基于DBN的遙感影像CVA變化檢測并行算法設(shè)計.pdf

1、遙感變化檢測最主要的目的就是獲取研究區(qū)域的變化范圍以及判斷變化類型。在眾多變化檢測方法中，基于變化矢量分析（CVA）的方法則相對獨立地分析變化范圍和變化類型。該方法最主要的是要獲取變化強度圖像和變化方向圖像，變化強度圖像是為了確定變化范圍，而變化方向圖像是為了得到變化類型。
　　本文從變化檢測精度和效率出發(fā)，主要研究了利用深度學(xué)習(xí)機的CVA的變化檢測算法，并且利用統(tǒng)一計算設(shè)備架構(gòu)（CUDA）實現(xiàn)變化檢測的并行化，主要內(nèi)容如下：

2、r>　?。?）為了確定變化類型，在獲取變化強度圖像后，需要對其進行二值化，以確定變化的范圍。目前最常用的就是閾值分析法，然而，很難得到某一優(yōu)化的閾值來檢測變化區(qū)域和未變化區(qū)域，而且簡單的利用某一閾值來判斷變化與否也是不嚴(yán)格的。因此本文利用了深度信念網(wǎng)絡(luò)對變化強度圖像進行分析，從而獲取變化范圍。此外，為了確定變化類型的具體意義，本文首先分別計算兩個時相圖像的指數(shù)圖像：歸一化植被指數(shù)（NDVI）、歸一化建筑物指數(shù)（NDBI）以及歸一化水體指

3、數(shù)（NDWI）等指數(shù)，然后將指數(shù)特征圖像代替原始圖像計算變化方向圖像。
　?。?）為了實現(xiàn)基于遙感影像的實時變化檢測，本文針對CVA的變化檢測算法，設(shè)計了一種 CUDA 的并行處理模型。首先利用地理空間數(shù)據(jù)提取庫（GDAL）實現(xiàn)大數(shù)據(jù)量遙感影像的分塊讀取、操作和保存；其次將CVA變化檢測過程分為變化強度檢測、基于深度信念網(wǎng)絡(luò)（DBN）的變化范圍確定、映射表構(gòu)建和變化方向檢測，并借助CUDA C將基于CVA算法的以上四個步驟分別嵌入