论文部分内容阅读
遥感图像变化检测是通过分析和提取同一地区不同时间获得的遥感图像之间存在的电磁波谱特征差异或空间结构特征差异，来识别地物类型、内部条件或状态的变化。遥感图像变化检测广泛应用于环境监测、森林资源调查、土地利用、城市规划布局以及军事战略目标监测等许多领域。本论文针对两时相遥感图像变化检测方法进行了研究，主要完成了以下三方面的工作：1）提出了一种非下采样Shearlet变换域马尔科夫随机场（Markov RandomField，MRF）与自适应阈值融合的遥感图像变化检测方法。首先对差值差异图像进行非下采样Shearlet分解，将每一层的所有方向子带合并为一个高频子带，对各层的高频子带和低频子带分别进行自适应阈值分类，每层得到一幅高频自适应阈值分类图和一幅低频自适应阈值分类图，同时对各层的低频子带进行MRF建模，每层得到一幅MRF分类图，最后融合各分类结果得到变化检测结果。通过对五组遥感数据集的实验验证了该方法的有效性。2）提出了一种基于核传播的遥感图像变化检测方法。首先用均值漂移分割方法对差值图进行过分割得到超像素集，并用k均值方法将超像素分为三类，在肯定变化类和肯定非变化类中选取种子点并构造约束集，根据得到的约束集学习种子核，然后用核传播方法将约束信息传播到与超像素集对应的整个核矩阵，最后对全核矩阵聚类并将聚类结果映射到原图像域得到变化检测结果。通过对五组遥感数据集的实验验证了该方法的有效性。3）提出了基于相似度差异图和标记处理差异图的模糊隶属度融合的遥感图像变化检测方法。首先根据两时相图像的结构相似度来构造一幅相似度差异图，对差值差异图中的像素进行类别标记得到一幅标记图，然后根据标记图对差值差异图进行不同类型的滤波处理，最后对两幅差异图进行模糊隶属度融合，并按照最大隶属度原则对融合结果进行分类得到变化检测结果。通过对五组遥感数据集的实验验证了该方法的有效性。