發(fā)布時間：2020-11-12 02:18

　　 遙感影像以大范圍、短重復周期對地觀測的特點成為地表/森林覆蓋變化檢測應用的重要數(shù)據(jù)來源。在多云雨的森林覆蓋區(qū)域,合成孔徑雷達(SAR)可有效彌補光學影像的局限性,實現(xiàn)全天時、全天候?qū)Φ赜^測。我國星載SAR遙感觀測和應用技術(shù)研究發(fā)展迅速。目前在軌的高分三號是一顆具有高重復頻率,可獲取不同空間分辨率多極化數(shù)據(jù)的C波段SAR衛(wèi)星,在區(qū)域森林資源動態(tài)變化監(jiān)測方面具有獨特的優(yōu)勢。但目前多極化SAR變化檢測方法多針對地表覆蓋變化檢測,雖有少數(shù)“森林覆蓋”變化檢測研究報道,但都是采用已有森林/非森林覆蓋圖對“土地覆蓋”變化檢測結(jié)果直接進行掩模處理的方法,缺乏系統(tǒng)深入的針對“森林覆蓋”變化檢測的研究。開展相關研究不僅迫在眉睫,而且可為我國衛(wèi)星SAR森林資源動態(tài)監(jiān)測業(yè)務化應用提供技術(shù)支撐,具有重要應用價值。本研究以覆蓋遜克縣北部區(qū)域的兩個時相的雙極化(HH、HV)ALOS PALSAR數(shù)據(jù)為研究區(qū),對和PALSAR成像時間接近的兩期Landsat-5和Google Earth影像進行目視解譯得到森林覆蓋變化參考圖,用于對本文所研發(fā)方法的檢驗。研究實現(xiàn)了5種“土地覆蓋”變化檢測方法,包括OTSU、LN-GKIT、WR-GKIT和N R-GKIT等4種自動確定閾值的方法和1種基于最大似然分類(MLC)的方法;進而嘗試了通過對兩期SAR影像的HV極化進行森林-非森林分類,提取出非森林覆蓋圖,實現(xiàn)“森林覆蓋”變化檢測的思路。對以上5種方法進行了實驗,精度評價結(jié)果表明,這幾種基于單極化SAR的森林覆蓋變化檢測方法的精度較差,虛警率和漏警率難以同時達到較低的水平,LN-GKIT、WR-GKIT閾值分割法是檢測性能相對較好的方法。發(fā)展了一種將“基于分類的森林覆蓋變化檢測”與“貝葉斯最大期望算法-馬爾科夫隨機場(EM-MRF)分類”相結(jié)合的多極化SAR森林覆蓋變化檢測方法(EM-MRF-FC)。該方法采用閾值分割法分別對兩期多極化SAR影像進行森林-非森林分類,得到初始森林覆蓋變化圖(IFCM),作為后續(xù)對多極化比值影像進行Fisher變換和EM-MRF分類的訓練樣本數(shù)據(jù)。將像元類條件概率與馬爾科夫隨機場(MRF)中的勢函數(shù)通過一定的權(quán)重結(jié)合在一起,組成馬爾科夫能量函數(shù),從而計算出森林覆蓋變化、未變化像元的類別后驗概率,根據(jù)最大后驗概率準則確定像元的類別屬性,滿足條件后停止迭代運算。實驗驗證結(jié)果表明:EM-MRF-FC綜合利用了雙極化信息,并通過空間上下文信息的提取減輕了斑點噪聲等因素對森林覆蓋變化檢測的影響,檢測性能優(yōu)于非森林覆蓋圖(NFM)與EM-MRF-LC變化檢測結(jié)果直接掩模法(EM-MRF-LC-NFM)和森林-非森林分類后變化檢測方法(CBFC);所提取的森林覆蓋變化區(qū)域面積及分布輪廓與參考數(shù)據(jù)最接近,虛警率(0.87%)和漏警率(12.44%)同時保持在較低的水平;而且該方法只需要初始的森林覆蓋變化圖作為輸入,具有半自動化的特點。
【學位單位】：中國林業(yè)科學研究院
【學位級別】：碩士
【學位年份】：2017
【中圖分類】：S771
【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢
        1.2.1 基于像元的SAR變化檢測
        1.2.2 基于對象的SAR變化檢測
        1.2.3 SAR森林覆蓋變化檢測難點分析
    1.3 研究目標和研究內(nèi)容
        1.3.1 研究目標
        1.3.2 研究內(nèi)容
    1.4 技術(shù)路線
    1.5 論文結(jié)構(gòu)
第二章 實驗區(qū)及數(shù)據(jù)預處理
    2.1 實驗區(qū)概況
    2.2 雙極化SAR遙感數(shù)據(jù)
    2.3 雙時相雙極化PALSAR數(shù)據(jù)預處理
    2.4 變化檢測精度評價參考圖
    2.5 精度檢驗方法
    2.6 本章小結(jié)
第三章 MRF模型基本理論
    3.1 馬爾科夫隨機場理論框架
    3.2 馬爾科夫隨機場常用模型
        3.2.1 Ising模型
        3.2.2 Potts模型
        3.2.3 MLL模型
        3.2.4 多尺度MRF模型
    3.3 參數(shù)估計
        3.3.1 極大似然估計
        3.3.2 最大偽似然估計
        3.3.3 最大期望估計
    3.4 本章小結(jié)
第四章 單極化SAR森林覆蓋變化檢測
    4.1 最大類間方差法
    4.2 KI算法
        4.2.1 LN-GKIT
        4.2.2 NR-GKIT
        4.2.3 WR-GKIT
    4.3 基于MLC的變化檢測
    4.4 實驗與分析
        4.4.1 地表覆蓋類型變化檢測實驗
        4.4.2 非森林覆蓋信息提取
        4.4.3 森林覆蓋變化信息提取及精度檢驗
    4.5 本章小結(jié)
第五章 多極化SAR森林覆蓋變化檢測方法
    5.1 Fisher特征變換
    5.2 Fisher森林覆蓋變化檢測
    5.3 EM-MRF-LC
    5.4 EM-MRF-FC
    5.5 EM-MRF-FC有效性驗證
    5.6 本章小結(jié)
第六章 結(jié)論與討論
    6.1 結(jié)論
    6.2 討論
參考文獻
在讀期間的學術(shù)研究
致謝

【參考文獻】

相關期刊論文 前10條

1 王緯華;江濤;張永紅;康永輝;;基于高分SAR影像的城市用地變化檢測[J];測繪與空間地理信息;2016年07期

2 全斯農(nóng);崔瑩;熊博蒞;匡綱要;;利用多尺度融合的SAR圖像變化檢測方法[J];信號處理;2016年04期

3 孫佩軍;張錦水;潘耀忠;謝登峰;袁周米琪;;構(gòu)建時空融合模型進行水稻遙感識別[J];遙感學報;2016年02期

4 莊會富;鄧喀中;范洪冬;;紋理特征向量與最大化熵法相結(jié)合的SAR影像非監(jiān)督變化檢測[J];測繪學報;2016年03期

5 劉妍;徐德偉;李立;黃平平;楊文;;結(jié)合強度和相干信息的多閾值SAR影像變化檢測[J];信號處理;2015年11期

6 陳玲艷;劉智;張紅;;基于水體散射特性的SAR圖像水體檢測[J];遙感技術(shù)與應用;2014年06期

7 崔瑩;熊博蒞;蔣詠梅;匡綱要;;結(jié)合結(jié)構(gòu)相似度的自適應多尺度SAR圖像變化檢測[J];中國圖象圖形學報;2014年10期

8 張永紅;張現(xiàn)峰;付姣;金姍姍;;一種基于極化距離測度的SAR變化檢測方法[J];測繪學報;2014年02期

9 魏立飛;鐘燕飛;張良培;李平湘;;多波段信息融合的遙感影像變化檢測[J];武漢大學學報(信息科學版);2014年01期

10 杜培軍;柳思聰;;融合多特征的遙感影像變化檢測[J];遙感學報;2012年04期

相關博士學位論文 前3條

1 董錫超;面向熱帶雨林的多維度SAR毀林檢測技術(shù)研究[D];北京理工大學;2014年

2 張斌;基于MRF的SAR圖像分類與變化檢測應用研究[D];武漢大學;2013年

3 孫曉霞;基于多極化SAR影像的土地利用/土地覆蓋變化檢測方法研究[D];中國礦業(yè)大學;2011年

相關碩士學位論文 前5條

1 王亞飛;SAR影像時間序列支持下的耕地和建設用地信息提取與監(jiān)測技術(shù)[D];南京大學;2014年

2 叢潤民;極化SAR圖像變化檢測算法研究[D];中國民航大學;2014年

3 沈蕾;基于廣義Gamma分布的SAR圖像變化檢測[D];西南交通大學;2013年

4 王虎清;基于廣義Gamma混合模型的遙感圖像變化檢測研究[D];西南交通大學;2012年

5 張鳳玉;遙感圖像變化檢測方法研究[D];西安電子科技大學;2010年

本文編號：2880099