本文選題：遙感影像變化檢測 + 核變換�。� 參考：《中國礦業(yè)大學》2017年碩士論文

【摘要】：遙感對地觀測技術憑借其覆蓋面廣、多時相、周期短、信息豐富等優(yōu)點,為土地利用現(xiàn)狀分析、土地資源管理、災害預防和應急響應以及城市化進程等各項工程提供更加便捷、有效的服務。針對研究區(qū)域變化檢測標記樣本難以獲取、變化信息存在非線性分布等情況,本文引入核思想,從基于像元的遙感影像變化范圍和變化類型檢測兩個目的出發(fā),設計了基于核變換的變化檢測方法,主要研究內容如下:(1)在總結核變換的基礎理論、核函數(shù)的基本屬性以及多核構造的必要條件基礎上,比較了幾類經(jīng)典的遙感影像變化檢測方法,并實現(xiàn)了經(jīng)典的變化矢量分析法(Change Vector Analysis,CVA),分析其與極化CVA、壓縮極化CVA(Compressed CVA,C2VA)間的優(yōu)劣勢,并運用大津閾值法(OTSU)確認變化范圍、傳統(tǒng)編碼法獲取變化類型,并以此作為后續(xù)實驗對比。(2)為了確定變化范圍,利用自適應的融合策略融合兩時相間經(jīng)典CVA結果和光譜角、光譜相關性匹配結果,即融合多相似性測度作為最終的變化強度圖。采取多目標優(yōu)化的核K-均值聚類算法代替閾值化過程,在未知數(shù)據(jù)具體分布形式前提下,增加數(shù)據(jù)的可分性,在一定程度上提高自動化水平。(3)為了確定變化類型,利用壓縮極化CVA獲取在極坐標系下能夠可視化分析的變化方向信息后,在置信度高的小鄰域范圍內隨機選擇訓練樣本,并運用不同的核函數(shù)以不同方式混合的支持向量機(Support Vector Machine,SVM)來確認變化類型。該設計方案與單核SVM相比,節(jié)省了人工選擇核函數(shù)的過程;與傳統(tǒng)編碼法相比,在精度上有一定提升。(4)在Matlab 2013a平臺上設計了一個基于核變換遙感影像變化檢測的簡易系統(tǒng),重點開發(fā)了三個模塊:變化強度融合、變化范圍檢測和變化類型檢測模塊。該系統(tǒng)提供便于操作的交互界面,可根據(jù)用戶選擇的具體方法,實現(xiàn)對兩時相影像的變化檢測。同時,利用兩組模擬數(shù)據(jù)和兩組真實影像驗證其可行性和有效性,實現(xiàn)了對于不同的數(shù)據(jù)分布、不同的變化類型影像的變化檢測。實驗結果表明,相比于傳統(tǒng)的變化檢測方法,設計的基于核變換的方案表現(xiàn)出較優(yōu)的檢測性能。
[Abstract]:Based on the advantages of wide coverage, multi phase, short period, and rich information, remote sensing technology provides more convenient and effective services for various projects such as land use analysis, land resource management, disaster prevention and emergency response and urbanization process. In this paper, we introduce nuclear thought, design a change detection method based on nuclear transformation based on two purposes, which are based on the range and type of change of remote sensing images. The main research contents are as follows: (1) the basic theory of nuclear transformation, basic attributes of kernel functions and the necessity of multi core construction are summarized. On the basis of conditions, several kinds of classical remote sensing image change detection methods are compared, and the classical variable vector analysis (Change Vector Analysis, CVA) is realized, and the advantages and disadvantages between them and polarization CVA, compressed polarization CVA (Compressed CVA, C2VA) are analyzed. The change range is confirmed by the Otsu threshold method (OTSU), and the change type is obtained by the traditional coding method. And as a follow-up experiment comparison. (2) in order to determine the range of changes, the adaptive fusion strategy is used to fuse the classical CVA results and spectral angles of the two phase, and the spectral correlation matching results, that is, the fusion of multi similarity measure as the final change intensity map. On the premise of knowing the specific distribution of data, increasing the separability of data and improving the level of automation to a certain extent. (3) in order to determine the change type, using the compressed polarization CVA to obtain the change direction information which can be visualized and analyzed in the polar coordinate system, the training samples are randomly selected in the small neighborhood range with high confidence, and the difference is used. The kernel function is Support Vector Machine (SVM) in different ways to confirm the change type. Compared with the mononuclear SVM, this scheme saves the process of artificial selection of the kernel function; compared with the traditional coding method, it has a certain improvement in the precision. (4) a nuclear transform remote sensing image is designed on the Matlab 2013a platform. The simple system of change detection focuses on the development of three modules: change intensity fusion, change range detection and change type detection module. The system provides an easy to operate interface, and can detect the changes of two phase images according to the specific method of user selection. At the same time, two groups of analog data and two groups of real images are used. The feasibility and validity, realizes the different data distribution changes of different types of image detection. The experimental results show that the change detection method compared to the traditional design, the kernel transformation scheme based on the show has a better detection performance.
【學位授予單位】：中國礦業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：P237

【參考文獻】

相關期刊論文 前10條

1 佟國峰;李勇;丁偉利;岳曉陽;;遙感影像變化檢測算法綜述[J];中國圖象圖形學報;2015年12期

2 馮文卿;張永軍;;利用多尺度融合進行面向對象的遙感影像變化檢測[J];測繪學報;2015年10期

3 賈永紅;謝志偉;張謙;楊剛;;采用獨立閾值的遙感影像變化檢測方法[J];西安交通大學學報;2015年12期

4 趙珍珍;燕琴;劉正軍;;高分遙感影像與矢量數(shù)據(jù)結合的變化檢測方法[J];測繪科學;2015年06期

5 全衛(wèi)澎;李衛(wèi)華;李小春;;多特征自適應融合的高分辨率遙感影像變化檢測[J];電光與控制;2015年03期

6 王麗云;李艷;汪禹芹;;基于對象變化矢量分析的土地利用變化檢測方法研究[J];地球信息科學學報;2014年02期

7 匡芳君;徐蔚鴻;張思揚;;基于改進混沌粒子群的混合核SVM參數(shù)優(yōu)化及應用[J];計算機應用研究;2014年03期

8 林怡;劉冰;陳映鷹;潘琛;;多特征差分核支持向量機遙感影像變化檢測方法[J];武漢大學學報(信息科學版);2013年08期

9 魏立飛;王海波;;基于MSE模型的高分辨率遙感圖像變化檢測[J];光譜學與光譜分析;2013年03期

10 王東廣;肖鵬峰;宋曉群;王鐵成;陳剛;;結合紋理信息的高分辨率遙感圖像變化檢測方法[J];國土資源遙感;2012年04期

相關博士學位論文 前3條

1 李陽;多核學習SVM算法研究及肺結節(jié)識別[D];吉林大學;2014年

2 鐘家強;基于多時相遙感圖像的變化檢測[D];國防科學技術大學;2005年

3 張曉東;基于遙感影像與GIS數(shù)據(jù)的變化檢測理論和方法研究[D];武漢大學;2005年

相關碩士學位論文 前8條

1 王立達;基于混合核函數(shù)的SVM及其應用研究[D];大連海事大學;2016年

2 張家琦;遙感影像變化檢測方法及應用研究[D];中國地質大學(北京);2015年

3 楊海;SVM核參數(shù)優(yōu)化研究與應用[D];浙江大學;2014年

4 鄧海;降維多核K-Means算法在文本聚類中的研究[D];廣西大學;2013年

5 房菲;基于核方法的支持向量機在人體動作識別中的應用研究[D];中國海洋大學;2013年

6 賈彩杰;基于模糊聚類算法的遙感圖像變化檢測的研究[D];西安電子科技大學;2013年

7 劉明;支持向量機中Sigmoid核函數(shù)的研究[D];西安電子科技大學;2009年

8 劉小洲;高分辨率遙感圖像的變化檢測技術研究[D];國防科學技術大學;2007年

，

本文編號：2045977