本文關(guān)鍵詞：基于MST的遙感圖像變化檢測(cè)研究

  更多相關(guān)文章： 遙感圖像 最小生成樹聚類 變化檢測(cè) 紋理特征 多尺度分割

【摘要】：本論文圍繞圖像分割、特征信息提取和根據(jù)特征信息分類進(jìn)行研究,提出了兩種遙感圖像變化檢測(cè)算法:(1)針對(duì)遙感圖像的變化檢測(cè)結(jié)果與分割方法及分割尺度有較強(qiáng)的相關(guān)性,提出了一種多尺度分割融合的對(duì)象級(jí)遙感圖像變化檢測(cè)方法。先用改進(jìn)的最小生成樹的分割算法對(duì)圖像進(jìn)行多尺度聯(lián)合分割,使變化的信息在不同尺度上很好的表達(dá)出來。然后利用光譜特征和紋理特征計(jì)算多尺度下的差異系數(shù),結(jié)合雙閾值提取出變化區(qū)域,最后將變化檢測(cè)結(jié)果進(jìn)行融合,從而得到算法期望的結(jié)果。(2)為了獲取圖像信息較完好的差異圖像以及得到更好的變化檢測(cè)結(jié)果,提出了一種基于最小生成樹(MST)聚類的遙感圖像變化檢測(cè)算法。為了不受圖像斑點(diǎn)噪聲的影響,本算法計(jì)算差異圖像采用歸一化鄰域比值法,根據(jù)差異圖像直方圖把像素大致分為變化、非變化和未確定三類,然后針對(duì)未確定像素計(jì)算其紋理特征,根據(jù)特征值兩次使用MST算法進(jìn)行聚類,最后根據(jù)目標(biāo)函數(shù)斷開最小的邊將未確定像素分為變化類和未變化類,至此得到最終變化檢測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明,與類似的算法相比,本文算法具有較好的檢測(cè)結(jié)果和更高的檢測(cè)精度。
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP751

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 王波;丁軍娣;陳松燦;;兩種基于圖論的聚類算法改進(jìn)(英文)[J];Transactions of Nanjing University of Aeronautics & Astronautics;2012年03期

2 李德仁;利用遙感影像進(jìn)行變化檢測(cè)[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2003年S1期

3 尤紅建;;多尺度分割優(yōu)化的SAR變化檢測(cè)[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2011年05期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 劉小洲;高分辨率遙感圖像的變化檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2007年

，

本文編號(hào)：1287206