非负矩阵分解在遥感图像变化检测中的应用研究

《非负矩阵分解在遥感图像变化检测中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：TP751国际图书分类号：621。39西南交通大学研究生学位论文密级：公开年级三委二二级姓名鍪壶申请学位级别王堂亟±专业焦曼当值皇熊理指导老师奎：叵趋塾拯二零一四年五月ClassifiedIndex：TP751U．D．C：621。39SouthwestJiaotongUniversityMasterDegreeThesisSTUDYoNTHEAPPLICATIONOFNONNEGATⅣEM已锕R【XDECOMPOSITl0NINReMOTESENSINGIⅣ【AGECHANGEDETECTIONG

2、rade：2011Candidate：ZhiLiAcademicDegreeAppliedfor：MasterDegreeSpeciality：Signal＆InformationProcessingSupervisor：ProfessorHeng—chaoLiMay,2014西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检

3、索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1．保密口，在／年解密后适用本授权书；2．不保密耐使用本授权书。(请在以上方框内打“√”)学位论文作者签名：菇毫．指导老师签名：2v、日期：p睁6．、；日期：劢7段多、>弓西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下：本论文将非负矩阵分解应用到遥感图像的变化检测研究中，主要贡献为以下三个方面：(1)NMF对差异图融合。一般的变化检测常常以单一的差异图作为研究对象，而一幅差异图往往存在局限性，针对这个问

4、题本文提出一种使用NMF融合的变化检测方法，将SAR图像的对数比值图与MRD算子图融合，将光学图像的差值图与t检验图融合。通过仿真实验得到了较好的效果，并与现有的几种变化检测方法对比，验证了该方法的有效性。(2)运用NMF进行特征提取。为了降低噪声干扰引起的虚警率，以及变化信息幅度弱引起的漏检率，提出基于重点关注区域的变化检测。首先运用灰度共生矩阵产生差异图的纹理图像，由于方差纹理能凸显变化区域边界且可分性较强，我们采用方差纹理图来为重点关注区域的确定做铺垫。利用NMF提取纹理图的背景特征，通过计算特征图与纹理图

5、中每个像素邻域块的欧氏距离，从而弱化纹理背景。然后将原差异图与该图像对应像素相乘，得到较理想的变化轮廓显著图。将变化轮廓图通过聚类，并膨胀填充内部区域从而得到重点关注区域。最后，根据重点关注区域修正原差异图，通过对修正后差异图的处理得到了较理想的变化检测结果。(3)应用NMF对遥感图像聚类。考虑到差异图存有噪声的问题，运用双边滤波对差异图滤波，通过对像素的二阶邻域扫描得到每个像素的特征向量，然后采用PCA降维，最后利用Semi-NMF聚类得到最终变化检测结果。通过与本文前面两种算法的比较可以看到该算法具有很高的检

6、测精度，并且通过与K—means聚类结果的对比，体现出Semi-NMF聚类的准确性。本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均己在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。学位论文作者签名：臻恕日期：叫Ⅵ(．2}西南交通大学硕士研究生学位论文第1页摘要遥感图像的变化检测是通过对同一地区不同时期中两幅或多幅遥感图像进行比较分析，得

7、到图像之间变化信息的一项遥感技术的应用，它目前己广泛地应用于经济和国防建设等诸多领域。非负矩阵分解(NonnegativeMatrixFactorization，NMF)算法是国际上新近提出的一种矩阵分解方法，是一种很重要的矩阵降维技术。NMF的应用领域十分广泛，如图像处理，计算机视觉，文本分析等。本文尝试将NMF运用于遥感图像的变化检测当中。主要包括以下三个内容：(1)NMF对差异图的融合。一般的变化检测常常以单一的差异图作为研究对象，而一幅差异图往往存在局限性，针对这个问题本文提出一种使用NMF融合的变化检测

8、方法，将SAR图像的对数比值图与MRD算子图融合，将光学图像的差值图与t检验图融合。通过仿真实验得到了较好的效果，并与现有的几种变化检测方法对比，验证了该方法的有效性。(2)基于重点关注区域的变化检测。为了降低噪声干扰引起的虚警率，以及变化信息幅度弱引起的漏检率，本文采用确定重点关注区域的方法来做变化检测。首先运用灰度共生矩阵产生差异图的纹理图像，由于方差纹理能凸显变化区