论文部分内容阅读
面对海量高分辨率遥感数据,变化检测是获取图像中有用信息的重要方式,它是对不同时间获取的同一地理位置的两幅或多幅遥感图像,通过人工和计算机的协同处理与分析,准确地监测地表覆盖变化过程的技术。遥感图像变化检测技术已经被广泛应用于生态监测、土地监管、灾害评估及城市规划等诸多领域,对于促进人类社会协调和可持续发展具有重要意义。论文深入研究多光谱遥感图像成像机理和地物光谱分布规律,针对高分辨率遥感图像中地物的结构、形状、尺寸、光谱及纹理等特征混合问题,引入多尺度分析工具,将地物不同分布的特征映射到匹配的尺度子空间中获取特征一致性,并通过子空间联合优化算法获得最终的变化检测结果,获得了较好的检测性能。具体工作总结如下:1、引入结构多尺度模型,提出了一种基于多尺度子空间优化融合的多光谱图像变化检测方法。首先,选取匹配多光谱遥感图像中地物结构特性的结构元对时相数据进行形态学扩展构建结构尺度子空间,获取空-谱信息的联合分布;其次,为了克服多光谱图像中近红外通道的差异干扰,提出了尺度变化向量分析和尺度光谱角映射差异特征映射模型;最后,提出了一种基于随机采样谱聚类的特征子空间融合算法,通过优化权重分配重构谱聚类亲和矩阵,获得最终的变化检测结果。2、引入分割多尺度模型,提出了一种基于多尺度分割及瀑布混合高斯模型的多光谱图像变化检测方法。首先,构造基于变化向量分析、光谱角映射的多通道差异空间提高分割模型的约束能力;其次,利用基于动态排序模式的统计区域合并完成多光谱图像多粒度分割,实现混合特征空间的多尺度分离,保持不同尺寸地物的几何细节和结构特性;最后,针对层状结构的多尺度分割结果和混合高斯模型的初值敏感问题,提出分层结构的瀑布混合高斯模型,根据一致性判决策略依次在标签向量空间和概率向量空间进行分类判决,获得最终的变化检测结果。实验结果表明,与其他方法相比,论文提出的两种基于多尺度分析的变化检测方法能够检测出多光谱图像中的弱变化目标并保持地物几何结构信息,且获得了较好的检测性能指标。