论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)能够提供全天时、全天候的对地观测遥感信息,因此在军事侦察、测绘、海洋监视等领域具有非常重要的作用。随着SAR影像分辨率的提升,其可供挖掘和利用的影像内容信息越来越丰富。然而伴随SAR成像产生的相干斑噪声、结构信息缺失等因素大大增加了SAR解译的难度,因此针对高分辨率SAR影像快速准确、普适性强的解译技术亟需发展。SAR影像变化检测是通过分析同一地区不同时相图像的差异性得到区域变化信息,可广泛应用于灾害地区定位与评估、城市扩张、环境监测等。本文面向高分辨率SAR图像变化检测问题,通过分析变化检测的研究现状及不利因素,旨在解决高分辨率SAR图像变化检测中的变化信息语义信息缺失问题。论文结合高分辨率SAR影像的自身特点,提出一种基于语义的变化检测框架,主要包括基于无监督地物分类的变化检测方法和基于词包模型的变化检测方法,实现简单场景下地表类型变化检测和复杂场景下变化区域的语义分析,完成变化检测从统计意义变化延伸到语义级的变化分析。本文通过两组不同的实验数据,验证了基于地物分类和词包模型框架在高分辨率SAR影像变化检测领域中的可行性。实验中利用字典中语义单词在不同时相图像中的概率变化,结合统计意义上变化检测结果,分析变化区域的语义变化信息。实验结果表明,本文提出的方法可以完成高分辨率SAR影像的变化检测的语义性分析工作。