导读:本文包含了图像变化检测论文开题报告文献综述及选题提纲参考文献，主要关键词:变化检测,孪生网络,合成孔径雷达图像
图像变化检测论文文献综述
陈佳伟,丁凡,王蓉芳,宋笑雪[1]（2019）在《基于孪生卷积网络的SAR图像变化检测》一文中研究指出SAR图像检测容易受到相干斑噪声的干扰,传统的基于差异图的变化检测算法难以获取变化区域鲁棒的差异信息,进而影响了变化检测的精度。为了解决该问题,文中提出一种基于孪生卷积网络的多时相SAR图像变化检测算法。该算法由两支路卷积网络构成,每一支路卷积网络用于提取某一时相SAR图像的特征。然后将两时相的SAR图像特征输入由测度函数构成的差异信息提取层,从而获得两时相SAR图像的差异信息。我们用两组黄河地区的两时相SAR图像来验证所提出的算法,实验结果表明,相对于传统差异图的变化检测算法,文中所提出的算法能获得更好的效果。(本文来源于《咸阳师范学院学报》期刊2019年06期）
赵生银,安如,朱美如[2]（2019）在《联合像元-深度-对象特征的遥感图像城市变化检测》一文中研究指出特征空间的构建和优化对遥感图像识别能力的提高具有重要作用。针对面向对象方法对波段光谱信息利用不足,以及像元识别法无法充分利用图像空间几何等信息的问题,本文建立了新颖的联合像素级和对象级特征的航摄遥感图像城市变化检测方法。首先,充分利用像素级和对象级特征的优势,建立考虑光谱、指数、纹理、几何、表面高度及神经网络深度特征的特征空间;然后,引入LightGBM(light gradient boosting machine)算法对大量特征进行选择研究;最后,采用随机森林识别器对宜兴市2012年和2015年两期遥感图像进行识别,利用变化矩阵进行城市的变化检测。结果表明:联合像元、深度、对象特征和LightGBM特征选择算法的识别效果最好,平均的总体识别精度达到了88.50%,Kappa系数达到0.86,比基于像元、深度或对象特征的识别方法分别提高了10.50%、15.00%和4.00%;城市变化检测精度达到了87.50%。因此,本文方法是利用甚高分辨率航摄遥感图像进行城市变化的检测的有效方法。(本文来源于《测绘学报》期刊2019年11期）
傅迎华,李江,潘东艳,王国政,付东翔[3]（2019）在《基于稀疏表示的视网膜图像对变化检测》一文中研究指出视网膜图像对变化检测主要研究两个不同时间点所采集到图像的变化情况。图像间的亮度差异及解剖结构与病灶的亮度相似性,使得基于逐点对比的差分方法或商方法很难准确检测变化区域。针对光照干扰问题,提出对光照具有鲁棒性的稀疏表示(SRC)变化检测方法。SRC方法先抽取参考图像局部区域块构建字典,再通过稀疏表示重构当前图像的局部背景块,最后利用背景相减获得变化区域。通过该方法,图像对的亮度差异可用稀疏表示系数自动调整,而基于块的方式可过滤掉局部光照,更有效地检测出变化区域。SRC方法与其他检测方法结合,可以增加检测结果的准确性。实验根据一对来自DRIVE数据集的小病灶仿真数据,SRC方法的AUC和mAP值分别为0.986和0.865;对一对采集自临床的大病灶数据,SRC与迭代鲁棒同态曲面拟合(IRHSF)校正结合方法的AUC和mAP值分别达到了0.989和0.969。实验结果表明,SRC方法比RPCA方法对局部光照鲁棒性更强,比基于逐点的比较差分方法更多地考虑局部邻域信息,能够更有效地检测出变化区域。(本文来源于《中国生物医学工程学报》期刊2019年05期）
杨佳豪,董静静,袁彤,何雨恒,杨丹[4]（2019）在《一种基于图像邻域灰度变化的角点检测改进方法》一文中研究指出针对经典角点检测算法存在角点检测准确性或抗噪性不佳的问题,根据常见的X型、T型、Y型3类角点的分布特点,提出一种基于图像邻域灰度变化的角点检测改进方法。首先利用图像灰度变化自相关性,初筛角点。然后采用USAN(Univalue Segment Assimilating Nucleus)模板遍历筛选角点集,基于模板内的分布离散度,进行角点二次定位。最后采用非极大值抑制法,精准定位角点。采用模拟几何图像和真实图像进行角点检测,并与Harris算法、SUSAN算法和基于灰度差分与模板的Harris角点检测算法对比。结果表明,本文改进算法的角点检测准确性(ACU)和一致性(CCN)均有明显提升,具有较好的综合检测性能。(本文来源于《纺织高校基础科学学报》期刊2019年03期）
黄晨霞,殷君君,杨健[5]（2019）在《基于l_1范数主成分分析的极化SAR图像变化检测》一文中研究指出为提高极化合成孔径雷达(synthetic aperture radar,SAR)图像变化检测算法的鲁棒性以及检测精度,提出基于范数主成分分析(linorm principal component analysis,l_1-PCA)模型的变化检测算法。首先,采用基于Hotelling-Lawley复矩阵迹变化检测算子构造差异图;其次,采用l_1-PCA模型获取差异图的变化信息,使得每个像素以一个特征向量来表示;最后,使用k-means算法对变化信息进行聚类,得到变化检测结果。该方法是一种非监督变化检测方法,相比于基于2范数的PCA检测方法,l_1-PCA在特征提取方面具有更高的鲁棒性,并且可以进一步提高变化检测精度。基于RADARSAT-2卫星获取的3幅图像进行的实验结果表明,相较于其他两种典型算法,所提算法更加稳定,精确度更高。(本文来源于《系统工程与电子技术》期刊2019年10期）
刘陆洋,贾振红,杨杰,Nikola,Kasabov[6]（2019）在《利用双差异图和PCA的SAR图像变化检测》一文中研究指出为减少噪声对SAR图像变化检测分类结果的影响,提高最终的检测精度,提出一种结合双差异图与PCA-FCM的SAR图像的变化检测算法。通过对数比法和均值比法得到同一地区的两幅差异图,两幅差异图通过合成规则得到最终的差异图,将合成的差异图分成不重迭的块,利用主成分分析(PCA)提取特征向量,将合成差异图中每个像素用映射到特征向量空间的向量表示,使用模糊C均值聚类对每个像素的向量聚类分为变化类和未变化类。实验结果表明,该方法降低了噪声对检测结果的影响,提高了变化检测的精度。(本文来源于《计算机工程与设计》期刊2019年07期）
胡克军[7]（2019）在《二次分类在SAR图像变化检测中的应用》一文中研究指出在当今大数据时代背景下,高CPU及GPU等高性能计算机越来越普遍。利用计算机进行图形图像处理已不再受存储空间和计算处理能力的限制。随着全球经济飞速发展,城市化进程加快,每天都会有新的高楼拔地而起,城市化进程的基础设施不断完善,由此而带来的土地资源扩张,土地使用范围也在不断地发生变化。同样,受全球气候变暖以及其他因素的影响,洪水、泥石流、山体塌方、地震等自然灾害频发。突发事件导致某一区域会在短时间内发生剧烈的变化。因此,如何利用卫星影像对变化区域做出准确检测具有重要的实践作用。为了利用高性能计算机对所发生变化区域的卫星遥感影像做出精准的检测,解决检测效果不理想的问题,本文提出了一种基于引导图像滤波器及再分类策略的方法。该方法主要包括以下四个步骤:由于原始合成孔径雷达所拍摄的卫星遥感影像有很大的噪声,对后期检测结果具有重要的影响,因此,首先使用Lee滤波器对原始的SAR卫星遥感影像进行去噪声处理;其次,利用近邻比率算子产生差分图像,并使用引导图像滤波器对生成的差分图做增强处理;再次,利用模糊C均值聚类算法进行初次分类;最后利用极限学习机进行二次分类,保证最终分类结果的准确性。本文所做的工作和创新如下:1.针对传统SAR图像变化检测模型对卫星遥感影像边缘检测不够重视,最终影响变化检测结果的准确性和精准性问题,本文提出使用一种新的滤波器——引导图像滤波器,实现差分图像增强并进行边缘保持。与传统的滤波器相比,其在线性时间复杂度内进行滤波处理且其滤波处理速度快。首先,利用近邻比率算子产生差分图像;其次,利用引导图像滤波器对所产生的差分图像进行图像增强处理及边缘保持。通过以上两步可以保证分类结果的精准性。2.为了进一步提高分类结果的准确性,本文提出使用极限学习机作为二次分类器,其在很短的时间内就能够实现自主学习和高效分类。首先利用模糊C均值聚类算法对产生的差分图像进行初次分类,核心是将去除噪声的差分图像按照像素进行聚类,将差分图像的像素点分为叁类,即变化类别、未变化类别和模糊类别;然后将经过模糊C均值聚类算法所产生的变化类别和未变化类别像素点输入极限学习机中,对极限学习机进行训练,从而得到训练好的分类器。再次,将模糊C均值聚类算法产生模糊类别输入到训练好的极限学习机分类器中,对模糊类别进行二次分类,并最终将模糊类别细分为变化类别和未变化类别。由此,得到了最终的分类结果,并验证了最终分类结果的准确性。3.提出一种基于引导图像滤波器及再分类策略的SAR图像变化检测模型。主要包含引导图像滤波器实现差分图像增强及极限学习机实现二次分类。通过以上两个模以实块可现有效的SAR图像变化检测。(本文来源于《山东师范大学》期刊2019-06-10）
张凯[8]（2019）在《基于深度神经网络的Landsat遥感图像时序变化检测》一文中研究指出Landsat数据因具有悠久的历史和相对较高的空间分辨率,已被用于研究地球表面如何变化几十年。及时准确地检测地球表面特征能够帮助人们理解人与自然现象之间的关系和相互作用,可以促进更好的决策和发展。目前虽然在监测和探测环境变化方面已经有很多成功的应用案例,但是在应用多时间图像获取地球环境和人类活动的及时信息方面仍存在着巨大的挑战。但值得注意的是,近年来,通过开发新的平台和传感器,克服技术障碍取得了很大进展,并且大量历史图像档案的广泛可用性也使长期的变化检测和建模成为可能。这一进展促使人们进一步研究开发更先进的图像处理方法和处理时间序列图像数据的新方法。因此,本文将借助深度神经网络算法展开相关研究。因此本文的研究目标如下:1、本文提出了一种基于MDP为循环核心的深度增强学习优化算法,旨在对被优化神经网络进行自动优化,加快神经网络训练过程,帮助神经网络跳出局部最优点。2、针对Landsat遥感图像中存在云及云阴影影响了Landsat遥感图像的可用性,本文提出了一种基于空间语义感知的云检测及去除方法。实现了端到端的自动化云检测及去除。3、本文提出了一种基于多目标语义分割神经网络的Landsat遥感图像时间序列变化检测算法,实现了对Landsat遥感图像中多目标同时检测,并相较于以往算法,有优异的检测精度。(本文来源于《山东师范大学》期刊2019-06-10）
娄雪梅[9]（2019）在《基于SAR图像的变化检测算法研究》一文中研究指出遥感图像的变化检测,是定量分析同一区域不同时间段的两幅遥感图像,从而获得两幅遥感图像之间的变化信息。合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动遥感技术,具有全方位,高分辨率,大面积覆盖的优点,它可以穿透覆盖物识别伪装,从而准确获取地面变化信息。因此,可以广泛利用于军事勘测与侦察,国土资源监测以及城市规划等方面。然而,SAR图像变化检测技术在当前的实际应用中仍面临诸多挑战,如:如何降低SAR图像噪声;如何在同一区域内准确获取不同时间SAR图像的差异图像;如何正确实现差异图像的分类;以及如何更准确地评估变化检测算法的性能。因此,研究SAR图像变化检测算法对于人们的现实生活具有重要意义。本文研究的目的是为了进一步改善提高SAR图像变化检测算法,提高检测结果的准确率。研究内容主要围绕如何降低SAR图像的原始噪声、如何获取较多信息的差异图像、如何对检测结果精确分类以及如何进行算法性能评估等方面而展开,并取得了如下的研究成果:1.提出了一种基于ROF模型半隐式去噪的SAR图像变化检测算法。首先,我们利用对数变换把SAR图像中的乘性斑点噪声转换为加性噪声;其次,利用半隐式差分格式求解ROF模型对噪声图像进行去噪;再利用差值法获取两幅遥感图像的差异信息得到差异图像;最后,采用模糊C均值FCM聚类算法对差值法获取的差异图像进行聚类,把最终的变化检测结果为变化类和未变化类。通过实验验证,本文算法进一步提高了SAR图像变化检测的检测效率,平衡了检测精度和运行时间。2.提出了一种基于ROF模型半隐式去噪和PCA融合的SAR图像变化检测。首先利用半隐式差分格式求解ROF模型对含噪声图像的进行去噪;其次,利用对数比值法和邻域比值法进行差异图像获取;再利用PCA融合算法对对数比值差异图和均值比值差异图进行差异图像融合,得到融合后的最终差异图像;最后利用模糊局部信息C均值聚类FLICM对最终的PCA融合后的差异图像进行聚类,把最终的变化检测结果为变化类和未变化类。通过实验验证,本文算法提高了变化区域的检测准确度,减少了检测算法整体的运行时间。(本文来源于《新疆大学》期刊2019-06-01）
郭梦媛[10]（2019）在《基于堆栈式神经网络的SAR图像变化检测方法》一文中研究指出遥感图像变化检测技术在环境检测、地理研究、工业生产和军事打击等领域的广泛应用使得该课题得到了学者们充分的重视。合成孔径雷达(Synthetic aperture radar,SAR)因其具有全天候监测日夜成像、覆盖面积广和分辨率高的特性,在处理环境恶化、城市变迁等实际问题上有着重要的实用价值。变化检测技术发展的方向是努力克服外部不利条件,有效区分出遥感图像中的变化区域。堆栈式神经网络能对图像的深度信息进行抽取,使变化检测结果达到更高的分类精度,是近年来的热门研究对象。针对SAR图像变化检测二分类任务,本文主要研究基于像素信息和堆栈式神经网络的变化检测方法,对传统变化检测流程中生成和分析差异图这两个步骤分别作出改进,并利用堆栈式神经网络提出一种新的变化检测框架。研究进展如下:1.提出了一种基于改进邻域比值和堆栈自编码器的变化检测方法。对邻域比值算法增加对数约束,构造出质量更好的差异图,以减少乘性噪声对图像的干扰;用堆栈自编码器分析差异图,修复上一步中不准确的分类区域。该方法去噪效果较好,变化区域的轮廓边缘信息也得到了很好的保留,在两个数据集上产生的变化检测图与参考图的一致性最高。2.提出了一种基于堆栈式神经网络特征提取和映射的变化检测方法。把原始图像输入神经网络来训练,省去了传统变化检测流程中预处理和构造差异图的步骤,是完全基于图像深度特征匹配、分析和分类的变化检测方法。通过对两个神经网络合理的参数设置,提高了变化检测的精确度。利用堆栈式神经网络能提取和组合出更鲁棒的图像特征,有效避免了相干斑噪声和非均衡信息对图像的破坏。(本文来源于《西北大学》期刊2019-06-01）
图像变化检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
特征空间的构建和优化对遥感图像识别能力的提高具有重要作用。针对面向对象方法对波段光谱信息利用不足,以及像元识别法无法充分利用图像空间几何等信息的问题,本文建立了新颖的联合像素级和对象级特征的航摄遥感图像城市变化检测方法。首先,充分利用像素级和对象级特征的优势,建立考虑光谱、指数、纹理、几何、表面高度及神经网络深度特征的特征空间;然后,引入LightGBM(light gradient boosting machine)算法对大量特征进行选择研究;最后,采用随机森林识别器对宜兴市2012年和2015年两期遥感图像进行识别,利用变化矩阵进行城市的变化检测。结果表明:联合像元、深度、对象特征和LightGBM特征选择算法的识别效果最好,平均的总体识别精度达到了88.50%,Kappa系数达到0.86,比基于像元、深度或对象特征的识别方法分别提高了10.50%、15.00%和4.00%;城市变化检测精度达到了87.50%。因此,本文方法是利用甚高分辨率航摄遥感图像进行城市变化的检测的有效方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图像变化检测论文参考文献
[1].陈佳伟,丁凡,王蓉芳,宋笑雪.基于孪生卷积网络的SAR图像变化检测[J].咸阳师范学院学报.2019
[2].赵生银,安如,朱美如.联合像元-深度-对象特征的遥感图像城市变化检测[J].测绘学报.2019
[3].傅迎华,李江,潘东艳,王国政,付东翔.基于稀疏表示的视网膜图像对变化检测[J].中国生物医学工程学报.2019
[4].杨佳豪,董静静,袁彤,何雨恒,杨丹.一种基于图像邻域灰度变化的角点检测改进方法[J].纺织高校基础科学学报.2019
[5].黄晨霞,殷君君,杨健.基于l_1范数主成分分析的极化SAR图像变化检测[J].系统工程与电子技术.2019
[6].刘陆洋,贾振红,杨杰,Nikola,Kasabov.利用双差异图和PCA的SAR图像变化检测[J].计算机工程与设计.2019
[7].胡克军.二次分类在SAR图像变化检测中的应用[D].山东师范大学.2019
[8].张凯.基于深度神经网络的Landsat遥感图像时序变化检测[D].山东师范大学.2019
[9].娄雪梅.基于SAR图像的变化检测算法研究[D].新疆大学.2019
[10].郭梦媛.基于堆栈式神经网络的SAR图像变化检测方法[D].西北大学.2019