● 摘要
变化检测是各种多时相遥感数据分析和应用的支撑技术，其目的是依据不同时间对同一区域获取的两幅或多幅遥感图像,确定该区域地表在该时间段所发生的变化，包括主题选择、数据选择、数据预处理、变化信息提取和精度评估五个主要步骤。虽然已经提出了很多变化检测方法，但是随着遥感技术的不断发展，出现了很多有待解决的新问题。因此，遥感变化检测技术目前仍是遥感研究中最为活跃的方向之一。当前，遥感图像变化检测方法研究主要集中在对面向高分辨率多光谱和SAR遥感数据的数据预处理、变化区域定位和变化类别信息提取上。本文着眼于图像配准、图像融合、变化区域定位等影响变化检测精度的关键技术展开研究工作，针对存在的问题提出了解决方法，主要工作和创新点总结如下：1. 提出了一种基于尺度不变特征和薄板样条插值模型的自动遥感图像配准方法。利用尺度不变特征对光照、视角、尺度变化的鲁棒性，实现多时相遥感图像的精确配准。针对遥感图像，特别是SAR模值图像的统计特点，提出了一种基于灰度直方图的预处理方法，有效提高了SIFT算法在遥感图像上的性能，显著增加了匹配点的个数；将薄板样条变换作配准模型，提出了一种基于非刚性形变贡献指数的错误控制点剔除算法，有效提高了自动配准的精度。2. 提出了一种亚像素级配准误差补偿方法。利用控制点间的配准残差，采用薄板样条插值模型，估计全局配准误差。通过位移补偿和梯度补偿两种方式，应对不同量级的配准误差。该方法仅与控制点和配准图像有关，可以作为预处理方法与各种类型的变化检测方法相结合，达到削弱配准误差，提高变化检测结果精度的目的。3. 提出了一种基于自适应线性模型和最快下降速度法的全色多光谱遥感图像融合算法。将传统线性模型与实际数据之间存在的差异引入线性模型，构建描述全色-多光谱图像之间关系的自适应模型，降低融合算法对全色-多光谱图像间线性相关性的依赖，结合上下文局部约束的思想，提出了基于最快下降速度法的融合算法，达到提高融合结果空间分辨率和光谱质量的目的。4. 提出了一种基于随机游走图像的非监督变化检测方法。将PCA变换应用于多光谱差分图像来增强其中的变化信息，提出了一种自适应的PCA主成分选择方法，能有效剔除噪声主成分；利用三变量高斯混合模型和高斯栈方法提取可靠的预标记像素集，通过随机游走图像标记方法，将差分图像的像素强度特征和空间结构特征相融合，达到准确定位变化区域的目的。