資源描述：
《多尺度分割框架下的面向對象高分辨率遙感影像變化檢測》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、國內圖書分類號：P237密級：公開國際圖書分類號：528西南交通大學研究生學位論文多尺度分割框架下的面向對象高分辨率遙感影像變化檢測年級2015級姓名鄭東玉申請學位級別工學碩士專業(yè)測繪科學與技術指導老師慎利二零一八年五月ClassifiedIndex:P237U.D.C:528SouthwestJiaotongUniversityMasterDegreeThesisOBJECT-BASEDCHANGEDETECTIONFORHIGHRESOLUTIONREMOTESENSINGIMAGESBASEDONMULTI-SCAL
2、EIMAGESEGMENTATIONGrade:2015Candidate:ZHENGDongyuAcademicDegreeAppliedfor:MasterSpeciality:ScienceandTechnologyofSurveyingandMappingSupervisor:SHENLiMay2018西南交通大學學位論文版權使用授權書本學位論文作者完全了解學校有關保留、使用學位論文的規(guī)定，同意學校保留并向國家有關部門或機構送交論文的復印件和電子版，允許論文被查閱和借閱。本人授權西南交通大學可以將本論文的全部或部分
3、內容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復印手段保存和匯編本學位論文。本學位論文屬于1．保密□，在年解密后適用本授權書；2．不保密□，使用本授權書。(請在以上方框內打“√”)學位論文作者簽名：指導老師簽名：日期：日期：西南交通大學碩士學位論文主要工作(貢獻)聲明本人在學位論文中所做的主要工作或貢獻如下：（1）提出一種基于GLCM紋理特征的最優(yōu)尺度選取方法，實現(xiàn)了聯(lián)合紋理特征和光譜特征的最優(yōu)尺度提取，彌補了現(xiàn)有最優(yōu)分割尺度選取方法僅考慮影像光譜特征和幾何特征的不足，且有效提升了最優(yōu)尺度提取精度；（2）將相似性度
4、量方法引入面向對象變化檢測中，以此來度量不同時期影像對象之間的差異性，實現(xiàn)了基于相似性測度的面向對象變化檢測方法。該方法能夠顧及對象在空間上的特征差異，對比傳統(tǒng)的變化檢測方法檢測精度更高，且在復雜場景中有較強的適用性；（3）在面向對象變化檢測框架下，提出一種光譜-紋理特征自適應融合方法，結合多值邏輯規(guī)則和多數(shù)投票原理構建多尺度融合機制，實現(xiàn)多尺度多特征融合的變化檢測方法。該方法不僅能顧及影像地物的“同譜異物”現(xiàn)象，還能有效改善變化檢測結果的“漏檢”和“誤檢”情況，提升變化檢測精度。本人鄭重聲明：所呈交的學位論文，是在導師指
5、導下獨立進行研究工作所得的成果。除文中已經(jīng)注明引用的內容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究做出貢獻的個人和集體，均已在文中作了明確的說明。本人完全意識到本聲明的法律結果由本人承擔。學位論文作者簽名：日期：西南交通大學碩士研究生學位論文第I頁摘要變化檢測是遙感技術應用研究熱點之一，隨著遙感平臺的飛速發(fā)展，影像分辨率已達到亞米級，利用傳統(tǒng)基于像元的影像分析方法進行高分辨率遙感影像變化檢測時，檢測結果出現(xiàn)嚴重的斑點現(xiàn)象。面向對象影像分析技術的出現(xiàn)為解決上述難題提供了契機，但是仍存在多個制約
6、變化檢測精度的問題，具體包括：影像分割尺度難以確定；影像對象差異性度量方法過于簡單，檢測效果較差；利用單一特征進行變化檢測無法顧及影像地物“同物異譜”特性；單一尺度檢測結果難以顧及不同尺寸地物的差異性。針對上述問題，本文通過探討現(xiàn)有的面向對象影像分析方法和變化檢測方法，在面向對象影像分析框架下，開展多尺度分割的最優(yōu)尺度研究，并引入相似性測度來度量對象差異性。在此基礎上，提出光譜-紋理特征自適應融合方法，構建多尺度投票機制，實現(xiàn)多尺度多特征融合的面向對象變化檢測。具體研究內容如下：（1）提出了一種基于灰度共生矩陣(GreyL
7、evelCo-occurrenceMatrix,GLCM)紋理特征的最優(yōu)尺度選取方法，利用灰度共生矩陣提取影像的紋理均值，通過紋理均值與分割尺度間的變化關系確定最優(yōu)尺度，實現(xiàn)了聯(lián)合紋理和光譜特征的最優(yōu)尺度提取。不同場景下與現(xiàn)有最優(yōu)尺度選取方法的對比實驗結果表明，基于GLCM的紋理均值法對不同場景影像的適用性更強，提取的最優(yōu)尺度下分割結果精度也更高。（2）將相似性度量方法引入面向對象變化檢測中，利用相似性測度來度量不同時期影像對象之間的差異性，實現(xiàn)了基于相似性測度的面向對象變化檢測。結合傳統(tǒng)的差值法開展對比實驗，結果表明，基
8、于相似性測度的面向對象變化檢測方法在不同場景下的檢測精度均比差值法更高，對于較復雜的影像場景檢測精度提升幅度更大。（3）提出了一種特征自適應融合方法，實現(xiàn)了融合光譜特征和紋理特征的變化檢測方法。在此基礎上，結合多值邏輯規(guī)則和多數(shù)投票原理，構建了多尺度融合機制，實現(xiàn)了最優(yōu)尺度集檢測結果的投票融合。實驗結果
