高分辨率遥感图像变化检测技术研究

admin

题目：


雅宝题库答案：

****此区域为收费内容****    需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
随着航空航天技术与对地遥感技术的发展，遥感图像呈现出两多（多平台、多传感器）和四高（高数据量、高空间分辨率、高光谱分辨率和高时间采集频率）的特点，这使得遥感图像的自动处理成为迫切需要。变化检测技术是遥感图像分析解译技术发展的重要内容，被广泛地应用到各个领域，如军事上的打击效果评估、战场信息动态感知等；民用上的土地利用/地面覆盖、灾害监测评估等。自动的变化检测技术是通过分析同一目标或区域的多时相遥感图像，利用机器学习、模式识别等技术来获取其中的变化信息。国内外己经发展了许多变化检测技术，但大多数变化检测技术都是针对低中分辨率的遥感图像，将其应用于高分辨率遥感图像时，仍存在一定的局限性。高分辨率遥感图像除了光谱信息以外，地物景观的结构、纹理、细节和邻域信息也更加丰富，为变化检测提供了更多可用的信息。针对高分辨率遥感图像的变化检测是目前的研究热点之一。本文主要针对高分辨遥感图像变化检测技术进行了研究，主要工作包括：首先，调研了变化检测的预处理技术：图像配准、辐射校正和图像融合。结合遥感图像处理软件ENVI，选取和实现了当前较为先进的预处理方法。图像融合实现了基于自适应线性模型的全色-多光谱融合方法。再者，研究了对变化检测结果产生影响的阴影检测方法。在变化检测的过程中，阴影是一种障碍，所以为了提高变化检测的性能，需要考虑阴影的影响。利用最大稳定极值区域MSER在光照变化和视角变化下良好的表现以及运行快速的特点，提出了基于MSER的高分辨率遥感图像阴影检测算法。该算法是基于视觉的，与图像直方图无关的阴影检测方法。实验结果表明，该算法在QuickBird高分辨全色图像上获得了很好的检测效果。最后，研究了基于多尺度的非监督的变化检测算法。提出了一种基于非下采样轮廓波变换（NSCT）和最大数学期望（EM）分类的变化检测算法。利用非下采样轮廓波变换对多时相图像的差异图像进行多尺度和多方向的分解，再利用混合高斯分布的最大数学期望算法对特征进行变化和非变化的二分类。通过融合策略融合不同尺度、不同方向的变化检测结果，以得到最终得到较优的变化检测结果。实验结果表明，在高分辨率的遥感图像上进行实验分析，取得了较好的变化检测效果。