第1章 绪论 1
1.1 研究背景及意义 1
1.2 研究对象 1
1.3 变化检测方法及存在问题 2
1.3.1 变化检测预处理 2
1.3.2 变化检测技术分类 3
1.3.3 精度评估 6
1.3.4 现有主要检测方法的局限性 7
1.4 Fisher判别分析 9
参考文献 10
第2章 基于小波域隐马尔可夫树模型的遥感图像变化检测 16
2.1 引言 16
2.2 二维离散小波变换原理 17
2.3 隐马尔可夫模型 19
2.4 基于小波域HMT模型的遥感图像变化检测算法 20
2.4.1 小波域差异影像的构成 20
2.4.2 基于双高斯混合模型的分割 20
2.4.3 HMT模型融合 22
2.5 实验结果分析与有效性验证 22
2.5.1 数据描述 23
2.5.2 实验结果 23
2.6 本章小结 28
参考文献 28
第3章 基于局部均值动态Fisher分类器的遥感图像变化检测 31
3.1 引言 31
3.2 均值漂移算法 32
3.3 Fisher判别分析原理 34
3.4 基于改进Fisher分类器的遥感图像变化检测 35
3.4.1 基于边缘检测的样本提取 35
3.4.2 基于局部均值Fisher分类器的判别 37
3.4.3 算法流程 39
3.5 对真实遥感图像的实验结果及分析 40
3.5.1 数据描述 40
3.5.2 实验结果 41
3.6 本章小结 45
参考文献 45
附录 46
第4章 基于非局部均值加权的动态模糊Fisher分类器的遥感图像变化检测 49
4.1 引言 49
4.2 模糊Fisher判别分析 49
4.3 基于非局部均值加权的动态模糊Fisher分类器的变化检测 51
4.3.1 预分割变化检测图 51
4.3.2 非局部均值加权 52
4.3.3 动态FFDA判别 53
4.3.4 算法流程 54
4.4 对真实遥感图像的实验结果及分析 55
4.4.1 数据描述 55
4.4.2 实验结果 56
4.5 本章小结 59
参考文献 60
附录 61
第5章 基于小波域Fisher分类器的SAR图像变化检测 64
5.1 引言 64
5.2 小波域Fisher分类器变化检测过程 65
5.2.1 多层预分割变化检测图 65
5.2.2 小波域Fisher分类器训练 67
5.2.3 基于空间邻域关系和上下文关系的融合 69
5.3 参数设置及实验对比 70
5.3.1 实验设置 70
5.3.2 Bern实验数据 71
5.3.3 Ottawa实验数据 75
5.4 本章小结 77
参考文献 78
附录 79
第6章 基于神经网络和非局部均值加权的SAR图像变化检测 82
6.1 引言 82
6.2 BP神经网络原理 83
6.3 联合特征向量构成 84
6.4 基于神经网络的SAR图像变化检测 85
6.4.1 非局部均值加权 85
6.4.2 算法实现 86
6.5 实验结果分析及有效性验证 88
6.5.1 Bern试验数据 88
6.5.2 Ottawa实验数据 91
6.6 本章小结 94
参考文献 94
第7章 基于块相似性度量模型的SAR图像变化检测 96
7.1 引言 96
7.2 变化检测框架及研究动机 97
7.2.1 从SAR图像比值分布到变化检测 97
7.2.2 待解决的问题及研究动机 99
7.3 基于相似性度量的CFAR变化检测 100
7.3.1 降斑：SAR-DNS滤波器 100
7.3.2 估计等效视数 102
7.3.3 阈值与虚警概率 104
7.4 实验结果分析 104
7.4.1 评价指标 104
7.4.2 在合成SAR图像上的实验结果分析 104
7.4.3 在真实SAR图像上的实验结果分析 106
7.5 本章小结 109
参考文献 109
附录 111
第8章 基于双噪声相似性度量和极化机理的PolSAR变化检测 113
8.1 引言 113
8.2 PolSAR-DNS框架 114
8.2.1 PolSAR数据的统计分布模型 114
8.2.2 从DNS到PolSAR-DNS 115
8.3 基于PolSAR-DNS的极化SAR降斑 116
8.3.1 PolSAR-DNS非局部均值滤波器 116
8.3.2 基于PolSAR-DNS的极化SAR降斑实验分析 117
8.4 基于PolSAR-DNS的极化SAR变化检测 120
8.4.1 PolSAR-DNS变化检测算法 120
8.4.2 基于PolSAR-DNS的极化SAR变化检测实验分析 121
8.5 本章小结 127
参考文献 127
第9章 基于多层判别式Fisher自编码器的SAR图像变化检测 129
9.1 引言 129
9.2 SAR斑点噪声的统计模型与研究动机 130
9.3 基于栈式自编码器的SAR变化检测 132
9.3.1 栈式自编码器 132
9.3.2 基于栈式自编码器的SAR变化检测算法 133
9.4 实验与结果分析 137
9.4.1 参数设置 137
9.4.2 单极化SAR图像的实验分析 138
9.4.3 PolSAR数据的实验分析 141
9.5 本章小结 144
参考文献 144
附录 146
第10章 基于交互式分割技术和决策级融合的SAR图像变化检测 148
10.1 引言 148
10.2 交互式分割技术 148
10.3 基于交互式分割技术和决策级融合的变化检测算法 149
10.3.1 初始种子点的选取 150
10.3.2 获取不同尺度的差异图表示 150
10.3.3 设置特征 151
10.3.4 交互式分割技术分析差异图 151
10.3.5 决策级融合生成变化检测结果 152
10.4 实验设计 152
10.5 变化检测结果比较 153
10.5.1 参数分析 153
10.5.2 变化检测结果比较及分析 153
10.6 其他两组实验数据的变化检测结果 158
10.7 本章小结 160
参考文献 160
第11章 基于值域受限阈值和马尔可夫融合的SAR图像变化检测 161
11.1 引言 161
11.2 基于值域受限和马尔可夫融合的SAR图像变化检测算法 162
11.2.1 确定较难判断类别像素 162
11.2.2 值域受限地阈值分割差异图 164
11.2.3 基于MRF模型融合不同的阈值分割结果 165
11.3 变化检测结果及分析 166
11.3.1 实验结果 166
11.3.2 结果比较及分析 170
11.3.3 与前章节方法比较 170
11.4 其他两组实验数据的变化检测结果 170
11.5 本章小结 173
参考文献 173
第12章 在感兴趣的区域层面上进行的SAR图像变化检测 174
12.1 引言 174
12.2 传统引入空间关系的策略 175
12.2.1 基于马尔可夫随机场模型 175
12.2.2 基于马尔可夫随机场模型的融合策略 176
12.3 基于感兴趣区域引入空间关系 177
12.4 基于平稳小波变换和感兴趣区域的变化检测 179
12.4.1 获取抽取感兴趣区域标签Ls 180
12.4.2 实验设计 180
12.4.3 参数分析 181
12.4.4 变化检测结果比较及分析 183
12.4.5 时间复杂度比较 187
12.4.6 其他两组实验数据的变化检测结果 188
12.4.7 本节小结 190
12.5 基于SGKC算法和感兴趣区域的SAR图像变化检测 190
12.5.1 获取抽取感兴趣区域的标签 190
12.5.2 验证SGKC算法分类效果 191
12.5.3 参数分析 193
12.5.4 变化检测结果比较及分析 195
12.5.5 SWT+ROI与SGKC+ROI法的比较 199
12.5.6 其他两组真实SAR实验数据的变化检测结果 199
12.5.7 本节小结 202
12.6 本章小结 203
参考文献 203
第13章 基于模糊贴近度和过渡区域提取的SAR图像变化检测 205
13.1 引言 205
13.2 经典的差异图构造方法 205
13.2.1 比值法差异图 206
13.2.2 对数比值法差异图 206
13.2.3 区域均值法差异图 206
13.2.4 基于相似度测量的差异图构造 206
13.3 基于灰度差异抽取过渡区域 208
13.4 基于模糊贴近度和过渡区域提取的SAR图像变化检测方法 208
13.4.1 构造模糊贴近度差异图 209
13.4.2 改进的过渡区域抽取方法 209
13.4.3 借助感兴趣区域引入空间关系 212
13.5 变化检测结果比较与分析 213
13.5.1 实验设计 213
13.5.2 基于改进的过渡区域阈值处理不同差异图的结果比较 213
13.5.3 变化检测结果比较及分析 215
13.5.4 三种基于感兴趣区域（ROI）变化检测方法的性能比较 220
13.6 其他两组实验数据的变化检测结果 221
13.7 本章小结 224
参考文献 224
第14章 基于融合的混合型SAR图像变化检测 226
14.1 引言 226
14.2 基于融合的混合型SAR图像检测方法 227
14.2.1 在区域层面上分析差异图 228
14.2.2 在像素层面上分析差异图 230
14.2.3 基于区域增长融合策略生成最终的变化检测结果 233
14.3 变化检测结果比较及分析 234
14.4 其他两组实验数据的变化检测结果 239
14.5 本章小结 241
参考文献 241
第15章 基于免疫克隆优化的小波域遥感图像变化检测 243
15.1 引言 243
15.2 免疫克隆优化用于小波域遥感图像变化检测算法 244
15.2.1 小波域多层差异影像的构成 244
15.2.2 基于瑞利高斯模型的多层差异图像初始分割 244
15.2.3 基于免疫克隆算法的多层偏移插值调整 245
15.2.4 多层变化检测结果的融合 247
15.3 实验结果与分析 247
15.4 本章小结 254
参考文献 254
第16章 基于BBO优化的遥感图像变化检测 255
16.1 引言 255
16.2 BBO算法的基本原理 255
16.2.1 算法的初始化 255
16.2.2 算法的迁移操作 256
16.2.3 算法的变异操作 256
16.3 基于BBO算法的遥感图像变化检测 257
16.3.1 图像的预分割操作 257
16.3.2 基于BBO算法的遥感图像变化检测方法 257
16.4 实验结果与分析 258
16.5 本章小结 265
参考文献 265