QQ客服 官方微博 反馈留言

题名	基于信息熵的合成孔径雷达图像水体变化检测
作者	彭文辉
学位类别	工学硕士
答辩日期	2004-06-01
授予单位	中国科学院研究生院
授予地点	中国科学院自动化研究所
导师	普林特
关键词	遥感 合成孔径雷达 变化检测 阈值 信息熵 Remote sensing Synthetic Aperture Radar Change detecion Threshold Information entroy
其他题名	Change Detection Based on Entropy Information : Application to Flood Analysis from Synthetic Aperture Radar Images
学位专业	模式识别与智能系统
中文摘要	变化检测是遥感图像处理中较为活跃的研究方向，通过对在不同时期获取 的对应同一地区的多幅遥感图像进行比较分析，提取地物的动态变化信息，可 以实现对大范围区域内的动态监测。目前变化检测技术广泛应用于地物覆盖与 利用、自然灾害监控、城区规划和地图更新等领域。合成孔径雷达(SAR)作 为一种主动式传感器，具有全天候、全天时成像的特性，为检测水体或土壤湿 度的变化提供了极好的数据源。 本文的目标是实现多时相合成孔径雷达(SAR)图像上水体变化的自动检 测。给定两幅覆盖同一地区、在不同时间获取的SAR图像，要自动检测出图像 中发生的变化，其中变化定义为给定像素或区域的灰度值随时间出现显著差 异。可以看到，变化检测问题可看作是差值图像的二值分类问题：通过阈值的 方法将差值图像分成变化与非变化两类，其中差值图像由两幅原始图像直接相 减得到。基于信息熵，本文提出了以下两种不同的方法： l、假设最优阈值对应差值图像二值分类后的熵最大：首先，基于一种合 理的假设，即差值图像中具有较大灰度值的像素属于变化类别的可能性较大， 这样，对像素灰度值作概率划分，定义变化与非变化类别条件概率分布，然后 采用非线性函数拟合变化类别与非变化类别的概率分布，最后基于最大化差值 图像二值分类后熵准则，得到非线性函数参数的最优估计，从而获得最优闽值， 实现对差值图像的二值分类； 2、认为全局单阈值仅能提供一个粗略的二值分类，而在这两类别中存在 一些不能确定的像素。首先由基于模糊熵的单阈值法得到最初的二值分类，基 于一定的置信度取两类别中间的像素生成不确定的类别，这样，差值图像被分 成变化、非变化和不能确定三类；然后，结合区阈信息，对这些不能确定的像 素的灰度值进行重新确认，并再次划分形成变化与非变化两类，从而得到最终 的二值变化图像。 最后，结合SAR图像上水体的特征，经后处理识别并确认二值变化图像上 由水体引起的变化，这样即实现了水体变化的自动检测。
英文摘要	Change detection is the process of identifying difference of state of an object or phenomenon, by observing it at different times. It is one important research direction in remote sensing image analysis. Applications are as diverse as land cover/land use change analysis, disaster monitoring and damage assessment, digital map updating, etc. Synthetic Aperture Radar (SAR) imaging technique can acquire images despite of the weather condition, which make SAR images the most appropriate data for water or soil moisture detection. The objective of the present work is to define new automatic algorithm for water change detection from multi-temporal SAR images. Given two SAR images acquired at different times and covering a given region, and assuming that change is basically defined by large intensity difference at a given pixel or region, the problem is seen as a 2 classes classification process performed on the difference image, which is produced by subtracting two original images pixel by pixel. In other words, it is an automatic thresholding problem. We propose in this work two different approaches based on the principle of information theory: the first approach stipulates that the best global threshold should maximise the total entropy over the difference image with two classes: according to the assumption that pixels with large gray value in the difference image likely belong to the change class, we use nonlinear function as the probabily distribution functions of 'change pixels' and 'non change pixels'; therefore, based on the entropy principle, a unique optimal threshold is then computed ; the second original approach claims that global intensity thresholding can only provide a rough classification and that there exists a set of points for which the class is, at first, 'uncertained'. By integrating regional (spatial) information and basic prior knowledge, we can level the ambiguity and achieve the final classification. We obtain then a 'localised' classification. Finally, combined with the radiometric property of water body in SAR image, we propose some strategies to identify and verify the change produced by water. Experimental results indicate both methods give good performances.
语种	中文
其他标识符	772
内容类型	学位论文
源URL	[http://ir.ia.ac.cn/handle/173211/6760]
专题	毕业生_硕士学位论文
推荐引用方式 GB/T 7714	彭文辉. 基于信息熵的合成孔径雷达图像水体变化检测[D]. 中国科学院自动化研究所. 中国科学院研究生院. 2004.

个性服务

查看访问统计

相关权益政策

暂无数据

收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。