





























化检测算法基于全色融合的变化检测算法研究方案预案本论文的结构安排第二章变化检测算法的基本理论主分量分析上下截集模糊聚类网络非降采样变换非降采样塔型滤波器组非降采样方向滤波器组系数特点脉冲耦合神经网络脉冲耦合神经网络的基本原理图像中的脉冲耦合神经网络设计遥感影像变化检测的般思路第三章基于和的变化检测算法算法概述理论模型和实现算法实验结果及讨论结论第四章基于和的变化检测算法算法概述理论模型和实现算法理论模型实现算法实验结果两种算法的定性比较算法性能的定量比较算法性能的定量比较二实验分析结论第五章基于和的变化检测算法算法概述理论模型和实现算法理论模型实现算法实验结果两种算法的定性比较算法性能的定量比较算法性能的定量比较二实验分析结论第六章总结与展望三种变化检测算法的比较三种算法的定性比较三种算法性能的定量比较三种算法性能的定量比较二三种算法性能的定量比较三三种算法的定量比较汇总总结展望参考文献攻读硕士研究生期间发表的学术论文致谢学位论文独创性声明论文知识产权权属声明第章引言研究背景及意义背景多时相通常是指反映组遥感影像在时间系列上所具有的特征。
凡是在不同时间同地域获取的组影像地图或地理数据,都可视为多时相数据。
遥感技术特别是卫星遥感具有按固定周期实现对地球重复覆盖的能力,能提供各种时间分辨率的多时相遥感影像,满足动态分析的要求。
多时相遥感影像资料的要求,依分析对象动态变化速度及过程的时间长短而定。
如对台风发展过程的对比分析,要求有小时以内时间间隔和多达数十天的系列的多时相卫星云图分析沙漠化的速率和范围,只需不同年份的多时相资料即可。
多时相遥感资料对比和综合分析,是研究和追踪自然历史演变轨迹监测环境和资源动态变化的重要有效手段。
遥感影像变化检测是遥感瞬间视场中地表特征随时间发生的变化引起两个时期影像像元光谱响应的变化。
遥感变化检测是遥感信息科学地球系统科学统计学和计算机技术等学科技术交叉后新的增长点,代表了当前遥感数据处理技术发展的方向。
进入世纪,我国正在从航天大国迈向航天强国。
主要标志是到年环境减灾小卫星发射后,将形成气象资源海洋和环境减灾个民用卫星系列。
在遥感应用方面,经过国家七五八五九五计划的支持,遥感应用技术不断普及,研究部门和行业相继建立了遥感应用业务运行系统,形成级,级遥感与空间数据集,国家和部门分布式数据库系统也应运而生,并且不断发展图像,那么这两幅图像的峰值信噪比定义为检测算法的抗噪性能可由两种变化检测结果和之间的差异来衡量。
输入两幅图像和,对加入噪声得到。
输入和,得到输入和,得到。
检测算法的抗噪性能可由下式来确定由图和图知,无论是高斯噪声还是斑点噪声,在∈,的范围内,本章算法的抗噪性能虽然比具有抗噪能力明显优势的方法的高的不多,但是比方法的就有显著的提高。
说明本章算法的抗噪性能有所提高。
图不同程度的斑点噪声下的抗噪性能比较图不同程度零均值高斯噪声下的抗噪性能比较算法性能的定量比较二种变化检测方法检测的结果为,关于这种变化的地面真实变化参考图是,它们作差,得到差值图。
差值图中元素值为的元素个数总和归化后是误检率,即简称为差值图中元素值为的元素个数总和归化后是漏检率,即简称为地面真实变化参考图是中元素值为的元素个数总和归化后是变化率,即简称为用函数进行元素个数统计。
误检率和漏检率之和定义为率,即简称为。
定义个统计量率与变化率的比值,即简称为。
为了定量比较两个算法性能,选择了率与变化率的比值这个标准。
则以上主要变量的计算公式分别如下表是实验结果。
从实验结果可知,本章算法的检测率比方法的至少低个百分点,比方法的至少低个百分点。
本章算法的检测精确度虽然比具有检测精确度明显优势的算法好的不多,但是比算法的检测精确度提高的比较明显。
说明本章算法的检测精确有所提高。
表检测率实验分析非下采样变换能够较好地抓住图像的内在几何结构,并且具有位移不变性。
与此同时,由于的多尺度多方向分解,使得具有局部性方向性和各向异性。
特别是在噪声环境下提取特征信息,所以在变化检测的抗噪性能方面功不可没。
改进的模糊聚类网络是聚类分析常用的方法,具有精度高收敛速度快的优点。
所以在变化检测的准确性方面功不可没。
但是由于的多尺度多方向分解的分解量大,使得改进的模糊聚类网络的收敛速度快的优点没有体现出来。
所以本章算法的时间比较慢。
本章将非下采样变换和上下截集模糊聚类网络相结合,充分结合这两种方法的优势,使得本章算法相对比较算法而言,具有更高的抗噪能力和检测精确度。
变化检测算法的率虽然较低,但是抗噪能力差。
变化检测算法抗噪能力虽然很高,但是率较大。
本章算法的抗噪性能虽然比具有抗噪能力明显优势的方法的高的不多,但是比方法的就有显著的提高。
说明本章算法的抗噪性能有所提高。
本章算法的检测精确度虽然比具有检测精确度明显优势的算法好的不多,但是比算法的检测精确度提高的比较明显。
说明本章算法的检测精确有所提高。
结论本章首次将非下采样变换和上下截集模糊聚类网络相结合。
该算法采用非下采样变换提取多尺度和多方向纹理,每个纹理与对数比图像中的每个象素相对应,并采用上下截集模糊聚类网络将这些多尺度和多方向纹理分为变化类与未变化类两类,最终得到变化检测图像。
比较算法是文献和文献给出的。
由实验分析可知,本章算法相对比较算法而言,具有更高的抗噪能力和检测精确度。
第六章总结与展望三种变化检测算法的比较三种算法的定性比较用两组遥感图像,将第三四五章所提出的变化检测算法进行对比实验。
第三章所提出的算法是将主分量分析和上下截集模糊聚类网络这两种方法相结合,简称为第四章所提出的算法是将非下采样变换和脉冲耦合神经网络这两种方法相结合,简称为第五章所提出的算法是将非下采样变换和上下截集模糊聚类网络相结合,简称为。
图是以上三种算法的两组图像的比较结果。
三种算法性能的定量比较为了定量比较三个算法性能,本文首先选择了抗噪性能这个标准。
幅大小为的图像,对其添加种噪声高斯噪声或者斑点噪声得到图像,参考图像检测图像第三章检测算法第四章检测算法第五章检测算法图不同方法的检测结果比较那么这两幅图像的峰值信噪比定义为检测算法的抗噪性能可由两种变化检测结果和之间的差异来衡量。
输入两幅图像和,对加入噪声得到。
输入和,得到输入和,得到。
检测算法的抗噪性能可由下式来确定由图图和表可以看出从整体趋势来看,不包括个别的区间段,对于零均值高斯噪声,在∈,的范围内,有更强的抗噪性能对于斑点噪声,在∈,的范围内,有更强的抗噪性能。
图不同程度的斑点噪声下的抗噪性能比较图不同程度零均值高斯噪声下的抗噪性能比较表不同程度不同噪声下的抗噪性能比较硕士研究生学位论文新疆大学论文题目中文多时相遥感影像变化检测算法研究论文题目外文研究生姓名余银峰学科专业工学信号与信息处理研究方向数字图像处理导师姓名职称贾振红教授论文答辩日期年月日学位授予日期年月日摘要利用多时相遥感影像获取地物变化信息的过程称之为变化检测。
根据影像分析的层次不同,变化检测算法可以分为像素级特征级和目标级这三类根据数据分析的机理,变化检测算法可以分为有监督和无监督两类。
有监督的变化检测算法是基于有监督的分类方法,这种方法要求训练网络以得到网络的参数。
无监督的变化检测算法用两张不同时相的遥感影像通过直接的比较而无需附加信息就可以检测出影像的变化。
本文所提众多算法都是基于像素级无监督的变化检测算法。
本文提出了种基于主分量分析和上下截集模糊聚类网络的无监督的不同时相的遥感影像的像素级变化检测算法。
该算法首次将主分量分析和上下截集模糊聚类网络这两种方法相结合,并将它应用于不同时相的遥感影像变化检测。
该方法结合每个象素的邻域信息,利用主分量分析,产生每个象素对应的基于邻域信息的特征向量又将变化区域检测问题转化为两类之间的分类问题然后利用上下截集模糊聚类网络对每个象素所对应的特征向量进行变化类与未变化类的聚类,得到变化检测图。
本文又提出了种基于非下采样变换和脉冲耦合神经网络的无监督的不同时相的遥感影像的变化检测算法。
该算法将非下采样变换和脉冲耦合神经网络这两种方法相结合,并首次将它应用于不同时相的遥感影像变化检测。
本文首次将非下采样变换和上下截集模糊聚类网络相结合,提出了种无监督的多时相遥感影像变化检测算法。
该算法采用非下采样变换提取与对数比图像中的每个象素相对应的多尺度多方向纹理,
