论文部分内容阅读
随着趋向“三多”(多传感器、多平台和多角度)和“三高”(高空间分辨率、高光谱分辨率和高时间分辨率)的遥感技术的快速发展，变化检测技术已经广泛应用于土地利用、城市建设、灾害监测和地图更新等诸多领域。高分辨率遥感影像能够提高遥感信息的提取和监测精度，并拓展了遥感数据的应用范围，但内容丰富、地物内部分异明显和纹理增多等诸多特点也使得传统的基于像元级别的光谱信息图像分析方法具有明显的局限性。面向对象影像分析技术，以对象为基本操作单元，广泛且成功的应用于以遥感图像分类为代表的高分辨率遥感影像的分析处理之中，越来越多的受到遥感专题应用研究者的青睐。
本文从面向对象影像分析技术所具有的多尺度与多特征两大特点出发，研究尺度与特征对变化检测结果的影响机制，选择针对目标的优秀特征集和最佳尺度范围，通过合适的数据融合策略将多尺度与多特征的变化检测结果融合，从而提高变化检测的精度，解决传统像元级别处理技术在高分辨率遥感影像变化检测中遇到的难题，进一步发挥面向对象影像分析技术的应用潜力。本文在全面分析了图像变化检测现有理论与方法的基础上，主要研究了以下三方面的内容：
一、面向对象变化检测技术中的尺度研究
面向对象的多尺度影像分析技术，能够以任意尺度生成属性信息丰富的影像对象，本文在研究图像多尺度分割的基础上，给出了面向对象变化检测方法的最佳尺度选择方法，提出根据给定原则选择样本区域，利用最大面积法分别取得各样本区域的临界尺度，从而产生最佳尺度集合。
二、面向对象变化检测技术中的特征研究
图像对象不仅包含了光谱信息，还包括纹理、形状和上下文等从图像中提取出的多种信息，本文对图像对象的多种特征进行了综合分析与评价，并且提出了以变化前后类别之间的最大可分距离为判据的优秀特征选择方法，形成优秀特征集。
三、面向对象多尺度多特征融合变化检测算法研究
本文根据合适的数据融合策略将面向对象的多尺度和多特征两个重要特点有效结合起来，提出了面向对象多尺度融合变化检测、面向对象多特征融合变化检测和面向对象多特征多尺度融合变化检测三种方法，与传统变化检测方法进行比较，本文的方法有效的提高了变化检测精度，减少了总体检测误差。