遥感图像区域变化检测技术的研究

《遥感图像区域变化检测技术的研究》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、文妻未)!户／，I硕士学位论文遥感图像区域变化检测技术的研究StudyontheDetectionTechnologyforRegionalVariationinRemoteSensingImage作者：张晖导师：宋永端袁雪北京交通大学2014年3月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保

2、密的学位论文在解密后适用本授权说明)学位论文作者签名：象1学导师签名：盛丽占一签字日期：2d阵雪月2拍签字目期：≯-侔弓月髟日中图分类号：TP751．1UDC：528．8学校代码：10004密级：公开北京交通大学硕士学位论文遥感图像区域变化检测技术的研究StudyontheDetectionTechnologyforRegionalVariationinRemoteSensingImage作者姓名：张晖导师姓名：宋永端袁雪学位类别：工学学科专业：控制理论与控制工程北京交通大学2014年3月学号：11120246职称：

3、教授副教授学位级别：硕士研究方向：遥感图像处理致谢时间如白驹过隙，转眼间我的研究生生涯就要画上句号了。回首两年半的研究生生活，我感慨万千。在这其间我彷徨过、消沉过，但更多的是开心、感动和坚持。老师们孜孜不倦的教诲，同学们热情真诚的帮助，无不成为我今生最美好的回忆。首先要衷心感谢我的第一导师宋永端教授。宋老师不仅在学术上给我进行了悉心的指导，而且老师孜孜不倦的科研精神和踏实严谨的治学态度对我的学习和科研也影响深远。感谢我的第二导师袁雪老师。在我刚入学彷徨无助的阶段，是她大姐姐般的亲切和蔼的态度让我慌乱的心慢慢安定下来。

4、在科研上，她给我无私的指点和教导；在生活上，她给我朋友般的关心和照顾。我还要感谢我的实验室同学们，感谢周媚媚、刘双双、姜雪菲等同学在学习、生活方面给我的帮助和关心。有这些可爱的同学为伴，我的研究生生活很充实和很温馨。感谢我的男朋友，这么多年来，他一直支持我、陪伴我和关心我。有他的陪伴，我的前进的路上不孤单、不害怕。最后我要特别感谢我的家人。感谢养育了我二十多年的父母，他们从青丝熬到白发，一直为我i'I']JL女操劳。养育之恩，终身难报。在此我要衷心的祝福我的父母平安健康，我一定会好好报答父母养育之恩。感谢我的大伯和大

5、妈，没有他们就没有现在活蹦乱跳的我。感谢我的哥哥和嫂子，感谢他们对父母的照顾，让我可以安心在外面闯荡。再次向所有关心、支持和帮助过的亲人、师长和朋友们表示衷心的感谢，祝他们永远平安、健康、幸福!中文摘要摘要：近年来，遥感图像的区域变化检测技术在国民经济和国防建设中发挥了重要的作用。本文围绕着变化检测技术中一些关键技术进行了研究，主要涉及：1)遥感图像去噪；2)彩色遥感图像分割和3)遥感图像分类识别。由于气象的原因，在遥感图像成像过程中有时会混有云雾噪声。区域性云雾的存在会严重影响遥感图像的判读和分析。本文在考察含云遥

6、感图像中地物信息和噪声信息的频率分布特点的基础上，提出了基于小波变换及HSI颜色空间的遥感图像云雾噪声去除的算法。此算法在较大程度上保留遥感图像中有用信息的基础上，较好的去除了遥感图像中存在的云雾噪声。遥感图像分割是实现区域变化检测的前提条件之一。分割质量的好坏，决定着区域变化检测的成败。本文基于统计学原理利用统计区域合并算法对彩色遥感图像进行了多尺度分割。针对分割过程中存在的“过分割”问题，本文结合分割后的区域的LBP特征及边缘特征，提出了一种基于阂值的区域合并算法。良好的图像分类识别技术，是区域变化检测结果准确的

7、保障。文章对传统的视觉词袋模型(Bag．Of-Visual．Words，BOVW)算法中“单词”分配步骤进行了分析研究。针对传统的BOVW算法中“单词”在“硬分配”过程中存在的问题，采用了具有鲁棒性的“软分配”方法。利用此方法，可以提高遥感图像的分类识别率。传统的BOVW算法在计算时间上消耗巨大。本文在对传统的BOVW算法进行较为深入研究的基础上，提出的FastBOVW算法。此算法主要通过改进视觉词典建立的方法，来达到提高计算速度的目的。通过在实际的数据库上的实验表明，本文提出的FastBOVW算法在保证分类精度前提

8、下能够将计算速度提高L(本文为20～30倍)左右。本项研究取得的相关结果对提高遥感图像区域发生变化的处理能力有一定的指导和借鉴意义。关键词：遥感图像；图像去噪；图像分割：图像分类；FastBOVW分类号：TP751．1111ABSTRACTABSTRACT：Technologyfordetectingregionalvariationinrem