
- 遥感图像区域多中心分类方法适用性分析,P237
- 高分辨率图像变化检测及其在应急灾害评估中的应用研究,TP391.41
- 基于纹理分析的皮革缺陷检测的应用研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 遥感技术 > 遥感图像的解译、识别与处理 > 图像处理方法
© 2012 www.xueweilunwen.com
|