基于极化SAR影像的地物变化检测技术研究

论文摘要

遥感变化检测是通过对覆盖同一地区不同时间获取的两幅遥感影像数据进行比较分析,根据图像之间的差异得到所需地物的变化信息。该技术能够实时获取地物动态变化信息,被广泛应用于农业调查、林业监测、土地退化与荒漠化监测、城市管理规划和自然灾害监测等领域。全极化SAR不但具有全天时、全天候的工作能力,还具有独特的优势——信息丰富,既含有强度信息又含有相位信息。研究全极化SAR变化检测技术在快速响应自然灾害监测、快速了解目标变化情况中有极大优势。因此本文重点研究基于全极化SAR数据的变化检测方法,主要工作和贡献体现在以下几个方面:(1)系统详细地总结全极化SAR理论基础,重点推导验证极化方式的表征,极化散射特征的描述方法,以及接收功率理论,为变化检测方法的研究打下良好的理论基础。(2)详细分析全极化SAR相干矩阵或协方差矩阵的分布特性,按照统计假设检验理论构造似然比参数,并用此描述两时相对应地物的变化情况。(3)利用最优接收功率理论、相对最优接收功率理论增强变化现象,使用对数比值法构造差异影像。经过增强的变化区域比较完整,斑点噪声少,有利于提高变化检测精度。(4)变化信息提取部分主要有两种方法。第一种是利用期望最大化方法估计广义高斯混合分布模型参数,结合错误率最小的贝叶斯理论将图像分成变化与非变化两类,进而获得两时相的变化信息和非变化信息。第二种方法是以第一种方法的分类结果作为初始值,利用概率松弛迭代算法提取变化信息,该算法充分考虑每个象元与其8邻域象元的关系,能够优化粗分类结果,降低斑点噪声,检测精度高。(5)以上所有方法的实验结果与传统阈值法检测结果相比较,验证上述方法的有效性。

论文目录

• 致谢
• 摘要
• Abstract
• 1 引言
• 1.1 研究目的和意义
• 1.2 研究现状
• 1.3 文章组织结构
• 2 全极化SAR 基本理论
• 2.1 电磁波及其极化特性
• 2.2 极化电磁波的表征
• 2.2.1 极化椭圆
• 2.2.2 Jones 矢量
• 2.2.3 Stokes 矢量
• 2.2.4 极化球
• 2.3 目标极化散射特性的表征
• 2.3.1 散射矩阵
• 2.3.2 Stokes 矩阵与Muller 矩阵
• 2.3.3 极化协方差矩阵和相干矩阵
• 2.4 典型地物的极化散射特性
• 2.5 极化合成
• 2.6 极化特征图
• 2.7 本章小结
• 3 变化检测方法
• 3.1 变化检测流程
• 3.1.1 图像预处理
• 3.1.2 变化检测
• 3.1.3 精度评价
• 3.2 传统的变化检测方法
• 3.3 基于统计假设检验理论的变化检测方法
• 3.4 基于最优极化理论的变化检测方法
• 3.4.1 最优极化理论
• 3.4.2 最优极化理论在变化检测中的应用
• 3.5 基于相对最优极化理论的变化检测方法
• 3.5.1 相对最优极化理论
• 3.5.2 相对最优极化理论在变化检测中的应用
• 3.6 本章小结
• 4 变化信息提取
• 4.1 基于最小错误率的贝叶斯决策理论
• 4.2 基于广义高斯分布模型的EM 算法参数估计（GGM-EM）
• 4.2.1 广义高斯分布模型
• 4.2.2 待定参数的初始化
• 4.2.3 EM 参数估计算法
• 4.3 概率松弛迭代算法
• 4.4 本章小结
• 5 实验与分析
• 5.1 数据介绍
• 5.2 基于统计假设检验理论的变化检测方法
• 5.3 基于最优极化理论的变化检测方法
• 5.4 基于相对最优极化理论的变化检测方法
• 5.5 传统变化检测方法
• 5.6 实验结果分析
• 5.7 本章小结
• 6 全极化SAR 数据变化检测软件
• 7 结论与展望
• 7.1 结论
• 7.2 展望
• 参考文献
• 作者简历
• 学位论文数据集