基于信息融合核框架的多时相遥感影像特征级变化检测研究

The research of this project is on the change detection in multi-temporal remote sensing images. Based on the significant spectral-spatial signatures of modern remote sensing data, this project places the emphasis on the textural and spectral information extraction and fusion. Integrating the superiorities in information capture and fusion which derive from the kernel methods and different kernel-based frameworks, this project constructs the feature-based change detection theory and methodology in multi-temporal remote sensing images based on kernel-based methods.This project constructs the feature-based change detection theories and methodologies in multi-temporal remote sensing images based on NSCT（NonSubsampled Contourlet Transfrom）-kernel framework， parcel-kernel framework and object-oriented-kernel framework respectively.This project aims at implementing the exact textural and spectral feature extraction, and achieving the optimal fusion between the textural information and spectral information, and obtaining the change location fast and robustly, thus proposing the new change detection theories and methodologies in multi-temporal remote sensing images, and providing effective methods and technical support for the resource and environment monitoring, military target monitoring and striking evaluation. This project is of great worth in both the civil and military application.

本项目以多时相遥感影像的变化检测为研究内容，以现代遥感数据的重要空间光谱特征为基础，以研究遥感影像中纹理光谱信息的提取与融合为重点，结合核方法和不同核框架结构各自对信息捕获及融合的优势，建立核方法下的多时相遥感影像特征级变化检测理论框架。研究并建立基于NSCT核框架的多时相遥感影像特征级变化检测理论和方法；研究并建立基于Parcel核框架的多时相遥感影像特征级变化检测理论和方法；研究并建立基于面向对象核框架的多时相遥感影像特征级变化检测理论和方法；突破多时相遥感影像变化检测中纹理光谱特征准确提取、纹理与光谱信息的最优融合，以及快速、稳健的变化定位等技术难点，提供多时相遥感影像变化检测的新理论和新方法，为资源和环境监测以及军事目标监测和打击评估提供有效的方法和技术支持，具有重大的民用和军事应用价值。

本项目以多时相遥感影像变化检测为研究内容，以现代遥感数据的重要空间、光谱特征为基础研究对象，以遥感影像中空间、纹理、光谱信息的有效提取与融合为研究重点，结合核方法和不同核框架结构各自对信息捕获及融合的优势，建立核方法下的多时相遥感影像特征级变化检测理论框架。.本项目研究并建立了基于NSCT核框架的多时相遥感影像特征级变化检测理论和方法，提出了基于NSCT域合成核和多小波融合核的遥感影像变化检测方法，实现了多尺度空间中图像纹理、强度特征的有效提取以及尺度内和尺度间特征的最优融合；研究并建立了基于Parcel核框架的多时相遥感影像特征级变化检测理论和方法，提出了基于多级Parcel模型和标签信息合成核的遥感影像变化检测方法，实现了超像素级图像结构特征的提取及变化信息的有效描述；研究并建立了基于面向对象核框架的多时相遥感影像特征级变化检测理论和方法，提出了基于条件随机场的遥感影像变化检测方法和变化检测预处理图像分割方法，实现了图像邻域信息与强度信息在概率模型中的有效融合，为面向对象的变化检测方法提供优良的预分割结果；研究并建立了基于扩展融合核框架的多时相遥感影像特征级变化检测理论和方法，提出基于局部信息多核k均值聚类、差值相关核和多层极限学习机以及邻域聚类核的遥感影像变化检测方法，实现了基于多核融合理论的图像特征自适应融合以及空间邻域信息改进核分类器的有效设计。此外，本项目对遥感影像变化检测的评价标准进行了研究及总结，为变化检测任务提供了可靠、统一的评价标准。最后，本项目研究了多时相遥感影像特征级变化检测方法的快速并行算法，实现了基于GPU的实时变化检测技术，提高了相应算法的运算效率和实用性。.本项目突破了核空间中多时相遥感影像变化检测中空间、纹理、光谱特征的准确提取及最优融合，构建了多种融合核框架，拓展了核方法的应用范围并结合实际应用创新了核方法，具有重要的理论价值。