發(fā)布時(shí)間：2020-11-20 06:14

　　 遙感圖像變化檢測(cè)指利用多時(shí)相獲取的覆蓋同一地表區(qū)域的遙感影像及其他輔助數(shù)據(jù)來(lái)確定和分析地表的變化。SAR(Synthetic Aperture Radar,SAR)能全天時(shí)、全天候地對(duì)地觀測(cè),不受光照、氣候等條件影響,具有其他光學(xué)遙感無(wú)法比擬的優(yōu)勢(shì)。因此SAR圖像是變化檢測(cè)重要的數(shù)據(jù)源。目前SAR圖像變化檢測(cè)在環(huán)境監(jiān)測(cè)、農(nóng)業(yè)調(diào)查、城市研究、災(zāi)害監(jiān)測(cè)、軍事偵察等方面有著重要的應(yīng)用。尤其是自然災(zāi)害發(fā)生時(shí),高效的變化檢測(cè)技術(shù)能夠及時(shí)地避免或減少人身傷亡和財(cái)產(chǎn)損失。SAR圖像變化檢測(cè)方法一般分為圖像預(yù)處理、差異圖生成、差異圖分析三大部分,其中,差異圖的分析對(duì)于變化檢測(cè)結(jié)果至關(guān)重要。閾值法是差異圖分析中常用的方法,因其簡(jiǎn)便快捷在變化檢測(cè)中受到廣泛應(yīng)用,使得變化檢測(cè)更為快速高效。本論文對(duì)于SAR圖像差異圖分析算法中的閾值方法進(jìn)行分析探索,主要研究成果可概括如下:1、針對(duì)閾值方法在變化區(qū)域占比較小時(shí)檢測(cè)結(jié)果虛警率過(guò)高的問(wèn)題,提出一種基于迭代最大類(lèi)間方差法的SAR圖像小面積變化區(qū)域檢測(cè)方法。首先算法對(duì)鄰域比值法權(quán)值進(jìn)行改進(jìn),利用結(jié)合了鄰域信息的改進(jìn)鄰域比值算法生成差異圖,對(duì)SAR圖像斑噪進(jìn)行抑制,同時(shí)對(duì)圖像細(xì)節(jié)信息進(jìn)行保留。然后通過(guò)迭代最大類(lèi)間方差法對(duì)差異圖進(jìn)行分割。迭代最大類(lèi)間方差法通過(guò)多次迭代獲取變化元素與未變化元素分布相對(duì)均衡的區(qū)域,利用最大類(lèi)間方差法計(jì)算該區(qū)域最佳分割閾值,并應(yīng)用該閾值對(duì)差異圖進(jìn)行二值化,獲取變化檢測(cè)結(jié)果圖。通過(guò)對(duì)小面積變化的SAR圖像數(shù)據(jù)進(jìn)行變化檢測(cè),實(shí)驗(yàn)結(jié)果證明該算法對(duì)小面積變化區(qū)域的檢測(cè)效果得到顯著提升。為驗(yàn)證算法普適性,對(duì)非小面積變化情況、以及圖像噪聲污染嚴(yán)重情況下真實(shí)SAR圖像數(shù)據(jù)集也進(jìn)行相應(yīng)實(shí)驗(yàn),實(shí)驗(yàn)表明算法精確度有所提升,且噪聲魯棒性更好。2、針對(duì)現(xiàn)有的KI(KittlerIllingworth,KI)閾值方法的類(lèi)條件分布模型對(duì)于改進(jìn)鄰域比值差異圖擬合度不夠的情況,提出了一種基于K分布KI閾值分割的SAR圖像變化檢測(cè)算法。該算法引入K分布模型來(lái)對(duì)差異圖兩類(lèi)直方圖進(jìn)行擬合,K分布模型因其乘性衰落統(tǒng)計(jì)特性,被證明能對(duì)SAR圖像非均勻區(qū)域較好擬合,從而得到廣泛應(yīng)用。但是K分布的參數(shù)估計(jì)相對(duì)復(fù)雜,考慮算法運(yùn)行效率,本文采用快速的二四階矩估計(jì)方法對(duì)參數(shù)進(jìn)行估計(jì)。實(shí)驗(yàn)表明,K分布模型下KI閾值方法檢測(cè)性能得到提升。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類(lèi)】：TN957.52
【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 SAR圖像變化檢測(cè)研究現(xiàn)狀
    1.3 SAR圖像變化檢測(cè)存在的主要問(wèn)題
    1.4 主要研究?jī)?nèi)容及結(jié)構(gòu)安排
第二章 SAR圖像變化檢測(cè)
    2.1 SAR圖像成像原理及特點(diǎn)
        2.1.1 SAR圖像成像原理
        2.1.2 SAR圖像乘積模型
        2.1.3 SAR圖像特征
    2.2 SAR圖像變化檢測(cè)流程
        2.2.1 圖像預(yù)處理
        2.2.2 差異圖生成
        2.2.3 差異圖分析
        2.2.4 SAR圖像變化檢測(cè)幾種經(jīng)典方法
    2.3 變化檢測(cè)精度評(píng)估
    2.4 本章小結(jié)
第三章 基于迭代Otsu的SAR圖像變化檢測(cè)
    3.1 引言
    3.2 鄰域比值算法及其改進(jìn)
        3.2.1 常見(jiàn)差異圖生成算法優(yōu)缺點(diǎn)
        3.2.2 鄰域比值算法
        3.2.3 改進(jìn)的鄰域比值算法
    3.3 迭代最大類(lèi)間方差算法
        3.3.1 閾值算法
        3.3.2 最大類(lèi)間方差法
        3.3.3 迭代最大類(lèi)間方差算法
    3.4 實(shí)驗(yàn)設(shè)置和結(jié)果分析
        3.4.1 實(shí)驗(yàn)參數(shù)設(shè)置
        3.4.2 實(shí)驗(yàn)數(shù)據(jù)介紹
        3.4.3 差異圖生成算法實(shí)驗(yàn)結(jié)果及分析
        3.4.4 差異圖分析算法實(shí)驗(yàn)結(jié)果及分析
    3.5 本章小結(jié)
第四章 基于K分布KI閾值分割的SAR圖像變化檢測(cè)
    4.1 引言
    4.2 KI閾值分割算法
    4.3 類(lèi)條件分布模型
        4.3.1 高斯分布
        4.3.2 廣義高斯分布
        4.3.3 對(duì)數(shù)正態(tài)分布
    4.4 K分布
        4.4.1 K分布理論
        4.4.2 參數(shù)估計(jì)方法
    4.5 實(shí)驗(yàn)設(shè)置和結(jié)果分析
        4.5.1 實(shí)驗(yàn)數(shù)據(jù)介紹
        4.5.2 實(shí)驗(yàn)結(jié)果及分析
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 眭海剛;馮文卿;李文卓;孫開(kāi)敏;徐川;;多時(shí)相遙感影像變化檢測(cè)方法綜述[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2018年12期

2 謝馨嫻;岳彩榮;霍鵬;;森林變化檢測(cè)方法比較[J];四川林業(yè)科技;2018年03期

3 王娜;張景發(fā);;SAR圖像變化檢測(cè)技術(shù)方法綜述[J];地殼構(gòu)造與地殼應(yīng)力文集;2016年01期

4 宋英旭;牛瑞卿;張景發(fā);李永生;羅毅;馮時(shí);陳艷;;遙感影像變化檢測(cè)方法對(duì)比[J];地殼構(gòu)造與地殼應(yīng)力文集;2016年02期

5 李強(qiáng);張景發(fā);;變化檢測(cè)技術(shù)在震害信息提取中的應(yīng)用[J];地理空間信息;2014年02期

6 龍玄耀;李培軍;;基于圖像分割的城市變化檢測(cè)[J];地球信息科學(xué);2008年01期

7 于躍龍,盧煥章;以統(tǒng)計(jì)變化檢測(cè)為基礎(chǔ)的實(shí)時(shí)分割視頻對(duì)象新方法[J];中國(guó)圖象圖形學(xué)報(bào);2005年01期

8 孫揚(yáng);朱凌;修田雨;;基于國(guó)產(chǎn)衛(wèi)星影像的協(xié)同分割變化檢測(cè)[J];北京建筑大學(xué)學(xué)報(bào);2018年04期

9 王鑫;;聚類(lèi)分析觀點(diǎn)下的分散式最快變化檢測(cè)[J];南京理工大學(xué)學(xué)報(bào);2014年02期

10 沈壁川;毛期儉;呂翊;;基于巴氏距離的視頻流場(chǎng)景變化檢測(cè)(英文)[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

相關(guān)博士學(xué)位論文 前10條

1 邵攀;非監(jiān)督遙感變化檢測(cè)模糊方法研究[D];武漢大學(xué);2016年

2 李文卓;時(shí)序無(wú)人機(jī)影像二三維綜合的面向?qū)ο蠼ㄖ�物變化檢測(cè)關(guān)鍵技術(shù)研究[D];武漢大學(xué);2017年

3 呂臻;高分辨率遙感影像道路提取與變化檢測(cè)關(guān)鍵技術(shù)研究[D];武漢大學(xué);2017年

4 彭代鋒;基于多特征信息挖掘的對(duì)象級(jí)光學(xué)衛(wèi)星影像變化檢測(cè)研究[D];武漢大學(xué);2017年

5 鄭耀國(guó);基于結(jié)構(gòu)化表示學(xué)習(xí)的遙感圖像分類(lèi)及變化檢測(cè)[D];西安電子科技大學(xué);2016年

6 蘇臨之;基于像素信息和深度學(xué)習(xí)的遙感圖像變化檢測(cè)技術(shù)[D];西安電子科技大學(xué);2016年

7 賈璐;基于核理論的遙感影像變化檢測(cè)算法研究[D];西安電子科技大學(xué);2016年

8 李瑜;基于特征學(xué)習(xí)的SAR圖像變化檢測(cè)方法研究[D];西安電子科技大學(xué);2016年

9 李振軒;基于差分測(cè)度的高分辨率遙感影像可靠性變化檢測(cè)方法研究[D];中國(guó)礦業(yè)大學(xué);2018年

10 劉博宇;時(shí)序NDVI數(shù)據(jù)集螺線型構(gòu)建及多形狀參數(shù)變化檢測(cè)[D];吉林大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 李進(jìn);基于深度學(xué)習(xí)的高分辨率遙感圖像變化檢測(cè)[D];江西師范大學(xué);2019年

2 王成軍;基于超像素與主動(dòng)學(xué)習(xí)采樣策略的高分影像變化檢測(cè)方法研究[D];福州大學(xué);2018年

3 羅星;基于中層語(yǔ)義特征的高分辨率遙感影像變化檢測(cè)方法研究[D];福州大學(xué);2018年

4 劉本強(qiáng);基于鄰域相對(duì)熵和融合紋理信息的SAR影像變化檢測(cè)[D];山東科技大學(xué);2018年

5 周曉君;多時(shí)相高分辨率遙感影像變化檢測(cè)算法研究[D];大連理工大學(xué);2019年

6 張杰;基于樣本不平衡學(xué)習(xí)和結(jié)構(gòu)語(yǔ)義信息的SAR圖像變化檢測(cè)網(wǎng)絡(luò)[D];西安電子科技大學(xué);2019年

7 陳奎伊;基于傾斜攝影測(cè)量的建筑物對(duì)象級(jí)三維變化檢測(cè)方法[D];西南交通大學(xué);2019年

8 劉穗君;基于SAR影像強(qiáng)度與相干系數(shù)的滑坡提取研究[D];西南交通大學(xué);2019年

9 王守峰;面向?qū)ο蟮亩喙庾V遙感影像變化檢測(cè)方法研究[D];合肥工業(yè)大學(xué);2019年

10 吳憲;基于對(duì)象分割的衛(wèi)星圖像中物體變化檢測(cè)與識(shí)別算法研究[D];北京交通大學(xué);2019年

本文編號(hào)：2891070