● 摘要
近些年来遥感技术发展非常迅速，许多领域开始利用遥感技术代替其传统的技术，变化检测就是其中一个重要的领域。目前遥感影像变化检测的应用范围正在日益扩大，它在各种不同的领域中都发挥着重要的作用,如土地覆盖变化监测、环境变迁动态监测、自然灾害监测、地震预警、防灾减灾等方面都有广泛的应用价值。特别是在遭遇重大的自然灾害情况下，如地震，如果能迅速发现灾害地区关键的变化并及时采取措施，将能大大减少这些自然灾害给人类生命和财产带来的巨大损失。
传统救援方式中，地震灾害发生后通常依靠人工进行现场勘探和救援，不但效率低，而且经常因为通信的中断延误最佳救援时间。伴随着遥感技术的快速发展，它在对各种灾害区域灾情的检测和评估工作上发挥着越来越关键的作用。特别在地震灾害中，对震前震后的遥感影像进行变化检测最重要的环节就是如何迅速有效的提取地震灾害变化情报。
论文基于海地地震灾害前后遥感影像，提出了一种针对复杂地形遥感影像的支持向量机与纹理特征相结合的变化检测方法，还针对支持向量机提出了一种新的参数选择方法，并将此新方法应用于海地地震前后遥感影像的变化检测中，得到了一些有意义的结果。
本文研究的主要内容如下：
1.介绍了遥感影像变化检测的基本含义，还介绍了它的特点以及它在震害灾区遥感影像中的应用，然后对传统的变化检测方法——主成分差值法进行了介绍，并将其应用在复杂地形的海地地震灾害前后的遥感影像变化检测中，然后简单介绍了支持向量机以及三种常用的纹理特征，针对传统变化检测方法不适用于复杂地形的震害灾区变化检测，最后提出了一种支持向量机与纹理特征相结合的针对复杂地形的震害灾区遥感影像变化检测方法流程，并通过对三种纹理特征结果的对比分析，选择出最适合复杂地形的纹理特征。
2.首先简单介绍了双线性搜索法、梯度下降法、网格搜索法等支持向量机参数选择方法，然后提出了一种新的支持向量机核参数选择方法——双线性共轭梯度法。首先针对一组特定训练集，用双线性搜索法选取最佳线性核惩罚参数，再将此惩罚参数代入线性搜索法方程中，对高斯核参数进行选优，再将选出的最优高斯核参数对代入共轭梯度法进行搜索，得出最终精确的高斯核参数选择结果。分别用本文方法、零初值共轭梯度法、经验初值共轭梯度法以及网格搜索法对三组UCI数据进行试验，最终对试验结果进行对比分析。
3.将本文提出的双线性共轭梯度法应用于海地地震灾害前后遥感影像的变化检测中。首先对震前震后图像进行图像配准，对配准后的两时相影像进行图像分割，再通过分割后图像提取训练样本，将训练样本以外的像素进行特征提取得到测试样本，将训练样本输入到双线性共轭梯度法流程中获取最佳核参数对，再将核参数对代入支持向量机中对测试样本进行分类，获取最终检测结果图。并将此检测结果图与之前取经验核参数对时所得的检测结果图进行对比分析。