基于小波分析和聚類的多時(shí)相遙感影像變化檢測(cè).pdf

1、遙感科學(xué)技術(shù)作為一個(gè)拓展人類觀察視野和觀測(cè)領(lǐng)域的高級(jí)工具,已在資源管理、政府機(jī)構(gòu)決策、保護(hù)組織和工業(yè)領(lǐng)域的應(yīng)用顯示了無(wú)與倫比的優(yōu)越性。通過(guò)檢測(cè)同一地區(qū)不同時(shí)間影像發(fā)生的變化,有利于資源管理者能夠動(dòng)態(tài)地監(jiān)測(cè)大面積的地面覆蓋情況。
　　 本文圍繞多時(shí)相遙感影像變化檢測(cè)的一些關(guān)鍵技術(shù)進(jìn)行了研究。主要完成了以下工作:
　　 1.概括性介紹了遙感變化檢測(cè)考慮的各種因素、處理流程,對(duì)現(xiàn)有變化檢測(cè)方法進(jìn)行了歸納和評(píng)述,介紹了三種差異影

2、像提取方法。
　　 2.介紹了基于代數(shù)差和期望最大化(EM(expectationmaximization))閾值分割的方法。針對(duì)差異影像閾值難以選擇的問(wèn)題,將變化區(qū)域的提取視作統(tǒng)計(jì)決策問(wèn)題,在混合高斯模型假設(shè)前提下,通過(guò):EM算法估計(jì)模型參數(shù),然后利用基于貝葉斯理論的最小錯(cuò)誤率求出最優(yōu)的變化閾值。
　　 3.提出了基于主成分分析和K均值聚類的變化檢測(cè)方法。由于單一閾值方法僅對(duì)單個(gè)像素點(diǎn)做處理,沒(méi)有考慮影像空間鄰域關(guān)系,

3、為此,將差異影像分成互不重疊的子塊,然后利用PCA提取每個(gè)子塊的特征向量,再對(duì)特征向量進(jìn)行投影得到新的特征向量。最后用K-均值聚類方法把特征向量分割成變化和未變化兩類區(qū)域。
　　 4.提出了基于小波融合和K均值聚類的變化檢測(cè)方法。考慮到差值法和對(duì)數(shù)比值法各自的優(yōu)缺點(diǎn),通過(guò)小波融合差值影像和對(duì)數(shù)比值影像構(gòu)造利于差異影像的變化檢測(cè),再采用加入空間鄰域信息的K均值聚類方法提取變化區(qū)域。
　　 5.提出了基于非抽樣小波融合和核K