基于多尺度分析和自然進(jìn)化優(yōu)化的遙感圖像配準(zhǔn)與變化檢測(cè).pdf

1、配準(zhǔn)和變化檢測(cè)是遙感圖像處理的重要組成部分，精確的配準(zhǔn)是變化檢測(cè)的前提。論文提出了一種SAR圖像相干斑噪聲抑制方法，研究了基于圖像灰度和圖像特征的兩種配準(zhǔn)方法，又針對(duì)變化檢測(cè)結(jié)果易被噪聲干擾的問(wèn)題以及變化檢測(cè)結(jié)果總是受分布模型約束的局限性，提出了兩種變化檢測(cè)方法。
　　(1)相干斑噪聲嚴(yán)重影響了SAR圖像的質(zhì)量，降低了圖像的空間分辨率，隱藏了圖像的精細(xì)結(jié)構(gòu)，使SAR圖像的可解譯性變差。噪聲嚴(yán)重時(shí)，甚至可導(dǎo)致圖像特征消失。因此消除相

2、干斑噪聲對(duì)SAR圖像的配準(zhǔn)和變化檢測(cè)等后續(xù)操作有著重要的意義。多尺度幾何分析Wedgelet變換可以良好逼近線(xiàn)目標(biāo)，但過(guò)分平滑面區(qū)域，使圖像丟失過(guò)多的紋理信息。由此，提出了一種基于Wedgelet結(jié)合對(duì)偶樹(shù)復(fù)小波變換（Dual Tree Complex Wavelet Transform，DTCWT）的SAR圖像相干斑噪聲抑制方法，利用MSP-ROA算子，使用邊緣增強(qiáng)的局部均值和中值濾波器來(lái)達(dá)到平滑SAR斑點(diǎn)噪聲的同時(shí)保留邊緣的目的。實(shí)

3、驗(yàn)結(jié)果表明，該方法在顯著減少斑點(diǎn)噪聲的同時(shí)可以保留SAR圖像更多的邊緣結(jié)構(gòu)。
　　(2)提出了一種基于互信息測(cè)度和多智能體優(yōu)化的SAR圖像配準(zhǔn)方法。該方法直接使用歸一化的基于圖像灰度的互信息測(cè)度作為匹配準(zhǔn)則，不對(duì)圖像組進(jìn)行預(yù)處理，使用多智能體優(yōu)化算法通過(guò)尋優(yōu)操作來(lái)得到最終的配準(zhǔn)結(jié)果。多組實(shí)驗(yàn)結(jié)果數(shù)據(jù)表明，該方法配準(zhǔn)SAR圖像普適性和配準(zhǔn)精度都很好。
　　(3)為了提高不同模態(tài)遙感圖像組的配準(zhǔn)精度，提出了一種基于最優(yōu)圖像特征點(diǎn)

4、選取的多模配準(zhǔn)方法。首先手動(dòng)向待配準(zhǔn)圖像（測(cè)試圖像）和參考圖像輸入控制點(diǎn)，利用高斯差分算子確定測(cè)試圖像極值點(diǎn);再利用投影變換和最小線(xiàn)性平方差算法計(jì)算雙邊平均配準(zhǔn)誤差;最后根據(jù)配準(zhǔn)誤差自動(dòng)對(duì)控制點(diǎn)進(jìn)行亞像素調(diào)整，取得亞像素級(jí)控制點(diǎn)匹配，實(shí)現(xiàn)遙感圖像精確配準(zhǔn)。實(shí)驗(yàn)結(jié)果表明，該方法大大提高了配準(zhǔn)精度，可以滿(mǎn)足遙感數(shù)據(jù)進(jìn)一步解譯的需要。
　　(4)針對(duì)圖像變化檢測(cè)結(jié)果會(huì)受到噪聲干擾的問(wèn)題，構(gòu)造小波域多層差異影像，結(jié)合基于統(tǒng)計(jì)模型的瑞利高斯

5、閾值法提取變化檢測(cè)結(jié)果，既提高了原有圖像信息的利用率又減少了噪聲的干擾。除此之外，為了減輕小波變換帶來(lái)的圖像細(xì)小偏移對(duì)算法精度的影響，通過(guò)插值算法對(duì)小波變換后的圖像進(jìn)行校正，改善了方法的性能。為減少運(yùn)算量，運(yùn)用免疫克隆優(yōu)化來(lái)搜索需要矯正的偏移量。實(shí)驗(yàn)結(jié)果數(shù)據(jù)表明，該方法提高了圖像變化檢測(cè)的精度。
　　(5)構(gòu)造差異影像并利用統(tǒng)計(jì)模型結(jié)合圖像分割分類(lèi)技術(shù)得到變化結(jié)果的方法較多，但是這類(lèi)方法的缺點(diǎn)就是過(guò)于依賴(lài)模型參數(shù)的設(shè)定，如果待檢測(cè)