基于多目標(biāo)聚類和選擇集成的sar圖像變化檢測(cè)方法

《基于多目標(biāo)聚類和選擇集成的sar圖像變化檢測(cè)方法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、基于多目標(biāo)聚類和選擇集成的SAR圖像變化檢測(cè)方法作者姓名姜瓊芝學(xué)校導(dǎo)師姓名、職稱公茂果教授領(lǐng)域電子與通信工程企業(yè)導(dǎo)師姓名、職稱岳博副研究員申請(qǐng)學(xué)位類別工程碩士提交學(xué)位論文日期2014年12月學(xué)校代碼10701學(xué)號(hào)1202121311分類TN82號(hào)TP75密級(jí)公開西安電子科技大學(xué)碩士學(xué)位論文基于多目標(biāo)聚類和選擇集成的SAR圖像變化檢測(cè)方法作者姓名：姜瓊芝領(lǐng)域：電子與通信工程學(xué)位類別：工程碩士學(xué)校導(dǎo)師姓名、職稱：公茂果教授企業(yè)導(dǎo)師姓名、職稱：岳博副研究員提交日期：2014年12月ChangeDetectioninSyntheticApertureRadarImage

2、sbasedonMultiobjectiveClusteringandSelectiveEnsembleLearningAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationEngineeringByJiangQiongzhiSupervisor:GongMaoguoYueBoDecember2014西安電子科技大學(xué)學(xué)位論文獨(dú)創(chuàng)性（或創(chuàng)新性）聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德

3、，本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。學(xué)位論文若有不實(shí)之處，本人承擔(dān)一切法律責(zé)任。本人簽名：日期：西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)單位屬于西安電子科技大學(xué)。學(xué)校有權(quán)保留送

4、交論文的復(fù)印件，允許查閱、借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，允許采用影印、縮印或其它復(fù)制手段保存論文。同時(shí)本人保證，獲得學(xué)位后結(jié)合學(xué)位論文研究成果撰寫的文章，署名單位為西安電子科技大學(xué)。保密的學(xué)位論文在年解密后適用本授權(quán)書。本人簽名：導(dǎo)師簽名：日期：日期：摘要摘要遙感圖像變化檢測(cè)是通過對(duì)不同時(shí)間獲得的覆蓋同一區(qū)域的兩幅或多幅遙感圖像進(jìn)行觀測(cè)分析，對(duì)比得到圖像之間的差異，進(jìn)而檢測(cè)出該地區(qū)的地物隨時(shí)間發(fā)生的變化信息。目前圖像變化檢測(cè)算法的研究方法一般流程是，首先生成兩時(shí)相遙感圖像的差異圖像，然后對(duì)差異圖像進(jìn)行分析處理，將差異圖像分成變化類和未變化類兩類，得

5、到最終的檢測(cè)結(jié)果。聚類就是其中對(duì)差異圖進(jìn)行分類的方法之一。本文針對(duì)已有聚類技術(shù)在圖像分割中的不足，提出了一種無監(jiān)督的基于于非支配鄰域免疫算法的多目標(biāo)模糊聚類算法和選擇性集成策略的SAR圖像變化檢測(cè)算法：1.首先，提出了一種多目標(biāo)聚類的差異圖分析算法。算法設(shè)計(jì)兩個(gè)互補(bǔ)的聚類目標(biāo)函數(shù)評(píng)價(jià)聚類性能，目標(biāo)二中引入鄰域像素與中心點(diǎn)像素之間的灰度差和歐式空間距離加權(quán)作為聚類算法的相似性度量，在聚類過程中結(jié)合空間鄰域信息。算法相比于傳統(tǒng)的單目標(biāo)聚類算法，可以更好地去除斑點(diǎn)噪聲對(duì)聚類結(jié)果的影響，又不會(huì)造成細(xì)節(jié)的丟失。同時(shí)由于建立兩個(gè)目標(biāo)，避免了參數(shù)選擇困難的問題。實(shí)現(xiàn)了在圖像分

6、割或分類過程中既保持細(xì)節(jié)的完整增強(qiáng)了聚類性能，同時(shí)抑制斑點(diǎn)噪聲的目標(biāo)。使用的進(jìn)化多目標(biāo)方法用隨機(jī)產(chǎn)生的初始抗體種群代替初始的聚類中心，降低了傳統(tǒng)聚類分割方法對(duì)初始聚類中心的敏感度，使用單一目標(biāo)進(jìn)行聚類運(yùn)行多次才能生成不同的解，利用多目標(biāo)優(yōu)化方法運(yùn)行一代即可得到。2.本文引入選擇性集成策略，將多目標(biāo)聚類的結(jié)果視為不同權(quán)值的同態(tài)分類器分類的結(jié)果，對(duì)初步分類的結(jié)果進(jìn)行選擇性集成，得到比單個(gè)聚類更好的結(jié)果。本文所提出的選擇性集成策略，首先將所有聚類結(jié)果進(jìn)行簡(jiǎn)單的投票集成；然后根據(jù)一次集成的結(jié)果作為評(píng)判標(biāo)準(zhǔn)，對(duì)各基分類器進(jìn)行排序；排序后，選擇前10%~30%進(jìn)行集成，最終

7、獲得一組整合的分割結(jié)果。使用多目標(biāo)優(yōu)化聚類產(chǎn)生的結(jié)果是一組非支配解集，得到的是一組聚類中心，由聚類中心可以得到不同的分割結(jié)果。從多目標(biāo)優(yōu)化角度來講，結(jié)果之間相互支配，沒有優(yōu)劣性可言。實(shí)際應(yīng)用時(shí)，可以根據(jù)實(shí)際需要或偏好來選擇其中一個(gè)解。其他大多數(shù)的多目標(biāo)聚類算法是采用第三方選解策略來進(jìn)行選解，其實(shí)質(zhì)相當(dāng)增加聚類目標(biāo)。另外一些選解策略則需假設(shè)10%的實(shí)驗(yàn)數(shù)據(jù)已知，這對(duì)于圖像聚類分割并不實(shí)際。而使用選擇性集成策略進(jìn)行處理，無需先驗(yàn)知識(shí)或第三方指標(biāo)。最后的實(shí)驗(yàn)結(jié)果表明，相比現(xiàn)有的其他辦法，本文所采用的方法整體取得較好的變化檢測(cè)差異圖分割結(jié)果。關(guān)鍵詞：變化檢測(cè)，合成孔徑雷

8、達(dá)(SAR)，多目標(biāo)聚類