【摘要】：變化檢測是指同一地區(qū)在一段時(shí)間內(nèi)發(fā)生的變化。SAR圖像是指通過合成孔徑雷達(dá)得到的圖像。相對于其它成像方式,SAR圖像不會受到天氣等外界條件的限制,具有全天候、全天時(shí)的工作能力。因此基于SAR圖像的變化檢測日益成為研究的熱點(diǎn)課題。對于SAR圖像變化檢測,如何找到兩個(gè)樣本的差異至關(guān)重要,而SAR圖像由于獨(dú)特的成像技術(shù),圖像中存在相干斑噪聲,若采用傳統(tǒng)的歐式距離容易受到相干斑噪聲的影響。基于傳統(tǒng)距離度量的不足,本文提出了兩種基于度量學(xué)習(xí)的SAR圖像變化檢測算法;并且由于SAR圖像變化檢測存在樣本不平衡以及構(gòu)建模型需要手動(dòng)調(diào)整參數(shù)的問題,本文又提出了基于迭代多目標(biāo)免疫方法的SAR圖像變化檢測算法。本文重點(diǎn)內(nèi)容如下:1.針對傳統(tǒng)距離度量對噪聲不夠魯棒,同時(shí)不能很好的衡量樣本之間的差異,本文提出基于空間上下文度量學(xué)習(xí)的SAR圖像變化檢測。在SAR圖像變化檢測中,存在變化類與未變化類邊界區(qū)域易錯(cuò)分的問題,所以該方法采用生態(tài)學(xué)Canny方法獲得邊界區(qū)域,將邊界區(qū)域的樣本作為訓(xùn)練樣本;并且該方法在構(gòu)建約束對時(shí)充分考慮了空間鄰域信息,一定程度上抑制了相干斑噪聲以及配準(zhǔn)誤差對變化檢測結(jié)果的影響;最后在結(jié)構(gòu)化支持向量機(jī)模型求取約束對距離時(shí),將傳統(tǒng)的相減轉(zhuǎn)化為對噪聲更加魯棒的LR算子。將本方法在四個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集上進(jìn)行測試,均取得很好的效果。2.針對第一種單模態(tài)度量學(xué)習(xí)不能很好的利用多模態(tài)數(shù)據(jù)信息導(dǎo)致精度不高的問題,本文提出基于空間先驗(yàn)和多模態(tài)度量學(xué)習(xí)的SAR圖像變化檢測。與第一種方法相同,該方法將邊界部分的樣本作為訓(xùn)練樣本,解決了邊界易錯(cuò)分的問題;并且該方法在構(gòu)建約束對時(shí)充分考慮了空間先驗(yàn),在鄰域內(nèi)尋找相同類別的約束對;最后構(gòu)建多模態(tài)度量學(xué)習(xí)模型,該模型學(xué)習(xí)兩類映射矩陣,即每個(gè)模態(tài)特有的映射矩陣以及全部模態(tài)共享的映射矩陣,通過矩陣映射將原始樣本映射到特征空間,最后在映射空間進(jìn)行距離度量。同時(shí)本文還將該方法用于異質(zhì)數(shù)據(jù),首先得到每個(gè)通道的變化檢測結(jié)果,然后利用投票方法獲得最終的變化檢測結(jié)果。將本方法在四個(gè)同源數(shù)據(jù)集以及兩個(gè)異質(zhì)數(shù)據(jù)集上進(jìn)行測試,均取得很好的效果。3.針對SAR圖像中樣本不平衡以及模型參數(shù)需要手動(dòng)調(diào)整的問題,本文提出基于迭代多目標(biāo)免疫方法的SAR圖像變化檢測。該方法將靈敏度和特異性均作為目標(biāo)函數(shù),很好的克服了精度等單目標(biāo)函數(shù)性能不好的問題;然后該方法采用迭代多目標(biāo)免疫方法對該目標(biāo)函數(shù)進(jìn)行優(yōu)化,在該過程中同時(shí)將模型參數(shù)進(jìn)行迭代優(yōu)化,避免了手動(dòng)調(diào)整參數(shù)的問題;該方法通過迭代優(yōu)化產(chǎn)生最優(yōu)的Pareto解集合,然后在該解集合中選擇AUC值最高的解作為最終的最優(yōu)解。將本方法在四個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集上進(jìn)行測試,均取得很好的效果。
【圖文】：

傳統(tǒng)SAR圖像變化檢測流程圖

求取訓(xùn)練樣本的差異信息，然后對兩時(shí)相圖像測試樣本的差異信息時(shí)相圖像訓(xùn)練樣本的差異信息使用 K 近鄰算法(k-Nearest Neighbor，KNN)進(jìn)行分獲得 SAR 圖像變化檢測結(jié)果。2.3 實(shí)驗(yàn)結(jié)果分析2.3.1 數(shù)據(jù)集的介紹這一節(jié)主要對提出的基于空間上下文度量學(xué)習(xí)的 SAR 圖像變化檢測進(jìn)行性證實(shí)驗(yàn)，，采用的數(shù)據(jù)集如下圖所示：Bern 數(shù)據(jù)集[10]。Bern 數(shù)據(jù)集兩時(shí)相圖像以及參考圖如圖 2.2 所示，兩時(shí)相是通過歐洲遙感 2 號星載 SAR 傳感器分別在 1999 年 4 月和 1999 年 5 月在瑞士 地區(qū)獲得的，分辨率為 20m。圖 2.2(a)描述了洪水來臨前的圖像；圖 2.2(b)描述水過后的圖像。參考圖像描述了從 1999 年 4 月到 1999 年 5 月，洪水將 Bern 機(jī)沒以及 Thun 和 Bern 兩城市部分地區(qū)被淹沒的變化。兩時(shí)相 Bern 圖像的尺301×301，參考圖像是通過真實(shí)的陸地信息和專家知識獲得。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 眭海剛;馮文卿;李文卓;孫開敏;徐川;;多時(shí)相遙感影像變化檢測方法綜述[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2018年12期

2 謝馨嫻;岳彩榮;霍鵬;;森林變化檢測方法比較[J];四川林業(yè)科技;2018年03期

3 王娜;張景發(fā);;SAR圖像變化檢測技術(shù)方法綜述[J];地殼構(gòu)造與地殼應(yīng)力文集;2016年01期

4 宋英旭;牛瑞卿;張景發(fā);李永生;羅毅;馮時(shí);陳艷;;遙感影像變化檢測方法對比[J];地殼構(gòu)造與地殼應(yīng)力文集;2016年02期

5 李強(qiáng);張景發(fā);;變化檢測技術(shù)在震害信息提取中的應(yīng)用[J];地理空間信息;2014年02期

6 龍玄耀;李培軍;;基于圖像分割的城市變化檢測[J];地球信息科學(xué);2008年01期

7 于躍龍,盧煥章;以統(tǒng)計(jì)變化檢測為基礎(chǔ)的實(shí)時(shí)分割視頻對象新方法[J];中國圖象圖形學(xué)報(bào);2005年01期

8 孫揚(yáng);朱凌;修田雨;;基于國產(chǎn)衛(wèi)星影像的協(xié)同分割變化檢測[J];北京建筑大學(xué)學(xué)報(bào);2018年04期

9 王鑫;;聚類分析觀點(diǎn)下的分散式最快變化檢測[J];南京理工大學(xué)學(xué)報(bào);2014年02期

10 沈壁川;毛期儉;呂翊;;基于巴氏距離的視頻流場景變化檢測(英文)[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

相關(guān)會議論文 前10條

1 劉元波;;環(huán)境遙感變化探測研究中的若干問題：輻射校正方法與變化檢測算法及其理論關(guān)系[A];中國地理學(xué)會2007年學(xué)術(shù)年會論文摘要集[C];2007年

2 毛衛(wèi)華;;時(shí)態(tài)遙感數(shù)據(jù)對象級變化檢測方法研究[A];2016年度浙江省測繪與地理信息學(xué)會優(yōu)秀論文集[C];2016年

3 林麗群;舒寧;肖俊;;MODIS影像自動(dòng)變化檢測[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

4 余小萍;魏鉅杰;;一種綜合極化互相關(guān)性和空間上下文信息的多時(shí)相極化SAR變化檢測方法[A];第六屆高分辨率對地觀測學(xué)術(shù)年會論文集（上）[C];2019年

5 劉志剛;李夕海;錢昌松;;遙感圖像變化檢測問題淺析[A];陜西地球物理文集（五）國家安全與軍事地球物理研究[C];2005年

6 王長海;陳文靜;;基于遙感影像分類的城鎮(zhèn)建成區(qū)變化檢測方法研究[A];國家安全地球物理叢書（十三）——軍民融合與地球物理[C];2017年

7 蔣汾龍;王善峰;公茂果;馬晶晶;張明陽;武越;;基于降噪耦合卷積神經(jīng)網(wǎng)絡(luò)的多源遙感影像變化檢測[A];第五屆高分辨率對地觀測學(xué)術(shù)年會論文集[C];2018年

8 鄭安明;羅健;康薇薇;;基于遙感影像的流域下墊面變化檢測[A];環(huán)境變化與水安全——第五屆中國水論壇論文集[C];2007年

9 陳宇;唐偉成;;基于北京一號小衛(wèi)星遙感數(shù)據(jù)的徐州東礦區(qū)土地利用/覆蓋變化檢測方法研究[A];第十七屆中國遙感大會摘要集[C];2010年

10 李全;李霖;;基于LANDSAT TM影像的城市變化檢測研究[A];中國地理學(xué)會2004年學(xué)術(shù)年會暨海峽兩岸地理學(xué)術(shù)研討會論文摘要集[C];2004年

相關(guān)重要報(bào)紙文章 前2條

1 本報(bào)記者 孫楠 徐文彬;提高我國在氣候變化檢測歸因領(lǐng)域的國際影響力[N];中國氣象報(bào);2016年

2 通訊員 孫愛華　張向峰;區(qū)域氣候變化檢測研討會召開[N];中國氣象報(bào);2009年

相關(guān)博士學(xué)位論文 前10條

1 邵攀;非監(jiān)督遙感變化檢測模糊方法研究[D];武漢大學(xué);2016年

2 李文卓;時(shí)序無人機(jī)影像二三維綜合的面向?qū)ο蠼ㄖ镒兓瘷z測關(guān)鍵技術(shù)研究[D];武漢大學(xué);2017年

3 呂臻;高分辨率遙感影像道路提取與變化檢測關(guān)鍵技術(shù)研究[D];武漢大學(xué);2017年

4 彭代鋒;基于多特征信息挖掘的對象級光學(xué)衛(wèi)星影像變化檢測研究[D];武漢大學(xué);2017年

5 鄭耀國;基于結(jié)構(gòu)化表示學(xué)習(xí)的遙感圖像分類及變化檢測[D];西安電子科技大學(xué);2016年

6 蘇臨之;基于像素信息和深度學(xué)習(xí)的遙感圖像變化檢測技術(shù)[D];西安電子科技大學(xué);2016年

7 賈璐;基于核理論的遙感影像變化檢測算法研究[D];西安電子科技大學(xué);2016年

8 李瑜;基于特征學(xué)習(xí)的SAR圖像變化檢測方法研究[D];西安電子科技大學(xué);2016年

9 李振軒;基于差分測度的高分辨率遙感影像可靠性變化檢測方法研究[D];中國礦業(yè)大學(xué);2018年

10 劉博宇;時(shí)序NDVI數(shù)據(jù)集螺線型構(gòu)建及多形狀參數(shù)變化檢測[D];吉林大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 李進(jìn);基于深度學(xué)習(xí)的高分辨率遙感圖像變化檢測[D];江西師范大學(xué);2019年

2 王成軍;基于超像素與主動(dòng)學(xué)習(xí)采樣策略的高分影像變化檢測方法研究[D];福州大學(xué);2018年

3 羅星;基于中層語義特征的高分辨率遙感影像變化檢測方法研究[D];福州大學(xué);2018年

4 劉本強(qiáng);基于鄰域相對熵和融合紋理信息的SAR影像變化檢測[D];山東科技大學(xué);2018年

5 周曉君;多時(shí)相高分辨率遙感影像變化檢測算法研究[D];大連理工大學(xué);2019年

6 王守峰;面向?qū)ο蟮亩喙庾V遙感影像變化檢測方法研究[D];合肥工業(yè)大學(xué);2019年

7 吳憲;基于對象分割的衛(wèi)星圖像中物體變化檢測與識別算法研究[D];北京交通大學(xué);2019年

8 雷明;基于高分遙感影像的城市土地利用變化檢測研究[D];華中師范大學(xué);2019年

9 袁瑞臨;基于高光譜圖像分析的地物變化檢測方法研究[D];哈爾濱工業(yè)大學(xué);2019年

10 高雪艷;基于遙感圖像配準(zhǔn)的建筑物變化檢測算法研究[D];云南師范大學(xué);2019年

本文編號：2589191