基于像素信息和深度学习的遥感图像变化检测技术

代理获取

页面导航

目录
摘要
著录项
相似文献
相关主题

摘要

遥感图像的变化检测技术在遥感研究、农业调查、抗震救灾等方面有着广泛的应用，目前已成为图像处理领域里一个重要的课题。现今发展的变化检测技术着力于克服图像噪声等不利因素的影响，从而检测出真正的变化区域，这就要求对图像的特征信息进行深度地挖掘和研究。本论文针对图像的变化检测这一任务，从像素信息和深度学习两大方面对合成孔径雷达图像的二分类变化检测、信息非均衡图像的三分类变化检测和单光谱图像的多分类变化检测这三个子课题展开了较为系统的研究。具体而言，所进行的研究包括以下五个方面的内容：
　　(1)提出了局部拟合兼半期望最大化阈值分析模型，用于提高阈值法分割差异图的精度。传统的阈值分类技术着力于开发不同的模型对差异图灰度直方图的全局拟合，忽视了直方图本身的深度特征。本文首先对差异图灰度直方图进行深入的研究，从理论上分析其形态特征。然后根据这些特征，分别对未变化类和变化类依次使用局部拟合的模型和半期望最大化算法进行参数估计。最后使用Bayes公式计算出以灰度级为最小单位的后验概率来获取分割阈值。实验表明，该模型能够有效地确定最优分割阈值，使得分割结果优于几种经典的阈值方法。
　　(2)提出了基于新型Markov随机场能量函数的模糊c均值聚类算法，用于提升图像聚类结果的精度。本文在对Markov随机场及其能量函数进行研究后，在经典的模糊聚类算法中加入能量函数，利用丰富的邻域信息对算法进行改进，从而提高算法性能。为了进一步降低算法对噪声的敏感度以适应变化检测问题，本文设计了一种带有附加项的全新能量函数来定向修正隶属度值。这个附加项的具体形式视诸不同情形而加以讨论，最后使用最小二乘法拟合出具体的形式。这样充分利用了邻域内好的信息，最大程度上避免了不良信息的介入。实验结果表明，这种新型模糊聚类算法能够比现有的几种聚类算法更有效地减少噪声带来的影响，使得结果更加精确。
　　(3)提出了差异图的动态引导式学习框架来不断更新差异图，即以阈值法和模糊聚类法分别生成的后验概率和隶属度为参照依据，对差异图本身进行不断地迭代更新，通过动态学习的方式来分析差异图。本文首先对阈值法生成的后验概率以及改进模糊聚类法生成的隶属度的特点进行分析与研究，利用两者的特点确定动态引导式学习策略，使用迭代的方式更新差异图。最后采用能保持良好边界的水平集法进行最终的分割处理。实验表明，经过学习的差异图在抗噪、抗直方图混叠方面具有很强的鲁棒性，而最终的结果图表明动态引导式学习框架相比于其余传统基于静态差异图的分析方法具有较强的优势。
　　(4)提出了针对于信息非均衡图像三分类变化检测的深度学习映射框架。和传统的以像素灰度为主要分析对象的诸方法不同，该框架使用了堆栈去噪自编码器和堆栈映射网络这两个深度神经网络，通过提取和匹配特征的方式将存在的正变化和负变化检测出来。本文首先使用了堆栈去噪自编码器这一深度网络来提取图像的多维特征，然后将这些特征通过堆栈映射网络来构建两组特征之间的映射函数并生成特征差异图，最终利用合适的聚类算法将其分割来获取最终的变化检测图。实验结果表明，通过使用深度神经网络，该框架能够最大程度上克服非均衡信息带来的影响，有效地检测出相应的变化区域。
　　(5)提出了一种新型基于模糊自编码器的单光谱通道多分类变化检测技术。本文首先对深度学习中常用的自编码器存在的问题进行分析，利用模糊数来改善自编码器的性能；然后对输入进行模糊化处理，扩大了自编码器的搜索范围，使得自编码器成为一模糊神经网络。为了使得运算更为方便，本文将模糊域离散化，得到了对应的传递公式。这样训练出来的特征和原始的自编码器相比具有更强的抗噪性。实验结果表明，将这种网络用于单光谱图像多分类的变化检测中，可以有效地检测出所存在的诸类型的变化，效果不仅远优于传统的分类方法，也比改进的去噪自编码器性能更为鲁棒。

著录项

作者
苏临之;
展开▼
作者单位

西安电子科技大学;

展开▼
授予单位西安电子科技大学;
学科电子科学与技术
授予学位博士
导师姓名公茂果,张青富;
年度 2016
页码
总页数
原文格式 PDF
正文语种中文
中图分类图像处理方法;
关键词
遥感图像; 变化检测; 像素信息; 深度学习;

相似文献

中文文献
外文文献
专利

1. 基于深度学习的城市高分遥感图像变化检测方法的研究 [J] . 陈璐 ,管霜霜 . 计算机应用研究 . 2020,第S01期
2. 基于深度学习的遥感图像识别技术应用研究——评《基于深度神经网络的遥感图像分割》 [J] . 曹敏 . 有色金属工程 . 2021,第012期
3. 基于GDAL的遥感图像变化检测技术 [J] . 蒋世豪 ,江洪 . 计算机工程与应用 . 2020,第016期
4. 基于局部互相关的遥感图像变化检测技术 [J] . 刘攀龙 . 舰船电子工程 . 2016,第007期
5. 基于边缘增强的遥感图像变化检测技术 [J] . 张军 ,肖刚 ,敬忠良 . 计算机工程与应用 . 2008,第026期
6. 基于深度学习的遥感图像在轨目标检测技术研究 [C] . Xiao Huachao ,肖化超 ,Zhang Jianhua . 第五届高分辨率对地观测学术年会 . 2018
7. 基于邻域信息和深度学习的遥感图像变化检测 [A] . 张朋朋 . 2020

基于像素信息和深度学习的遥感图像变化检测技术

目录

摘要

著录项

相似文献

相关主题

期刊订阅