高分辨率卫星遥感图像变化检测关键技术研究

高分辨率遥感图像可以提供关于目标更加清晰和丰富的细节，使得高分辨率卫星遥感图像几乎可以处理所有军事、民用目标的识别和监测问题。但目前的变化检测大都靠手工标定，费时费力，通用性、鲁棒性和自动化程度差，极大的限制了高分辨率卫星遥感图像的广泛应用。本项目旨在以城市场景的高分辨率光学卫星遥感图像为研究对象，对高分辨率卫星遥感图像变化检测关键技术进行深入研究。首先，研究变化检测系统各制约因素的关系，从机理上加深对变化检测的认识；然后，在变化检测机理的指导下，以基于机器学习的"由粗到精、逐层加细"多尺度对象级变化检测为重点，深入研究多尺度分割、多尺度变化特征提取、多尺度变化特征分类策略及变化类型识别等关键技术，解决现有变化检测中存在的精度低、鲁棒性差和自动化程度低的问题；构建基于软件和DSP硬件相结合的高分辨率卫星遥感图像变化检测示范系统，为星载实时变化检测系统的研制打下坚实的基础。

本项目以城市场景的高分辨率光学卫星遥感图像为研究对象，对高分辨率卫星遥感图像变化检测关键技术进行深入研究。首先，研究了变化检测系统中配准误差、视角变化、阴影、尺度等制约因素的影响；结合变化盲等感知认知机理及遥感图像的特殊性和复杂性，对变化检测机理进行了探索，提出了变化检测新框架。然后，在变化检测新框架的指导下，对多尺度对象级变化检测方法中涉及的图像配准、融合、变化检测步骤中涉及的多尺度分割、特征提取与匹配、多尺度变化特征提取、分类器设计多尺度变化特征分类策略等关键算法进行了深入研究，提出了一系列新算法：基于多层次SIFT匹配的大尺寸遥感图像配准算法、基于慢变特征分析的遥感图像融合算法、基于平移流的变化检测算法、基于变化场的变化检测算法、基于字典学习的变化检测算法、基于稀疏层次聚类的变化检测算法、多尺度对象级变化检测算法、基于机器学习的"由粗到精、逐层加细"多尺度变化检测算法、基于敏感目标的对象级变化检测算法等。针对大数据时代的多源、海量数据的复杂性和实际应用的时效性，本项目还研究了基于软件和DSP硬件相结合的高分辨率卫星遥感图像变化检测示范系统，用真实数据验证了算法和示范系统的有效性。..在项目执行期间内，项目组共发表了17篇学术论文,申请了12项发明专利和2项软件著作权。相关研究成果已发表于IEEE Geoscience and Remote Sensing Letters等本领域国际知名杂志以及ISPRS、ICIP、ICASSP等本领域重要国际会议上。