首页> 正文

多时相极化SAR影像土地覆盖变化检测关键算法研究

2020-12-02阅读(929)

多时相极化SAR影像土地覆盖变化检测关键算法研究

论文摘要

随着全球经济持续快速发展以及人类对自然环境的改造,地表土地覆盖类型频繁地发生变化。快速、准确地识别不同土地覆盖类型的变化信息,对国土资源普查、自然灾害监测等诸多领域具有重要的应用价值。基于多时相遥感影像的土地覆盖变化检测方法可以克服传统调绘方式的不足,已成为研究地区乃至全球土地覆盖变化的重要手段。全极化合成孔径雷达（Polarimetric Synthetic Aperture Radar,PolSAR）不仅可以通过主动成像方式有效地降低光学传感器受天气等因素的影响,而且通过收发不同极化方式的电磁波,获取比单极化SAR更加详尽的地物散射信息,为土地覆盖类型变化信息的高精度解译提供了数据支持。伴随极化SAR技术的迅速发展,迄今为止已积累了大量同一地区、不同时相的PolSAR影像。如何综合利用多时相PolSAR影像精确地提取某一区域的土地覆盖类型动态变化信息已成为一个亟需解决的难题。因此,本文在归纳和总结现阶段多时相PolSAR影像土地覆盖变化检测方法的基础上,以Radarsat-2和高分三号（GF-3）影像作为主要支撑数据,利用多时相PolSAR影像提供的丰富地物散射信息、影像统计分布特性,结合统计学习、机器学习等技术,对多时相PolSAR影像土地覆盖变化检测关键算法进行深入分析与研究,研究内容主要包括:（1）双时相PolSAR影像非监督变化检测方面:针对基于像素的非监督变化检测方法易受相干斑噪声影响、检测结果虚警率高,以及传统阈值分割算法分析非高斯统计分布的差异影像表现不佳的问题,本文提出了一种双时相PolSAR影像非监督变化检测新框架。该框架通过对生成的差异影像进行分割,有效增强了差异影像“疑似”变化区域的同质性,通过引入Elbow算法改进高斯混合模型,并利用改进后模型拟合差异影像的概率密度函数,更加有效地区分变化类与非变化类,提高了非监督变化检测精度。（2）时间序列PolSAR影像非监督变化检测方面:针对现有的非监督变化检测方法主要针对双时相PolSAR影像进行变化检测分析,不能较好地挖掘并利用时间序列PolSAR影像的时间维度信息的问题,本文通过引入Omnibus和Rj统计假设检验算法,提出了一种时间序列PolSAR影像非监督变化检测新方法,较好地提取研究区域总体变化以及任意时间间隔的变化信息,发现区域变化的时间点,实现渐进、持续变化信息的有效提取,提高了时间序列非监督变化检测效率。（3）基于主动学习的PolSAR影像分类后比较变化检测研究方面:针对现阶段双时相PolSAR影像监督变化检测方法需要大量标记样本,结果易受相干斑噪声影响的问题,本文通过引入面向对象的变化检测方法,有效地抑制相干斑噪声对变化检测结果的影响;并利用改进的决胜法样本选择策略选取少量且信息丰富的训练样本,减少了训练样本标注成本,提高了监督变化检测的精度。（4）多时相PolSAR影像监督变化检测方面:针对现阶段多时相PolSAR影像监督变化检测方法存在时间维度信息利用不足,且需要每景影像大量、高质量训练样本的问题,本文通过引入主动学习与迁移学习算法,结合Omnibus统计假设检验算法,提出了一种基于样本迁移的多时相PolSAR影像监督变化检测方法。实验表明:该方法仅需多时相内任意一景PolSAR影像的少量训练样本,实现土地覆盖类型动态变化信息提取,减少对各时相训练样本的依赖性,提高了类别动态变化信息识别精度与效率。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  •   1.1 研究背景与意义
  •     1.1.1 研究背景
  •     1.1.2 研究意义
  •   1.2 国内外研究现状及存在的问题
  •     1.2.1 双时相PolSAR影像非监督变化检测
  •     1.2.2 双时相PolSAR影像监督变化检测
  •     1.2.3 时间序列PolSAR影像变化检测
  •     1.2.4 存在的问题
  •   1.3 论文研究目标和研究内容
  •     1.3.1 研究目标
  •     1.3.2 研究内容
  •   1.4 章节安排
  • 第二章 极化SAR理论与影像预处理
  •   2.1 电磁波极化表征
  •     2.1.1 极化椭圆
  •     2.1.2 Jones矢量
  •     2.1.3 Stokes矢量
  •   2.2 极化SAR影像的矩阵描述
  •     2.2.1 Sinclair散射矩阵
  •     2.2.2 极化协方差矩阵与极化相干矩阵
  •   2.3 典型目标散射机制
  •   2.4 极化特征提取
  •     2.4.1 后向散射系数
  •     2.4.2 极化相关系数与同极化相位差
  •     2.4.3 极化目标分解理论
  •   2.5 多时相PolSAR影像预处理
  •     2.5.1 辐射校正
  •     2.5.2 相干斑滤波
  •     2.5.3 几何校正
  •     2.5.4 影像配准
  •   2.6 本章小结
  • 第三章 多时相PolSAR影像非监督变化检测
  •   3.1 多时相PolSAR影像非监督变化检测的基本流程
  •     3.1.1 差异影像生成
  •     3.1.2 差异影像分析
  •     3.1.3 精度评价
  •   3.2 双时相PolSAR影像非监督变化检测新框架
  •     3.2.1 扩展的统计区域合并分割算法
  •     3.2.2 改进的高斯混合模型及最大期望算法
  •   3.3 基于Omnibus与 Rj假设检验的时间序列非监督变化检测
  •     3.3.1 Omnibus假设检验似然比算法
  •     3.3.2 Rj假设检验似然比算法
  •     3.3.3 时间序列PolSAR影像非监督变化检测流程
  •   3.4 多时相PolSAR影像非监督变化检测实验
  •     3.4.1 研究区域介绍
  •     3.4.2 双时相非监督变化检测新框架实验—以武汉城市内涝为例
  •     3.4.3 时间序列PolSAR影像非监督变化检测实验与分析
  •     3.4.4 实验结论
  •   3.5 本章小结
  • 第四章 基于主动学习的PolSAR影像监督变化检测
  •   4.1 分类后比较变化检测概述
  •   4.2 基于主动学习的面向对象PolSAR影像分类算法
  •     4.2.1 互信息样本选择策略
  •     4.2.2 决胜法样本选择策略
  •     4.2.3 改进的决胜法样本选择策略
  •     4.2.4 基于主动学习的PolSAR影像分类实验与分析
  •   4.3 基于主动学习的PolSAR影像分类后比较变化检测实验
  •     4.3.1 实验区域介绍
  •     4.3.2 实验结果与分析
  •   4.4 本章小结
  • 第五章 基于样本迁移的多时相PolSAR监督变化检测
  •   5.1 顾及PolSAR影像时间维度信息的监督变化检测
  •     5.1.1 直接多时相分类变化检测
  •     5.1.2 联合分类比较变化检测
  •     5.1.3 多时相PolSAR影像监督变化检测新方法
  •   5.2 双时相PolSAR影像监督变化检测实验
  •     5.2.1 直接多时相分类变化检测实验
  •     5.2.2 联合分类比较变化检测实验
  •     5.2.3 基于样本迁移的双时相PolSAR影像监督变化检测实验
  •     5.2.4 实验讨论
  •   5.3 基于样本迁移的城市化建设时间序列监督变化检测
  •   5.4 本章小结
  • 第六章 总结与展望
  •   6.1 主要研究内容及创新点
  •   6.2 下一步研究方向
  • 参考文献
  • 攻博期间取得的学术成果
  • 致谢

    • 文章来源

    类型: 博士论文

    作者: 刘文宋

    导师: 杨杰,李平湘

    关键词: 变化检测,时间序列,土地覆盖类型,统计学习,统计假设检验,面向对象,主动学习,迁移学习

    来源: 武汉大学

    年度: 2019

    分类: 基础科学

    专业: 自然地理学和测绘学

    单位: 武汉大学

    分类号: P237

    总页数: 157

    文件大小: 14083K

    下载量: 116

    相关论文文献

    • [1].三种无人机影像处理软件在生成大面积正射影像中的对比[J]. 许昌学院学报 2020(02)
    • [2].地震应急无人机影像处理软件对比研究[J]. 中国应急救援 2017(05)
    • [3].基于地理国情监测系统的影像处理方法[J]. 矿山测量 2017(03)
    • [4].X线影像处理系统在乳腺健康检查中的应用[J]. 青海医药杂志 2008(12)
    • [5].不同影像处理系统的空三数据处理比较研究[J]. 测绘与空间地理信息 2020(02)
    • [6].无人机影像处理关键技术研究[J]. 北京测绘 2016(03)
    • [7].倒车影像处理系统的研究[J]. 科技创新导报 2013(07)
    • [8].基于不同影像处理系统构建综合生产体系研究[J]. 测绘与空间地理信息 2020(05)
    • [9].基于SIFT算子影像拼接技术的研究和实践[J]. 测绘与空间地理信息 2018(12)
    • [10].低空无人机影像处理技术及方法探讨[J]. 测绘与空间地理信息 2012(02)
    • [11].无人机影像处理技术在测绘工程中的应用[J]. 世界有色金属 2017(11)
    • [12].集群式影像处理系统的技术研究[J]. 湖北农业科学 2012(11)
    • [13].基于Er Mapper及Image Web Server的影像处理和发布系统的构建方法及实现[J]. 黑龙江科技信息 2011(15)
    • [14].IPP软件在刑事影像处理中的特殊应用[J]. 广西警官高等专科学校学报 2008(S1)
    • [15].基于影像技术的弹簧零件外径尺寸的精密检测研究[J]. 锻压装备与制造技术 2018(04)
    • [16].无人机影像处理技术在测绘工程中的应用[J]. 黑龙江科技信息 2016(06)
    • [17].个性飞扬 玩得精彩 影像处理新时代[J]. 电脑迷 2010(01)
    • [18].基于PS的访惠聚地理信息保障项目正射影像制作[J]. 城市地理 2017(22)
    • [19].无人机影像处理技术在大比例尺基础测绘工程中的重要作用[J]. 中国新技术新产品 2015(19)
    • [20].“味道”更多来自相纸[J]. 中国摄影 2010(05)
    • [21].用摄影去思考——迟鹏访谈[J]. 中国摄影 2013(12)
    • [22].让画面干净通透[J]. 影像视觉 2010(S1)
    • [23].伦理学视阈下网络影像传播伦理问题的治理方法与路径研究[J]. 华南理工大学学报(社会科学版) 2019(02)
    • [24].数码暗房 PS立体影像处理[J]. 数字生活 2012(01)
    • [25].资源一号02C卫星在江西重点矿区开发监测中的应用[J]. 国土资源信息化 2018(01)
    • [26].高性能影像处理平台构建及显微CT图像重建算法的并行实现[J]. 核技术 2011(08)
    • [27].无人机影像处理技术在测绘工程中的应用[J]. 住宅与房地产 2019(30)
    • [28].高分一号卫星WFV影像全国陆地镶嵌与制图技术研究[J]. 国土资源遥感 2017(04)
    • [29].年轻人的摄影乐趣[J]. 中国摄影 2012(01)
    • [30].多层螺旋CT的MPR影像处理技术的应用研究[J]. 中国实用医药 2010(06)

    标签：;  ;  ;  ;  ;  ;  ;  ;  

    多时相极化SAR影像土地覆盖变化检测关键算法研究
    下载Doc文档

    猜你喜欢

    © 2024 毕论降 版权所有 鄂ICP备12018319号-6