用户登录  |  用户注册
首 页毕业论文毕业设计下载定做交易过程截图支付宝在线支付
当前位置:完美毕业网毕业论文摄影测量与遥感

基于IR-MAD算法的多元遥感影像变化检测方法研究

论文代写发表联系:点击这里给我发消息QQ212181988
一键分享拿折扣:

 摘 要:变化检测技术逐渐在各个行业中发挥着重大作用,辐射校正是进行变化检测的必要前提。目前,遥感技术向着高分辨率、多光谱、多时相、多传感器等方面多元化发展,但现有的变化检测算法已不能满足要求。本文从多元遥感影像开始论述,根据变化检测技术的概念、作用及特点,对当前国内外研究现状进行了深入分析。
本文选取了 1995 年 9 月 18 日的TM 影像和 2010 年 10 月 5 日的ETM 影像作为多元遥感数据源,研究区域为山东省内黄河入海口部分区域。首先进行了数据预处理和相对辐射校正,然后进行了多元变化监测(MAD)和迭代加权多元变化检测(IR-MAD),得到如下研究成果:
(1)研究并重新推导了典型变量(CCA)、MAD、IR-MAD 的数学原理与基本模型,理解了算法的本质,为后续编程实现变化检测算法奠定了理论基础。
(2)根据 IR-MAD 法变化检测的数序原理与模型,使用 MATLAB 工具编写程序代码,克服了许多关键性问题,实现 MAD 和 IR-MAD 的相对辐射校正以及多时相遥感影像的变化检测。
(3)为了实现变化检测,首先选取了伪不变特征法、直方图法、MAD法、IR-MAD 法 4 种方法进行相对辐射纠正,并应用均值差和平均梯度分别从从影像相似度信息损失度进行结果评价,从而得出最合适的相对辐射校正方法。
(4)在进了合适的相对辐射校正的基础上使用 MAD 与 IR-MAD 进行变化检测,使用 K 均值法对变化检测结果分类成二值影像图,并选取随机样本区进行变化检测结果评价,得出结论为 IR-MAD 法较 MAD 法更适合于变化检测。
关键词:多光谱遥感影像,相对辐射校正,变化检测,MAD,IR-MAD 算法

目录

1绪论 1
1.1研究背景和意义 1
1.2国内外研究现状 2
1.2.1国外研究现状 2
1.2.2国内研究现状 3
1.2.3多元遥感影像变化检测存在的局限性 3
1.3研究主要流程及技术路线 4
2IR-MAD 算法的数学原理与模型 6
2.1典型相关分析算法基本原理 6
2.2多元变化检测算法 8
2.3最大期望算法 10
2.4迭代加权多元变化检测算法 11
2.5本章小结 12
3多元遥感影像的获取 13
3.1多光谱遥感影像的获取 13
3.1.1影像来源 13
3.1.2原始影像基本统计量 14
3.13 原始影像直方图信息 16
3.2影像预处理 16
3.3本章小结 17
4多元遥感影像的相对辐射校正 18
4.1基于波段运算的伪不变特征法 19
4.1.1PIF 样本点的选择 19
4.1.2校正参数的计算 20
4.1.3相对辐射校正的实现 21
4.2灰度直方图匹配法 22
4.3多元检测变换法 22
4.3.1MAD 变换 22
4.3.2回归方程的计算 22
4.4.1IR-MAD 变换 23
4.4.2回归方程的计算 23
4.5相对辐射校正的评价 24
4.5.1均值差 24
4.5.2影像信息损失度 25
4.6实验结果的对比分析与结论 26
4.6.1 结论 26
5多元遥感影像变化检测 28
5.1MAD 法 28
5.2IR-MAD 法及二值影像的生成 28
5.3变化检测的评价 29
5.3.2混淆矩阵 31
5.3.3其它评价参数 31
6总结与展望 33
6.1 总结 33
6.2 展望 34
7参考文献 35
致谢 37
附录 38


1 绪论
1.1研究背景和意义
广义的变化检测是通过不同时间的观察进而识别一个物体或现象的状态差异的过程。遥感影像的变化检测主要是指对两幅或多幅数字图像进行的变化检测,它检测的变化包括目标的位置和范围的变化及目标种类属性的变化[1]。早期遥感影像变化检测的主要方法与手段是人工目视解译,但该方法主要依赖于解译人员的目视判读经验,效率低下。随着遥感技术、计算机技术、传感器技术的不断发展,使得高分辨率遥感影像的动态观测得到空前的发展,快速有效的变化检测方法日益受到重视[2]。基于遥感技术的变化检测的重要前提是遥感影像波谱反射辐射值的变化能很好的表现地表覆盖类型的变化,即不同的地物类型在光谱上有不同的波谱反射特性,同时,地表真实的变化必须大于其他的一切干扰因素(如大气、气候、日照和传感器等差异),否则变化检测结果的可信度很差甚至完全失效。但影像成像过程容易受到季节迁移、气候变化、太阳高度、光照条件、气象条件、空气状况,以及地物自身的外部几何形状、纹理、材质、传感器姿态等因素的影响,造成不同时相影像间的光谱差异,尤其是时光变迁、季节更替等自然地物覆盖变化容易与特定目标的变化混叠在一起,增加检测的难度。不同的变化检测方法对不同时相间的辐射度差别、噪声、几何配准和阴影等因素敏感度不同,同时,很多变化检测方法对影像数据要求比较严格,例如要求待测数据必须来自相同的传感器,空间集合配准要达到较高精度,成像时间要在同一个季节并时相相差不能太大等[3]。
为了尽可能地解决上述棘手问题,提高多元遥感数据的利用程度,降低变化检测的难度以及提高检测结果的精度[4],通过对比分析及对已有方法的改进发现,IR-MAD 算法在相对辐射校正领域与变化监测领域中具有


一定的优越性。本文对 IR-MAD 算法的研究从其基本数学原理开始,循序渐进,逐渐掌握掌握 IR-MAD 算法的原理、特性以及处理多元遥感影像的实现方式,同时也对其他方法进行分析并得出结论,为今后的学习研究和工作生产提供可靠的理论依据。
1.2国内外研究现状

1.2.1国外研究现状
1999 年,针对传统分析方法的局限性,Allan Nielsen 等人首先提出了一种基于多元统计分析中典型相关分析(Canonical Correlation Analysis,简称 CCA)变换的方法,名为多元变化检测(Multivariate Alteration Detection,简称 MAD)[5];2003 年,Allan Nielsen 等人将 MAD 算法应用于高光谱数据的变化检测,总结出了该算法的特点[6];2004 年,Morton Canty,Allan
Nielsen 等人应用 MAD 算法进行多光谱数据的相对辐射校正,并获得相关结论[7];2005 年,在 MAD 算法基础上,Morton Canty 等人结合概率理论中的一种迭代算法——期望最大化(Expectation Maximization,简称 EM)算法,首次提出了能通过迭代计算自动获取阈值的算法,名为迭代加权多元变化检测(Iteration Re-weight Multivariate Alteration Detection,简称
IR-MAD)法;2006 年,Todd A.Schroeder,Warren B.Cohen 等人利用 IR-MAD算法对多时相的 Landsat 数据进行了相对辐射校正;20007 年,Allan Nielsen将 IR-MAD 算法用于高光谱和多光谱数据的变化检测;2008 年,Carlos Javier Broncano Mateos 等人将 IR-MAD 算法用于相对辐射校正;同年, Morton Canty 和 Allan Nielsen 应用 IR-MAD 算法进行多光谱数据的相对辐射校正;2010 年,Allan Nielsen 和 B.P.Olsen 再一次对 MAD 及 IR-MAD 算法进行了分析,并将该算法在变化检测中的应用进行了叙述;2011 年, Wenjing Liang,Danielle Hoja 等人首次应用 IR-MAD 算法对高分辨率数据
进行了相对辐射校正,并以影像的纹理信息作为辅助信息。


1.2.2国内研究现状
在国内,2000 年,廖明生、朱攀等人对 MAD 算法进行了方法研究以及在变化检测中应用的相关分析[8];2004 年,盛辉、廖明生等人在掌握
MAD 算法的基础上,对变化阈值的确定进行了研究[9];2005 年,张路在
MAD 算法的基础上,首次提出应用 EM 算法估计其变化阈值的问题[10];
2007 年,陈垒、马润赓等人进一步研究分析了 MAD 算法在多元变化检测中的应用[11];2011 年,祝锦霞在 MAD 算法的基础上,首次提出应用检测后分类的方法减少或剔除高分辨率数据中的“伪变化”信息[12];2012 年,白穆、刘慧平等人应用 MAD 算法进行相对辐射校正,并得出了结论[13]。
1.2.3多元遥感影像变化检测存在的局限性
现代遥感技术的快速发展,使得多元遥感影像信息量空前丰富,但是相应的变化检测的方法却未能得到相应的发展,导致海量的遥感数据无法充分被使用,通过大量研究分析总结出的多元变化检测方法存在的主要局限性有以下几个方面:(1)对被检测数据的要求较高,需要考虑两幅影像在时间分辨率、空间分辨率、光谱分辨率和辐射分辨率上的差异,而且还要考虑试验区域的环境因素;(2)无法有效的消除波段间相关性,难以抑制噪声;(3)需要在检测前或者显示检测结果时,对各个波段或者分量进行分析,从而取舍波段合成 3 波段影像;(4)检测过程较繁琐,有时为了提高检测精度需要同时使用多种方法相结合进行综合分析;(5)目前常用的检测方法,在操作上步骤较多,主要通过人机交互的方式进行,而且需要人工设置参数和阈值,想要取得合适的参数必须要靠一定的经验或者大量的尝试,所以主观因素对结果有较大的影响;(6)在多元遥感影像中,某些地物阴影、无法避免的几何校正误差以及噪声等所产生的“伪变化”信息难以被识别。
造成这些局限性的原因,除了数据源自身的特点以及检测系统因素等,


还有在影像处理过程中产生的信息损失和误差,其中,辐射校正的好坏占据了相当的比例。本文使用的是相对辐射校正的方法,对已有研究结论的分析可知相对辐射校正方法的主要局限性体现在:(1)以基于人工选点的伪不变特征法为例,其校正精度主要取决于选择的伪不变特征点质量的好坏,由于是人工实现特征点的选择,所以其对影像本身质量要求很高,对操作人员的专业能力及经验也有较高的要求,而且主观性很强;(2)对于非线性相对辐射校正,无论校正过程怎样,均会或多或少地造成校正影像的信息损失,不仅会导致影像部分细节丢失,而且其校正精度不高,校正效果也不稳定;(3)操作过程较为复杂,选择好相对辐射校正参考影像的同时,有时还需要对其进行例如直方图均衡化的图像增强处理,对于线性相对辐射校正,还需要选择特征点选取方法的选择,最后还要选择合适的线性回归方法。
综上所述,对于当前多元遥感影像的变化检测,除了变化检测方法本身以外,还需要提高和发展的关键技术主要有 3 个:第一是相对辐射校正技术,目的是尽可能地削弱或消除不同时相影像之间辐射差异造成的“伪变化”信息,除了辐射差异以外,还存在几何校正、影像噪声等;第二是识别去除或减少“伪变化信息”的技术;第三是获取变化阈值的技术,该技术是所有变化检测的核心,它与变化检测优劣和精度有着直接关系。
1.3 研究主要流程及技术路线
本文在掌握 MAD 算法和 IR-MAD 算法数学原理的基础上,使用 MATLAB工具编写程序代码,实现了基于伪不变特征法(Pseudo-Invariant
Features,简称 PIF 法)、直方图匹配法(Histogram Matching,简称 HM法)、MAD 法以及 IR-MAD 法 4 种相对辐射校正方法,以均值差、平均梯度等作为评价参数,构建了本文的相对辐射校正评价体系,并应用最佳的校
正方法对实验数据进行相对辐射校正。


其次在变化检测方面,同样使用 MATLAB 工具编程实现多元变化检测法
(Multivariate Alteration Detection,简称 MAD 法)以及迭代加权多元变化监测法(Iteration Re-weight Multivariate Alteration Detection,简称 IR-MAD 法),然后使用 K-means 法进行分类。最后,将影像分类评价体系中的混淆矩阵、总精度、用户精度、生产者精度、Kappa 系数、漏检率及错检率等作为本文变化检测的评价参数,共同构建了变化评价体系,最终通过对比得出结论。本文的技术路线如图 1.1 所示:

Tags:

作者:佚名
Copyright © 2007-2013 完美毕业网. All Rights Reserved .
页面执行时间:281.25000 毫秒
Powered by:完美毕业网 http://www.biye114.com