论文部分内容阅读
遥感影像的变化检测是遥感数据处理与应用的重要环节。随着航空航天技术和传感器技术的快速发展,遥感影像的数据来源越来越丰富,且分辨率越来越高,传统的变化检测方法已经无法满足实际应用的需要。针对这一问题,本文系统研究了多特征融合的遥感影像变化检测技术,在影像分割和多种特征提取的基础上,分别研究了监督型和非监督型的多特征融合变化检测方法。论文的主要工作和创新点如下:1、系统总结了多特征融合的遥感影像变化检测的研究现状、一般原理、方法分类和主要流程。介绍了监督型的多特征融合变化检测原理和非监督型的多特征融合变化检测原理,并比较了各自的特点。2、提出了一种结合四元数与直方图的多光谱图像自适应边缘检测方法。该方法针对图像自适应边缘检测的难点和传统多光谱遥感图像边缘检测方法的局限性,利用四元数来描述多光谱图像,通过矢量旋转完成了多光谱图像的边缘检测,并采用直方图统计的方法获取自适应阈值,实现了边缘图像的二值化。利用陆地多光谱遥感图像和水域多光谱遥感图像分别进行实验,验证了该方法的有效性。3、研究了基于BP神经网络的多特征融合变化检测方法和基于支持向量机(SVM)的多特征融合变化检测方法。在一定数量的样本支持下,利用BP神经网络或SVM对多特征差值向量集进行处理,完成了变化类和未变化类的判别。通过理论分析与实验比较,验证了这两种方法优于传统的影像代数法和仅使用对象光谱特征的方法,而基于SVM的多特征融合变化检测方法要优于基于BP神经网络的方法。4、提出了基于迭代慢特征分析(ISFA)的多特征融合变化检测方法。通过慢特征分析(SFA)将原始多个特征的变化变换到一个新的特征空间,增大了变化像元与未变化像元的可分性。为了提高算法的自适应能力,引入了选权迭代的思想,实现了多特征的自动融合和变换。实验表明ISFA法可以有效实现多特征融合的变化检测,精度上也优于基于主成分分析(PCA)的方法。通过与监督型方法的变化检测结果进行比较,发现ISFA法对光谱信息丰富的多光谱影像具有更好的检测效果。