高分辨率图像变化检测及其在应急灾害评估中的应用研究-信息与通信工程专业论文.docxVIP

Classified Index: TN911.73 UDC: 621.3 Dissertation for the Master Degree in Engineering STUDY ON HIGH RESOLUTION IMAGE CHANGE DETECTION AND ITS APPLICATION IN THE EMERGENCY DISASTER EVALUATION Candidate： Mu Chunfang Supervisor： Prof. Zhang Junping Academic Degree Applied for： Master of Engineering Information and Communication Speciality： Affiliation：  Engineering School of Electronics and Information Engineering Date of Defence： June, 2011 Degree-Conferring-Institution： Harbin Institute of Technology 哈尔滨工业大学工学硕士学位论文 哈尔滨工业大学工学硕士学位论文 摘 要 近年来，随着相关技术的不断发展和应用需求的急剧增长，遥感技术在灾害 检测与评估领域的应用日益增多。高分辨率遥感卫星图像能够比中低分辨率遥感 图像提供更多的信息，因而在这方面得到了更加广泛的应用。鉴于传统的基于像 素的图像处理方法应用于高分辨率图像时存在诸多问题，面向对象的图像处理方 法应运而生，并表现出了显著优势。基于此，本文以高分辨率遥感卫星图像为对 象，采用面向对象图像处理方法，对多时相遥感图像的变化检测及其在应急灾情 检测与评估中的应用进行了研究。 论文首先对高分辨率遥感图像的特性进行了分析，并研究了感兴趣区域定位 方法。由于利用遥感图像进行灾情检测与评估时，往往更多地关注人口密集的地 区，因此本文对基于 Gabor 滤波的居民区定位方法进行了改进，得到快速居民区 定位方法，通过局部特征点提取和投票矩阵分析，可以快速有效地从覆盖范围较 大的高分辨率遥感图像中将居民区提取并标注出来，从而节省后续处理的时间。 然后，论文研究了高分辨率图像的多尺度分割方法，并提出了基于异质性的 统计区域合并方法。获得准确的图像对象是面向对象处理的重要前提，采用多尺 度分割方法可以得到不同尺度的图像对象，使每种地物可以在合适的尺度进行分 析。基于区域生长的多尺度分割方法利用了高分辨率图像丰富的形状和纹理特征， 但处理速度较慢。基于统计区域合并的多尺度分割方法处理速度较快，但没有利 用图像的形状和纹理信息。基于异质性的统计区域合并方法结合了这两种方法的 优点，可在不同的尺度下较快地提取出准确的图像对象。 在对图像进行多尺度分割后，论文研究了基于特征组合的面向对象变化检测 方法。传统的变化检测方法只针对单个像素进行操作，而基于特征组合的面向对 象变化检测方法利用图像的灰度特征、形状特征和纹理特征进行面向对象图像处 理，可以比传统的变化检测方法更准确地检测出建筑物的变化情况。随后，论文 采用相关系数法对建筑物的损失情况进行了评估，得到了损失位置和损失程度等 信息。 最后，论文将上述各算法集成为基于高分辨率图像的灾情检测与评估系统， 该系统作为多源遥感资源综合应用及管理系统的减灾救灾应用示范，具有重要的 应用价值。 关键词：高分辨率遥感图像；面向对象图像处理技术；多尺度分割；变化检测； 灾情评估 - I - - - II - Abstract In recent years, with the continuous development of related techniques and the rapid growth of application requirements, remote sensing technique is increasingly applied in the field of disaster detection and assessment. Compared with low or moderate resolution images, high resolution remote sensing satellite images contain more information, so they has been more widely used in this field. When the traditional pixel-based image processing methods are applied to high resoluti