高分辨率圖像變化檢測(cè)及其在應(yīng)急災(zāi)害評(píng)估中的應(yīng)用研究.pdf

1、近年來，隨著相關(guān)技術(shù)的不斷發(fā)展和應(yīng)用需求的急劇增長(zhǎng)，遙感技術(shù)在災(zāi)害檢測(cè)與評(píng)估領(lǐng)域的應(yīng)用日益增多。高分辨率遙感衛(wèi)星圖像能夠比中低分辨率遙感圖像提供更多的信息，因而在這方面得到了更加廣泛的應(yīng)用。鑒于傳統(tǒng)的基于像素的圖像處理方法應(yīng)用于高分辨率圖像時(shí)存在諸多問題，面向?qū)ο蟮膱D像處理方法應(yīng)運(yùn)而生，并表現(xiàn)出了顯著優(yōu)勢(shì)。基于此，本文以高分辨率遙感衛(wèi)星圖像為對(duì)象，采用面向?qū)ο髨D像處理方法，對(duì)多時(shí)相遙感圖像的變化檢測(cè)及其在應(yīng)急災(zāi)情檢測(cè)與評(píng)估中的應(yīng)用進(jìn)行了

2、研究。
　　論文首先對(duì)高分辨率遙感圖像的特性進(jìn)行了分析，并研究了感興趣區(qū)域定位方法。由于利用遙感圖像進(jìn)行災(zāi)情檢測(cè)與評(píng)估時(shí)，往往更多地關(guān)注人口密集的地區(qū)，因此本文對(duì)基于Gabor濾波的居民區(qū)定位方法進(jìn)行了改進(jìn)，得到快速居民區(qū)定位方法，通過局部特征點(diǎn)提取和投票矩陣分析，可以快速有效地從覆蓋范圍較大的高分辨率遙感圖像中將居民區(qū)提取并標(biāo)注出來，從而節(jié)省后續(xù)處理的時(shí)間。
　　然后，論文研究了高分辨率圖像的多尺度分割方法，并提出了基于異

3、質(zhì)性的統(tǒng)計(jì)區(qū)域合并方法。獲得準(zhǔn)確的圖像對(duì)象是面向?qū)ο筇幚淼闹匾疤?，采用多尺度分割方法可以得到不同尺度的圖像對(duì)象，使每種地物可以在合適的尺度進(jìn)行分析?；趨^(qū)域生長(zhǎng)的多尺度分割方法利用了高分辨率圖像豐富的形狀和紋理特征，但處理速度較慢?；诮y(tǒng)計(jì)區(qū)域合并的多尺度分割方法處理速度較快，但沒有利用圖像的形狀和紋理信息?；诋愘|(zhì)性的統(tǒng)計(jì)區(qū)域合并方法結(jié)合了這兩種方法的優(yōu)點(diǎn)，可在不同的尺度下較快地提取出準(zhǔn)確的圖像對(duì)象。
　　在對(duì)圖像進(jìn)行多尺度分

4、割后，論文研究了基于特征組合的面向?qū)ο笞兓瘷z測(cè)方法。傳統(tǒng)的變化檢測(cè)方法只針對(duì)單個(gè)像素進(jìn)行操作，而基于特征組合的面向?qū)ο笞兓瘷z測(cè)方法利用圖像的灰度特征、形狀特征和紋理特征進(jìn)行面向?qū)ο髨D像處理，可以比傳統(tǒng)的變化檢測(cè)方法更準(zhǔn)確地檢測(cè)出建筑物的變化情況。隨后，論文采用相關(guān)系數(shù)法對(duì)建筑物的損失情況進(jìn)行了評(píng)估，得到了損失位置和損失程度等信息。
　　最后，論文將上述各算法集成為基于高分辨率圖像的災(zāi)情檢測(cè)與評(píng)估系統(tǒng)，該系統(tǒng)作為多源遙感資源綜合應(yīng)用