多极化星载SAR森林覆盖变化检测方法研究

发布时间：2020-11-12 02:18

　　 遥感影像以大范围、短重复周期对地观测的特点成为地表/森林覆盖变化检测应用的重要数据来源。在多云雨的森林覆盖区域,合成孔径雷达(SAR)可有效弥补光学影像的局限性,实现全天时、全天候对地观测。我国星载SAR遥感观测和应用技术研究发展迅速。目前在轨的高分三号是一颗具有高重复频率,可获取不同空间分辨率多极化数据的C波段SAR卫星,在区域森林资源动态变化监测方面具有独特的优势。但目前多极化SAR变化检测方法多针对地表覆盖变化检测,虽有少数“森林覆盖”变化检测研究报道,但都是采用已有森林/非森林覆盖图对“土地覆盖”变化检测结果直接进行掩模处理的方法,缺乏系统深入的针对“森林覆盖”变化检测的研究。开展相关研究不仅迫在眉睫,而且可为我国卫星SAR森林资源动态监测业务化应用提供技术支撑,具有重要应用价值。本研究以覆盖逊克县北部区域的两个时相的双极化(HH、HV)ALOS PALSAR数据为研究区,对和PALSAR成像时间接近的两期Landsat-5和Google Earth影像进行目视解译得到森林覆盖变化参考图,用于对本文所研发方法的检验。研究实现了5种“土地覆盖”变化检测方法,包括OTSU、LN-GKIT、WR-GKIT和N R-GKIT等4种自动确定阈值的方法和1种基于最大似然分类(MLC)的方法;进而尝试了通过对两期SAR影像的HV极化进行森林-非森林分类,提取出非森林覆盖图,实现“森林覆盖”变化检测的思路。对以上5种方法进行了实验,精度评价结果表明,这几种基于单极化SAR的森林覆盖变化检测方法的精度较差,虚警率和漏警率难以同时达到较低的水平,LN-GKIT、WR-GKIT阈值分割法是检测性能相对较好的方法。发展了一种将“基于分类的森林覆盖变化检测”与“贝叶斯最大期望算法-马尔科夫随机场(EM-MRF)分类”相结合的多极化SAR森林覆盖变化检测方法(EM-MRF-FC)。该方法采用阈值分割法分别对两期多极化SAR影像进行森林-非森林分类,得到初始森林覆盖变化图(IFCM),作为后续对多极化比值影像进行Fisher变换和EM-MRF分类的训练样本数据。将像元类条件概率与马尔科夫随机场(MRF)中的势函数通过一定的权重结合在一起,组成马尔科夫能量函数,从而计算出森林覆盖变化、未变化像元的类别后验概率,根据最大后验概率准则确定像元的类别属性,满足条件后停止迭代运算。实验验证结果表明:EM-MRF-FC综合利用了双极化信息,并通过空间上下文信息的提取减轻了斑点噪声等因素对森林覆盖变化检测的影响,检测性能优于非森林覆盖图(NFM)与EM-MRF-LC变化检测结果直接掩模法(EM-MRF-LC-NFM)和森林-非森林分类后变化检测方法(CBFC);所提取的森林覆盖变化区域面积及分布轮廓与参考数据最接近,虚警率(0.87%)和漏警率(12.44%)同时保持在较低的水平;而且该方法只需要初始的森林覆盖变化图作为输入,具有半自动化的特点。
【学位单位】：中国林业科学研究院
【学位级别】：硕士
【学位年份】：2017
【中图分类】：S771
【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状及发展趋势
        1.2.1 基于像元的SAR变化检测
        1.2.2 基于对象的SAR变化检测
        1.2.3 SAR森林覆盖变化检测难点分析
    1.3 研究目标和研究内容
        1.3.1 研究目标
        1.3.2 研究内容
    1.4 技术路线
    1.5 论文结构
第二章 实验区及数据预处理
    2.1 实验区概况
    2.2 双极化SAR遥感数据
    2.3 双时相双极化PALSAR数据预处理
    2.4 变化检测精度评价参考图
    2.5 精度检验方法
    2.6 本章小结
第三章 MRF模型基本理论
    3.1 马尔科夫随机场理论框架
    3.2 马尔科夫随机场常用模型
        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 参数估计
        3.3.1 极大似然估计
        3.3.2 最大伪似然估计
        3.3.3 最大期望估计
    3.4 本章小结
第四章 单极化SAR森林覆盖变化检测
    4.1 最大类间方差法
    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的变化检测
    4.4 实验与分析
        4.4.1 地表覆盖类型变化检测实验
        4.4.2 非森林覆盖信息提取
        4.4.3 森林覆盖变化信息提取及精度检验
    4.5 本章小结
第五章 多极化SAR森林覆盖变化检测方法
    5.1 Fisher特征变换
    5.2 Fisher森林覆盖变化检测
    5.3 EM-MRF-LC
    5.4 EM-MRF-FC
    5.5 EM-MRF-FC有效性验证
    5.6 本章小结
第六章 结论与讨论
    6.1 结论
    6.2 讨论
参考文献
在读期间的学术研究
致谢

【参考文献】

相关期刊论文 前10条

1 王纬华;江涛;张永红;康永辉;;基于高分SAR影像的城市用地变化检测[J];测绘与空间地理信息;2016年07期

2 全斯农;崔莹;熊博莅;匡纲要;;利用多尺度融合的SAR图像变化检测方法[J];信号处理;2016年04期

3 孙佩军;张锦水;潘耀忠;谢登峰;袁周米琪;;构建时空融合模型进行水稻遥感识别[J];遥感学报;2016年02期

4 庄会富;邓喀中;范洪冬;;纹理特征向量与最大化熵法相结合的SAR影像非监督变化检测[J];测绘学报;2016年03期

5 刘妍;徐德伟;李立;黄平平;杨文;;结合强度和相干信息的多阈值SAR影像变化检测[J];信号处理;2015年11期

6 陈玲艳;刘智;张红;;基于水体散射特性的SAR图像水体检测[J];遥感技术与应用;2014年06期

7 崔莹;熊博莅;蒋咏梅;匡纲要;;结合结构相似度的自适应多尺度SAR图像变化检测[J];中国图象图形学报;2014年10期

8 张永红;张现峰;付姣;金姗姗;;一种基于极化距离测度的SAR变化检测方法[J];测绘学报;2014年02期

9 魏立飞;钟燕飞;张良培;李平湘;;多波段信息融合的遥感影像变化检测[J];武汉大学学报(信息科学版);2014年01期

10 杜培军;柳思聪;;融合多特征的遥感影像变化检测[J];遥感学报;2012年04期

相关博士学位论文 前3条

1 董锡超;面向热带雨林的多维度SAR毁林检测技术研究[D];北京理工大学;2014年

2 张斌;基于MRF的SAR图像分类与变化检测应用研究[D];武汉大学;2013年

3 孙晓霞;基于多极化SAR影像的土地利用/土地覆盖变化检测方法研究[D];中国矿业大学;2011年

相关硕士学位论文 前5条

1 王亚飞;SAR影像时间序列支持下的耕地和建设用地信息提取与监测技术[D];南京大学;2014年

2 丛润民;极化SAR图像变化检测算法研究[D];中国民航大学;2014年

3 沈蕾;基于广义Gamma分布的SAR图像变化检测[D];西南交通大学;2013年

4 王虎清;基于广义Gamma混合模型的遥感图像变化检测研究[D];西南交通大学;2012年

5 张凤玉;遥感图像变化检测方法研究[D];西安电子科技大学;2010年

本文编号：2880099