论文部分内容阅读
遥感图像的变化检测是指通过分析在不同时间来自同一地区的两幅或多幅遥感图像,检测出该地区的地物随时间发生的变化信息。遥感图像的变化检测已经广泛地应用于如森林资源的动态监测、土地覆盖和利用的变化监测、农业资源调查、城市规划布局、环境监测分析、自然灾害评估、地理数据更新以及军事侦察中战略目标(如道路、桥梁、机场)等的动态监视等许多领域。本论文针对两时相的单波段遥感图像和合成孔径雷达(Synthetic Aperture Radar,SAR)图像进行了变化检测的研究。(1)针对单波段遥感图像变化检测,提出了一种基于感兴趣区域的遥感图像变化检测方法。该方法首先提取两时相图像的差值图的边缘,然后采用双阈值边缘图连接法闭合感兴趣区域的边缘,并对边缘扩充得到感兴趣区域,最后根据不同区域的灰度、空间位置、类别等特征对差值图进行校正,并对新差值图中的感兴趣区域进行阈值分割,检测出变化的区域。通过对多组真实的遥感图像进行实验,并且与差值法和基于马尔可夫随机场模型(Markov Random Field,MRF)的变化检测方法比较,验证了该方法的有效性。(2)提出了基于非下采样Contourlet变换的遥感图像变化检测方法。该方法先分别对两时相图像进行非下采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT),对变换系数中的高频系数进行去噪并对应相减作为差异图的高频系数,依据相似度将两时相低频系数进行融合得到差异图的低频系数,然后将差异图的高频系数和低频系数进行逆NSCT得到新差异图,最后对新差异图进行阈值分割提取出变化区域。通过对模拟遥感图像和多组真实遥感图像进行实验,结果表明该方法能够有效地去除噪声,提高变化检测的性能。(3)提出了基于多尺度积和主成分分析(Principal Components Analysis, PCA)的SAR图像变化检测方法。该方法首先对两时相图像的对数比值图进行小波变换,对每个分解层的高频系数进行多尺度积去噪,然后对去噪后的每个分解层图像进行PCA变换得到新差异图,最后对新差异图进行阈值分割提取出变化区域。通过对模拟的和真实的SAR图像进行实验,结果证明该方法能够有效地抑制SAR图像中的乘性斑噪,抗图像误配准性强,从而提高了变化检测性能。