基于无监督方法的sar图像变化检测

基于无监督方法的sar图像变化检测

ID:34667312

大小:3.21 MB

页数:95页

时间:2019-03-08

基于无监督方法的sar图像变化检测_第1页
基于无监督方法的sar图像变化检测_第2页
基于无监督方法的sar图像变化检测_第3页
基于无监督方法的sar图像变化检测_第4页
基于无监督方法的sar图像变化检测_第5页
资源描述:

《基于无监督方法的sar图像变化检测》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于无监督方法的SAR图像变化检测作者姓名赵姣姣导师姓名、职称公茂果教授一级学科电子科学与技术二级学科电路与系统申请学位类别工学硕士提交学位论文日期2014年11月学校代码10701学号1202120850分类TN82号TP75密级公开西安电子科技大学硕士学位论文基于无监督方法的SAR图像变化检测作者姓名:赵姣姣一级学科:电子科学与技术二级学科:电路与系统学位类别:工学硕士指导教师姓名、职称:公茂果教授提交日期:2014年11月SARImageChangeDetectionBasedonUnsupervisedMeth

2、odsAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicScienceandTechnologyByZhaoJiaojiaoSupervisor:Prof.GongMaoguoNovember2014西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了

3、文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文若有不实之处,本人承担一切法律责任。本人签名:日期:西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权保留送交论文的复印件,允许查阅、借阅论文;学校可以

4、公布论文的全部或部分内容,允许采用影印、缩印或其它复制手段保存论文。同时本人保证,获得学位后结合学位论文研究成果撰写的文章,署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。本人签名:导师签名:日期:日期:摘要摘要合成孔径雷达(SyntheticApertureRadar,SAR)技术具有高分辨率、全天时、全天候工作的特点,被广泛地应用于科学研究、工农业生产以及军事等领域。目前随着自然环境变化的加剧,城市也在迅速发展,各种自然灾害频频发生,图像变化检测技术也随之快速崛起。无监督方法对于解决大量的实际问题

5、具有重要的意义。本文对基于无监督的SAR图像变化检测方法进行研究,对已有的多种方法进行改进,并提出自己的创新性算法,目前在该研究领域取得的研究成果如下:1.对无监督特征学习方法进行了研究。结合无监督特征学习方法以及SAR图像变化检测问题的特点,提出了一种全新的基于深度学习的SAR图像变化检测方法。该学习算法主要包括无监督的特征学习和有监督的调整过程,无监督的特征学习目的在于学习两幅图像之间的关系的表达,有监督的微调目的在于学习变化像素与未变化像素的概念。通过设计一个深度神经网络来检测变化与未变化的部分。主要思路为使用深

6、度神经网络直接作用于两幅图像以获得最终变化检测结果,从而省去了生成差异图的过程,避免了差异图结果对最终变化检测结果的影响。算法在多组具有不同特点的数据集上进行实验,均可以得到满意的结果。2.对SAR图像变化检测问题进行分解研究。分别针对差异图的构造和差异图分类方法提出了改进的策略。该部分主要是基于改进的邻域比操作和修正的K&I阈值算法实现的。改进的邻域比操作主要是通过结合灰度信息和邻域像素的空间信息产生差异图。为了进一步降低噪声的影响,根据邻域像素与中心像素的相似性关系,给每一个邻域像素赋一个合理的阈值。基于广义高斯假

7、设的K&I阈值算法主要是用来建模变化类与未变化类。实验结果表明,这两种改进方法的结合收到了良好的效果。3.对差异图的分析进行研究。使用多尺度的思想结合水平集分割算法解决SAR图像变化检测问题。通过定义能量函数来区分差异图的变化类与未变化类。根据水平集方法最小化能量函数寻找一个最优轮廓来分隔图像。为了获得对噪声更加鲁棒的初始化轮廓,使用平稳小波变换来产生多尺度的图像。在低尺度下,噪声和错误边缘将被减少,因此低尺度下的水平集演化对噪声更加敏感,且避免闭合轮廓陷入局部最优或错误边缘。低尺度上的结果将被作为更高尺度上水平集演化

8、的初始化曲线。关键词:变化检测,SAR图像,无监督,深度学习,小波分解,K&I阈值论文类型:应用基础研究类I西安电子科技大学硕士学位论文IIABSTRACTABSTRACTSyntheticApertureRadar(SAR)whichhasfeaturesofhighresolution,all-timeandall-weath

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。