论文部分内容阅读
遥感图像变化检测，是指通过分析和提取同一地区不同时相的遥感图像间存在的电磁波谱特征差异或空间结构特征差异，从而识别物体的状态变化或现象变化的过程。遥感图像变化检测方法作为遥感图像的重要研究内容之一，已经得到了广泛应用于土地利用情况监测，植被、水文变化监测，地震、火灾、海啸、山洪、等自然灾害评估，农作物生长状况调查，海洋、大气环境监测，城区建设和规划，道路、机场、码头目标检测以及军事部署、军事目标侦察等多个方面。 本文围绕如何提取遥感图像中的有效信息，抑制干扰信息，突出变化区域差异，提高变化检测结果问题，提出了一下三种遥感图像变化检测方法。 （1）提出了一种GLRAM特征提取和分割的遥感图像变化检测方法。本方利用GLRAM进行图像邻域块的分解，利用双线性变换对邻域进行逼近，使用基于边缘保留的分割方法进行分割，结合了图像的局部信息。该方法有效地保留了图像信息抑制了杂点，同时分割结果具有良好的边缘。模拟和真实数据进行该方法的实验表明该方法具有良好的稳定性和检测精度。 （2）提出了一种采用基于协同表示模型的遥感图像变化检测方法，该方法首先取对应位置的邻域块构造邻域特征矩阵，然后利用邻域特征矩阵计算投影矩阵，将时相二的邻域特征向量在特征矩阵上进行投影获取投影系数，根据投影系数差异获得差异图，最后利用模糊C均值（FCM，FuzzyC-Meam）聚类算法进行差异图聚类得到结果。该方法具有较强的噪声鲁棒性，检测结果变化区域检测精度高，边缘保持良好。模拟和真实数据进行该方法的实验表明该方法具有良好的变化检测精度。 （3）提出了一种基于多维特征选择和主动学习分类的变化检测方法。利用两不同时相遥感图像的像素灰度值，同时考虑图像的空间联合概率分布和邻域相似性关系构造多维特征向量。对构造的特征向量利用主动学习方法进行特征分类得到变化检测结果。该方法一方面能有效地计算出关键分类向量，构造正确的分类器。另一方面又提高了算法效率，节省资源。模拟和真实数据实验结果表明，本方法能够有效避免光照、辐射、配准误差等因素的影响，剔除了伪变化信息，也可以有效抑制杂点干扰。 本论文工作得到了国家自然科学基金（60970066）、高等学校学科创新引智计划（111计划）（B07048）、教育部长长江学者合创新团队发展计划（IRT1170）以及中央高校基本科研业务费专项资金（K50510020025）的资助。