本文關(guān)鍵詞：基于NSCT和NSST的圖像變化檢測算法研究及應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著遙感技術(shù)的發(fā)展,遙感圖像變化檢測技術(shù)已經(jīng)成為遙感圖像研究的一個熱點,并被廣泛地應(yīng)用于森林、土地和水域等資源的變化監(jiān)測,火災(zāi)、地震和洪水等自然災(zāi)害的災(zāi)后評估,農(nóng)業(yè)資源的勘查以及軍事部署、軍事目標的動態(tài)監(jiān)視等多個領(lǐng)域。本論文主要研究了多時相遙感圖像變化檢測算法及其在外來生物入侵區(qū)域的遙感影像和醫(yī)學影像上的應(yīng)用。(1)提出了一種基于分形維數(shù)和模糊C均值聚類(FCM)算法的多時相SAR圖像變化檢測算法。該算法采用非下采樣輪廓波變換(NSCT)和分形維數(shù)相結(jié)合的方法,克服了小波變換的下采樣和只能按水平和對角線方向分解圖像的缺點;分形維數(shù)法構(gòu)造差異圖,即利用了圖像的灰度信息,也利用了圖像的空間鄰域信息,同時在計算分形維數(shù)時能直接對斑點噪聲進行處理,很好的抑制了斑點噪聲的影響;再用FCM聚類算法得到變化檢測的結(jié)果。(2)提出了一種基于鄰域比值差異圖和FCM聚類的圖像變化檢測算法�；卩徲虮戎档脑瓌t構(gòu)造差異圖,這在一定程度上解決了由圖像的配準誤差、輻射差異以及差異圖分類門限的選取不當,造成的圖像有用的變化信息難以提取的問題;將差異圖變換到NSCT域進行相應(yīng)的去噪處理,這樣在大量變化信息的前提下,可以提高信噪比;將本文提出的變化檢測技術(shù)應(yīng)用到入侵植物蔓延區(qū)域的遙感衛(wèi)星影像上,通過實驗證實本文算法在植物入侵的動態(tài)監(jiān)測方面,也取得了很好的監(jiān)測效果。(3)提出了基于鄰域比值和非下采樣剪切波變換(NSST)的圖像變化檢測算法,并應(yīng)用到醫(yī)學中腦白質(zhì)病變區(qū)域MR圖像的變化檢測。實驗結(jié)果表明,本文算法能較為準確的檢測出腦白質(zhì)病變區(qū)域的變化部分,實現(xiàn)對病變區(qū)域變化部分的計算機自動快速檢測,檢測結(jié)果對于臨床判斷腦白質(zhì)病變的變化趨勢及預(yù)后判斷具有重要意義和一定的應(yīng)用價值。
【關(guān)鍵詞】：圖像變化檢測 FCM聚類 分形維數(shù) 鄰域比值 腦白質(zhì)病變
【學位授予單位】：新疆大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP751
【目錄】：

• 摘要2-3
• Abstract3-7
• 第一章 緒論7-12
• 1.1 研究的背景和意義7-8
• 1.2 國內(nèi)外研究現(xiàn)狀8-10
• 1.3 本論文的主要工作10-12
• 第二章 圖像變化檢測相關(guān)理論研究12-26
• 2.1 變化檢測的概念和流程12-15
• 2.1.1 數(shù)據(jù)預(yù)處理12-13
• 2.1.2 變化信息的提取與檢測13
• 2.1.3 評價指標13-15
• 2.2 非下采樣Contourlet變換15-16
• 2.2.1 非下采樣Contourlet變換背景15
• 2.2.2 非下采樣Contourlet變換原理15-16
• 2.3 非下采樣Shearlet變換16-21
• 2.3.1 Shearlet變換原理16-19
• 2.3.2 非下采樣Shearlet變換19-21
• 2.4 分形維數(shù)21-23
• 2.4.1 分數(shù)布朗運動模型21-22
• 2.4.2 盒子維模型22-23
• 2.5 FCM聚類算法23-25
• 2.6 本章小結(jié)25-26
• 第三章 基于分形維數(shù)和FCM聚類的多時相SAR圖像變化檢測算法26-32
• 3.1 引言26-27
• 3.2 理論模型和算法實現(xiàn)27-28
• 3.2.1 理論模型27
• 3.2.2 算法實現(xiàn)27-28
• 3.3 實驗結(jié)果分析28-31
• 3.3.1 滑動窗.對實驗的影響29
• 3.3.2 三種算法的比較實驗29-31
• 3.4 本章小結(jié)31-32
• 第四章 基于鄰域比值差異圖和FCM聚類的圖像變化檢測32-40
• 4.1 引言32-33
• 4.2 理論模型和算法實現(xiàn)33-36
• 4.2.1 鄰域比值差異圖33
• 4.2.2 Frost濾波器33-35
• 4.2.3 算法實現(xiàn)35-36
• 4.3 實驗結(jié)果分析36-38
• 4.4 算法應(yīng)用38-39
• 4.5 本章小結(jié)39-40
• 第五章 基于NSST的腦白質(zhì)病變區(qū)域MR圖像的變化檢測40-47
• 5.1 引言40-41
• 5.2 理論模型和算法實現(xiàn)41-43
• 5.2.1 理論模型41
• 5.2.2 算法實現(xiàn)41-43
• 5.3 實驗結(jié)果及分析43-45
• 5.4 本章小結(jié)45-47
• 第六章 總結(jié)與展望47-49
• 6.1 總結(jié)47-48
• 6.2 展望48-49
• 參考文獻49-55
• 致謝55-56
• 攻讀碩士期間發(fā)表的論文56-57

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 賴祖龍;申邵洪;程新文;張潔;;基于圖斑的高分辨率遙感影像變化檢測[J];測繪通報;2009年08期

2 劉永學,李滿春,張忍順;江蘇沿�；セ撞蓰}沼動態(tài)變化及影響因素研究[J];濕地科學;2004年02期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 肖鵬;基于分形維數(shù)的紋理圖像分割[D];西安電子科技大學;2010年

  本文關(guān)鍵詞：基于NSCT和NSST的圖像變化檢測算法研究及應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號：404526