基于多目标聚类和选择集成的sar图像变化检测方法

《基于多目标聚类和选择集成的sar图像变化检测方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于多目标聚类和选择集成的SAR图像变化检测方法作者姓名姜琼芝学校导师姓名、职称公茂果教授领域电子与通信工程企业导师姓名、职称岳博副研究员申请学位类别工程硕士提交学位论文日期2014年12月学校代码10701学号1202121311分类TN82号TP75密级公开西安电子科技大学硕士学位论文基于多目标聚类和选择集成的SAR图像变化检测方法作者姓名：姜琼芝领域：电子与通信工程学位类别：工程硕士学校导师姓名、职称：公茂果教授企业导师姓名、职称：岳博副研究员提交日期：2014年12月ChangeDetectioninSyntheticApertureRadarImage

2、sbasedonMultiobjectiveClusteringandSelectiveEnsembleLearningAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationEngineeringByJiangQiongzhiSupervisor:GongMaoguoYueBoDecember2014西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德

3、，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文若有不实之处，本人承担一切法律责任。本人签名：日期：西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权保留送

4、交论文的复印件，允许查阅、借阅论文；学校可以公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，获得学位后结合学位论文研究成果撰写的文章，署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。本人签名：导师签名：日期：日期：摘要摘要遥感图像变化检测是通过对不同时间获得的覆盖同一区域的两幅或多幅遥感图像进行观测分析，对比得到图像之间的差异，进而检测出该地区的地物随时间发生的变化信息。目前图像变化检测算法的研究方法一般流程是，首先生成两时相遥感图像的差异图像，然后对差异图像进行分析处理，将差异图像分成变化类和未变化类两类，得

5、到最终的检测结果。聚类就是其中对差异图进行分类的方法之一。本文针对已有聚类技术在图像分割中的不足，提出了一种无监督的基于于非支配邻域免疫算法的多目标模糊聚类算法和选择性集成策略的SAR图像变化检测算法：1.首先，提出了一种多目标聚类的差异图分析算法。算法设计两个互补的聚类目标函数评价聚类性能，目标二中引入邻域像素与中心点像素之间的灰度差和欧式空间距离加权作为聚类算法的相似性度量，在聚类过程中结合空间邻域信息。算法相比于传统的单目标聚类算法，可以更好地去除斑点噪声对聚类结果的影响，又不会造成细节的丢失。同时由于建立两个目标，避免了参数选择困难的问题。实现了在图像分

6、割或分类过程中既保持细节的完整增强了聚类性能，同时抑制斑点噪声的目标。使用的进化多目标方法用随机产生的初始抗体种群代替初始的聚类中心，降低了传统聚类分割方法对初始聚类中心的敏感度，使用单一目标进行聚类运行多次才能生成不同的解，利用多目标优化方法运行一代即可得到。2.本文引入选择性集成策略，将多目标聚类的结果视为不同权值的同态分类器分类的结果，对初步分类的结果进行选择性集成，得到比单个聚类更好的结果。本文所提出的选择性集成策略，首先将所有聚类结果进行简单的投票集成；然后根据一次集成的结果作为评判标准，对各基分类器进行排序；排序后，选择前10%~30%进行集成，最终

7、获得一组整合的分割结果。使用多目标优化聚类产生的结果是一组非支配解集，得到的是一组聚类中心，由聚类中心可以得到不同的分割结果。从多目标优化角度来讲，结果之间相互支配，没有优劣性可言。实际应用时，可以根据实际需要或偏好来选择其中一个解。其他大多数的多目标聚类算法是采用第三方选解策略来进行选解，其实质相当增加聚类目标。另外一些选解策略则需假设10%的实验数据已知，这对于图像聚类分割并不实际。而使用选择性集成策略进行处理，无需先验知识或第三方指标。最后的实验结果表明，相比现有的其他办法，本文所采用的方法整体取得较好的变化检测差异图分割结果。关键词：变化检测，合成孔径雷

8、达(SAR)，多目标聚类