基于FRFT和Gabor小波的遙感圖像變化檢測(cè)研究.pdf

1、變化檢測(cè)技術(shù)是遙感圖像處理的重要應(yīng)用之一。遙感圖像變化檢測(cè)是通過(guò)對(duì)同一區(qū)域不同時(shí)期的兩幅已配準(zhǔn)的遙感圖像進(jìn)行分析，檢測(cè)出該區(qū)域地表變化信息的過(guò)程。變化檢測(cè)技術(shù)在自然災(zāi)害監(jiān)測(cè)、生態(tài)環(huán)境監(jiān)測(cè)、戰(zhàn)場(chǎng)動(dòng)態(tài)監(jiān)視等領(lǐng)域得到了廣泛的應(yīng)用。
　　本文主要研究了基于分?jǐn)?shù)階Fourier變換（Fractional Fourier Transform，F(xiàn)RFT）和Gabor小波的遙感圖像變化檢測(cè)算法，主要內(nèi)容如下所述:
　　1、本文將非平穩(wěn)信號(hào)處

2、理理論的重要分支之一，分?jǐn)?shù)階Fourier變換應(yīng)用到遙感圖像變化檢測(cè)中，提出一種新的無(wú)監(jiān)督變化檢測(cè)算法。對(duì)同一地區(qū)不同時(shí)期獲得的多時(shí)相遙感圖像采取低階次的分?jǐn)?shù)階Fourier變換，然后根據(jù)圖像類型計(jì)算差異圖像。該算法結(jié)合每個(gè)像素的鄰域信息，并利用主成分分析（Principal Component Analysis，PCA）產(chǎn)生與每個(gè)像素對(duì)應(yīng)的基于鄰域信息的特征向量。變化區(qū)域檢測(cè)問(wèn)題可以轉(zhuǎn)化為一個(gè)二分類問(wèn)題，利用K-means算法將特征向

3、量分為兩類:變化類和不變化類，得到變化檢測(cè)圖。最后使用光學(xué)遙感圖像和合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)圖像數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證實(shí)了本文提出算法的有效性。
　　2、本文提出一種基于Gabor小波和兩級(jí)聚類的多時(shí)相遙感圖像變化檢測(cè)算法，利用同一地區(qū)不同時(shí)期的多時(shí)相遙感圖像獲得差異圖像，然后得到差異圖像不同尺度和不同方向的Gabor小波變換，提取差異圖像中每一個(gè)像素多尺度和多方向數(shù)據(jù)組成特征

4、向量。同時(shí)本文提出一種基于模糊C均值(Fuzzy C-means，F(xiàn)CM)聚類的兩級(jí)聚類算法，提高了變化檢測(cè)的效果。通過(guò)與幾種現(xiàn)有算法檢測(cè)結(jié)果的對(duì)比，可以看到本文提出的算法具有更好的檢測(cè)效果。
　　3、本文提出一種基于Gabor小波和PCA的多時(shí)相遙感圖像變化檢測(cè)算法，利用Gabor小波變換獲得差異圖像的多尺度和多方向數(shù)據(jù)，但是為了減少計(jì)算的復(fù)雜度，我們使用PCA對(duì)多尺度和多方向Gabor特征數(shù)據(jù)進(jìn)行降維。本文分別使用了K-mea