基于曲线演化理论的遥感影像变化检测研究

随着遥感技术的发展，遥感影像逐渐从低分辨率发展到高分辨率，其所含地物信息也越来越丰富，如何自动地从海量遥感影像数据中提取出目标的变化信息变得日益迫切。迄今为止，传统的象素级和特征级的变化检测虽已取得了很多成功的应用，但由于其对图像的配准和辐射校正要求较高，在高分辨率遥感数据中的应用受到诸多限制。与已有方法不同的是，我们提出了一种基于水平集曲线演化模型的变化检测框架，该框架能有效结合影像数据本身的低层次光谱信息与较高层次的形状约束、统计特征等，将遥感影像分割与变化检测融合在一个框架体系中。通过曲线演化模型的改进，能够检测矩形以及其他规则形状的变化，降低配准及辐射校正误差带来的影响，避免变化检测中常见的阈值设置问题，最终给出更为准确的变化检测。该项目对于深化曲线演化理论的研究内涵，丰富变化检测的理论方法，拓展变化检测技术在灾情评估、城市规划以及军事侦察等领域的应用都具有重要的理论和实际意义。

迄今为止，传统的象素级和特征级的变化检测已取得了很多成功的应用。与已有方法不同的是，我们提出了一种基于水平集曲线演化模型的变化检测框架，该框架运用影像数据本身的低层次光谱信息时考虑了邻域标记信息，并与目标级的变化检测方法结合，将遥感影像分割与变化检测融合在一个框架体系中。通过曲线演化模型的改进，一方面避免变化检测中常见的阈值设置问题，另一方面降低检测结果的‘椒盐’效应，最终给出更为准确的变化检测。.本项目的创新成果是运用水平集演化模型与邻域约束实现了较为精确的变化检测；其次，本项目将水平集方法与SVM分类方法相结合，提出了一种自动的目标级的变化检测方法。.