基于证据理论的遥感图像变化检测理论与方法研究

Change detection of remote sensing images is a process of acquiring changes and estimating temporal-spatial distribution discipline from objects of interest based on remotely sensed imagery of the same scene observed at different times. It has important theoretical significance and application value. Uncertainty accompanies change detection of remote sensing images from the beginning of data acquisition step, which constrains the further development of change detection. Consequently, in order to improve the change detection quality, effective uncertainty information modeling and processing are firstly needed. As an uncertainty information fusion technique, evidence theory has powerful uncertainty information representation and fusion ability, but there still exist certain difficulties in its direct application in remote sensing area. In this project multi-source uncertainty information in each part of remote sensing images change detection, including image registration, feature extraction, terrain classification, change determination and change type identification, etc. is respectively modeled and processed based on evidence theory. Weakness of evidence theory is also improved concerning actual situations in each part. Progress and breakthroughs obtained for the aforementioned research problems can perfect and enrich change detection theories and methods for remote sensing image; meanwhile they have great influence and significance in promoting interpretation capability of remote sensing information and extending application area of evidence theory.

遥感图像变化检测技术是基于同一地域不同时相的遥感图像信息，获取所关注对象的变化信息并评估其时空分布规律的技术。遥感图像变化检测具有重要的理论研究意义和重大的应用价值。遥感图像变化检测从数据获取开始，一直伴随着不确定性，这也制约着遥感图像变化检测的进一步发展。因此提升遥感图像变化检测质量，首先要对不确定信息进行有效建模与处理。作为一种不确定信息融合技术，证据理论具有强大的不确定信息表示与融合能力，但直接应用于遥感领域中存在一定的困难。本项目基于证据理论对遥感图像变化检测各个环节中的多源不确定信息分别进行建模与处理，包括图像配准、特征提取、地物分类、变化判定及性质鉴别等，并结合各环节的实际对证据理论的不足进行改进。针对上述研究问题取得的进展和突破，能从理论和应用层面完善与丰富遥感图像变化检测理论与方法，对提升遥感信息解译能力以及拓展证据理论这一不确定信息融合技术的应用范围具有重大作用和意义。

参照原有研究目标与计划，项目完成情况概述如下：.（1）理论研究方面.在本项目的基础理论——证据理论层面，设计了基于不确定度优化的证据函数客观生成方法。基于信度函数区间定义了严格满足公理的新证据距离，具有良好特性。研究中综合利用焦元大小及mass赋值，基于多准则排序融合实现证据函数的简化。基于焦元相似度定义了焦元冗余度，并据此提出了批量模式以及迭代模式的近似方法，均能有效降低运算复杂度并减少信息损失。基于证据距离定义了不一致度，实现序贯组合。基于证据距离定义了证据方差，描述组合的波动性，进而实现动态序贯组合。基于随机集框架提出了证据融合新方法，设计了自适应批量组合方法，能有效应对冲突。提出了基于双准则的概率转换综合评估方法。设计了融合规则敏感性评价指标。在证据理论框架内设计了特性优异的不确定性新度量。针对证据理论中存在的诸多误用与混淆进行了厘清，完成了综述长文。.在面向遥感图像处理的模式分类方面，基于证据理论设计实现了多分类支持向量机。利用证据理论设计了基于角度信息的新型邻域分类器。设计了基于证据理论的特征空间评价方法。构建了多分类器系统差异性度量，并据此实现了多分类器系统的动态生成方法，实现了有效互补融合。发现了传统差异性度量的淹没问题，提出了多种改进方法，包括利用混淆矩阵、几何关系等实现了新差异性度量的构造。新度量具有良好的特性。.在基于证据理论的遥感图像处理与变化检测方面，基于证据理论与多属性决策实现了遥感图像的高精度配准。设计了邻域证据场及证据马尔科夫随机场，实现遥感图像的有效分割。针对遥感图像变化检测中的不确定性，基于证据理论提出了综合利用灰度、边缘、梯度等信息的变化检测方法，有效提升检测的准确性。.项目研究结果的科学意义体现在面向遥感图像变化检测的应用需求，从理论层面完善了证据理论，进而丰富和发展了这一重要的信息融合理论与方法。.（2）工程应用方面.开发了嵌入式的不确定推理与分类融合仿真平台，可以实现对本项目相关理论与方法的仿真验证及评估。基于本项目研究成果，已经有横向课题合作意向1项，有望为实际工程技术问题的解决形成支撑。.在项目资助下，项目组共发表论文34篇，国际期刊7篇，国内期刊6篇，7篇SCI，11篇EI检索。国际会议9篇，国内会议12篇，13篇EI检索，培养硕士生4人（1人在读，3人毕业）。总体来说，本项目按计划完成了预定目标，部分内容超额完成。