基于廣義Gamma混合模型的遙感圖像變化檢測研究.pdf

1、遙感圖像的變化檢測是通過對同一地區(qū)而不同時期的兩幅已配準的遙感圖像進行分析，從中提取變化信息的過程，廣泛應用于資源環(huán)境監(jiān)測、農(nóng)業(yè)生產(chǎn)監(jiān)測、災害監(jiān)測等領(lǐng)域。
　　目前，基于統(tǒng)計模型的變化檢測技術(shù)由于其所采用模型的擬合能力而備受爭議，因為檢測結(jié)果是否理想取決于模型能否準確的表達數(shù)據(jù)。傳統(tǒng)的模型大都不能準確地描述數(shù)據(jù)，最終導致檢測結(jié)果產(chǎn)生較大偏差。針對這一問題，本文用具有更強描述能力的廣義Gamma分布作為有限混合模型分量，用廣義Gam

2、ma混合模型來對差異圖像數(shù)據(jù)建模，從而為得到更準確的變化檢測結(jié)果奠定基礎(chǔ)。
　　本文研究了基于廣義Gamma混合模型的遙感圖像變化檢測方法，主要包括以下三個內(nèi)容：
　　1)運用固定兩分量的廣義Gamma混合模型對差異圖像建模，分別描述變化和未變化兩類，采用廣義K&I門限選擇算法提取出差異圖像最優(yōu)門限值，實現(xiàn)了基于廣義Gamma混合模型和廣義K&I門限選擇的變化檢測算法。通過與幾種現(xiàn)有的算法作比較，可以看到提出的算法具有更好的

3、檢測效果。
　　2)提出了一種基于QPSOEM算法和貝葉斯理論的變化檢測算法。針對固定兩分量的廣義Gamma混合模型對復雜數(shù)據(jù)難以描述的問題，采用MDL準則自適應選擇混合分量數(shù)和QPSOEM算法估計混合模型參數(shù)的方法來解決。通過與幾種現(xiàn)有的算法作比較，該方法對復雜數(shù)據(jù)的擬合能力更強，且可獲得更好的檢測結(jié)果。
　　3)提出了一種基于馬爾可夫場的變化檢測算法。考慮到圖像像素之間存在著依賴性，采用常見的吉普斯馬爾可夫場對差異圖像建