多時相遙感圖像變化檢測技術研究.pdf

1、變化檢測作為遙感圖像分析中的一項重要應用，為環(huán)境監(jiān)測、資源勘探、災害救援與治理提供了有效的技術手段。近二十年來，遙感圖像的變化檢測方法雖然不斷更新，但變化檢測仍然受到不同因素的影響。大量的研究試圖尋找各種新的遙感圖像變化檢測方法，但目前為止，并沒有一種通用方法能夠?qū)Σ煌瑮l件、不同情況的應用給出完全滿意的結(jié)果。針對目前現(xiàn)有的兩時相變化檢測方法存在的問題和局限性，本文進行了以下研究：
　　首先，針對標準馬爾科夫隨機場（MRF）方法存在

2、的先驗能量和似然能量之間采用同樣不變權(quán)重的問題，提出了一種基于自適應權(quán)重MRF模型的變化檢測方法。該方法首先對于圖像進行細節(jié)特征的提取，將圖像中的細節(jié)特征位置進行判別。將不屬于圖像細節(jié)特征的位置賦予較大權(quán)重于先驗能量，而將屬于圖像細節(jié)特征的位置賦以較小權(quán)重于先驗能量。該方法首先基于8鄰域線過程提取邊緣像素點；然后規(guī)定了自適應權(quán)重函數(shù)（AWF）的條件，并列舉了8個AWF的例子；最后對于多時相遙感圖像進行了實驗以驗證本方法的有效性。

3、　　針對標準EM參數(shù)估計方法不考慮像素間的鄰域信息，易受噪聲影響，參數(shù)估計不精確的問題，提出了一種基于證據(jù)理論的EM參數(shù)估計方法并將其應用于變化檢測。為了能夠在參數(shù)估計的過程中利用鄰域信息，本文將Dempster-Shafer證據(jù)理論（DST）集成于文獻中的EM算法中，使每一步參數(shù)的迭代更新不僅取決于當前中心像素的亮度，還取決于其鄰域像素的亮度。從而得到一種基于DST的EM方法（EEM）。為進一步提高變化檢測精度，本文采用最大后驗估計（

4、MAP）標記方法對于EEM算法的結(jié)果進行MAP標記。假設差值圖像的類別標記滿足局部光滑條件，根據(jù)EEM算法得到的參數(shù)和初始標記，經(jīng)過迭代MAP標記更新得到最終結(jié)果。實驗結(jié)果表明，MAP標記方法的噪聲抑制能力強于EEM。
　　針對標準ACM模型不適用于合成孔徑雷達（SAR）圖像變化檢測的問題，提出了一種基于廣義高斯分布和活動輪廓模型的SAR圖像變化檢測方法。由于SAR圖像通常受乘性斑點噪聲的影響，傳統(tǒng)的C-V活動輪廓模型假設圖像為分

5、段光滑，這與SAR圖像數(shù)據(jù)性質(zhì)相違背，因此不能直接應用于SAR圖像變化檢測。本文將C-V活動輪廓模型推廣到廣義高斯混合模型假設下，得到一種基于廣義高斯分布和ACM模型的SAR圖像變化檢測方法，并驗證了其有效性。
　　針對通常采用的CVA方法丟失光譜特征空間信息的問題，提出了一種基于平穩(wěn)小波和集成活動輪廓模型的多譜多時相遙感圖像變化檢測方法。該方法將光譜變化矢量特征空間看做2維黎曼流形嵌入到2+B維高維流形，其中B是光譜波段數(shù)。變化