基于Fisher分類器和計(jì)算智能的遙感圖像變化檢測(cè).pdf

1、西安電子科技大學(xué)博士學(xué)位論文基于Fisher分類器和計(jì)算智能的遙感圖像變化檢測(cè)姓名：辛芳芳申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：模式識(shí)別與智能系統(tǒng)指導(dǎo)教師：焦李成201109H基于Fisher分類器和計(jì)算智能的遙感圖像變化檢測(cè)4提出一種無(wú)監(jiān)督SAR圖像變化檢測(cè)算法，它不需要分布假設(shè)，而是通過(guò)對(duì)聯(lián)合灰度直方圖的分布特性進(jìn)行判別得到變化區(qū)域。利用自適應(yīng)邊緣檢測(cè)提取的訓(xùn)練數(shù)據(jù)，通過(guò)Fisher分類器對(duì)聯(lián)合直方圖進(jìn)行判別分析，得到待檢測(cè)點(diǎn)在不同小波層隸屬度。

2、根據(jù)鄰域關(guān)系以及上下文進(jìn)行融合，得到最終檢測(cè)結(jié)果。對(duì)真實(shí)SAR圖像進(jìn)行實(shí)驗(yàn)，證明本算法可以得到較好的檢測(cè)結(jié)果。5給出一種無(wú)監(jiān)督SAR圖像變化檢測(cè)算法，利用BP神經(jīng)網(wǎng)絡(luò)(BPNN，BackPropagationNeuralNetwork)對(duì)提取的聯(lián)合特征向量進(jìn)行檢測(cè)得到變化區(qū)域。為了增加待檢測(cè)點(diǎn)可分性，根據(jù)圖像空間關(guān)系進(jìn)行非局部均值加權(quán)。對(duì)加權(quán)后的數(shù)據(jù)，根據(jù)預(yù)測(cè)值選擇可靠性高的數(shù)據(jù)先進(jìn)行標(biāo)類，并利用更新后的樣本集合重新訓(xùn)練BPNN參數(shù)及權(quán)

3、重，直到所有像素檢測(cè)完畢。本算法不需要計(jì)算差異影像，不受參數(shù)模型限制。真實(shí)SAR圖像結(jié)果證明基于聯(lián)合特征向量算法的檢測(cè)精度優(yōu)于聯(lián)合灰度直方圖和差異影像結(jié)果。6利用數(shù)據(jù)聚類思想，通過(guò)進(jìn)化算法尋找多時(shí)相SAR圖像最小均方誤差，得到變化檢測(cè)結(jié)果。在原有Memetic算法基礎(chǔ)上，針對(duì)圖像自身特點(diǎn)，提出全新的搜索策略并根據(jù)當(dāng)前檢測(cè)結(jié)果動(dòng)態(tài)調(diào)整局部搜索算法，實(shí)現(xiàn)了粗細(xì)結(jié)合的搜索過(guò)程。本算法不受分布模型限制，不需要先驗(yàn)知識(shí)，適用性較強(qiáng)。將改進(jìn)的算法與