基于fisher分类器和计算智能的遥感图像变化检测

《基于fisher分类器和计算智能的遥感图像变化检测》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、作者简介辛芳芳，山东德州人。2004年毕业于西安电子科技大学、获学士学位。2004年9月就读于西安电子电子科技大学攻读硕士学位及2006年9月转攻读模式识别与智能系统博士学位。导师：焦李成教授主要研究方向：图像处理、计算智能等。XinFangfang，wasbominDezhou，ShanDongProvince，China．ShereceivedherB．A．degreeinEconomicManagementfromXiDianUniversity,Xi’an,China,in2004．InSemptembe

2、r,2004，shestudiedfortheM．S．degreeonElectronicalEngine脚ng，andchangedforthePh．D．degreeofPatternRecognition&IntelligentSystemsfromSeptember2006inXiDianUniversity．HersupervisedadvisorisProfessorJiaoLicheng．Herresearchinterestsincludeimageprocessing,changedetectio

3、nandcomputationalintelligence．＼＼删燃，创新性声明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做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。本人签名：关于论文使用授权的说明本人完全了解西安电子科技大

4、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西安电子科技大学。本人保证毕业离校后，发表论文或使用论文(与学位论文相关)工作成果时署名单位仍然为西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。(保密的论文在解密后遵守此规定)本人签名：导师签名：日期丝!!：!兰：f歹日期未鱼!!!!≥．‘‘浆摘要摘要现有的变化检测技术多通过差异算子将多时相图像转换为单幅差异影像，对差异影像进行分析

5、得到图像中的变化区域。参数模型在变化检测技术发展过程中起到了重要作用，它利用不同的函数根据差异影像分布提取图像中变化区域。然而，现有的模型大部分都是基于单函数估计，图像匹配率低，且受差异算子影响检测结果不稳定。虽然改进算法引入了图像的空间信息，但是检测过程仍然需要先进行分布假设。所以，参数模型的设置和差异影像数据的分布都对检测结果有较大影响。本文针对这些问题进行研究，分别利用Fisher分类器和计算智能方法对图像进行检测，提高了算法的适用性。此外，为了避免由于差异算子不同引起的不稳定性，将分类对象从差异影像换成联

6、合灰度直方图和联合特征向量，并通过小波变换和局部均值加权等方法引入图像空间信息提高检测精度。本论文主要工作概括如下：1．提出一种基于Wavelet域隐马尔科夫树(HMT,HiddenMarkovTree)模型的遥感图像变化检测算法。算法利用双高斯混合模型对小波分解后的多层差异影像进行拟合，根据拟合结果判定待检测点类别。对得到的多层初始分割结果，利用HMT模型根据连续最大后验概率(SMAP,SequentialMaximumAPosteriori)融合，得到最终变化检测图。对真实遥感数据集进行实验证明，本算法可以得

7、到较好的检测结果。‘2．利用改进的动态Fisher分类器通过对二维联合直方图分类检测多时相遥感图像变化区域。算法利用自适应边缘检测方法提取训练数据。考虑图像空间关系，提出基于局部均值的动态Fisher判别分析(LMDFDA，LocalMeanDynamicFisherDiscriminantAnalysis)，它将原算法中的全局均值替换为局部均值，增加了待检测点和训练数据的相关性。局部均值由经过均值漂移划分后，离待检测像素最近的图像块决定。同时，根据当前检测结果动态调整局部均值和训练器参数，解决了由于初始训练数据

8、选取不同而造成的不稳定性。实验结果证明，本算法提高了检测精度，检测结果稳定。3．利用改进的动态模糊Fisher分类器，通过对多时相图像的联合直方图进行分类得到变化区域。在此基础上，根据图像空间关系对待检测点进行非局部均值加权，并以一定比例选取可靠性高的数据先进行标类，增加了数据的可分性和算法的可靠性。根据更新后的样本动态调整待检测点权重及分类器参数，直到所有像素判别完毕为