遙感圖像配準與變化檢測中的關(guān)鍵技術(shù)研究.pdf

1、遙感圖像變化檢測是利用同一地區(qū)不同時刻遙感圖像之間的差異來確定目標變化的方法，在資源調(diào)查、城市規(guī)劃、環(huán)境監(jiān)測、軍事目標偵察等領(lǐng)域有著廣泛的應(yīng)用。傳統(tǒng)的變化檢測技術(shù)主要靠判讀人員分析不同時相圖像的灰度值或局部紋理差異，尋找特定目標的變化情況，工作量大且主觀依賴性強，研究一種能夠自動、準確的檢測出變化區(qū)域的方法是遙感應(yīng)用研究的熱點。
　　 本文主要針對遙感圖像變化檢測中涉及到的圖像配準和檢測技術(shù)進行了深入研究，具體如下：
　　

2、 介紹了圖像配準的一般原理和幾種經(jīng)典的配準方法，針對經(jīng)典方法在遙感圖像配準過程中的不足，本文提出一種改進的基于特征不變特性變換(Scale Invariant Feature Transform,SIFT)的圖像配準算法。該方法利用SIFT描述子進行圖像特征點對的匹配和提純，然后求解變換模型參數(shù)完成配準。分別用光學圖像和SAR圖像對該方法進行了驗證，結(jié)果表明該算法的適用性及最終配準精度均優(yōu)于傳統(tǒng)算法。利用仿真數(shù)據(jù)和實測數(shù)據(jù)對幾種經(jīng)典的

3、變化檢測算法進行了系統(tǒng)的比較和分析，結(jié)果表明：這些直接比較的變化檢測方法能有效地檢測出仿真圖像中不同的變化區(qū)域，但是用于復(fù)雜的自然場景時，性能急劇下降；分類后比較的變化檢測方法雖然對場景有一定的適應(yīng)性，但是對分類算法有較高的要求。提出了一種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Networks，PCNN)的變化檢測法。該方法利用PCNN實現(xiàn)多時相遙感圖像的多層次分類，將分類結(jié)果進行差值比對，即可檢測出感興趣的變