文 献 综 述
- 研究背景
近十年来，随着航天技术，传感器技术和计算机相关技术的迅猛发展，遥感技术得到飞速发展。作为一门兴起时间不长并且有着广泛应用前景的学科，遥感技术是唯一能够提供大面积动态观测数据的手段。长时间的观测某个区域，可以得到其不同时段的数据，分析同一地理位置的多时相遥感图像是获取自然环境和军事目标变化的有效途径[1]。由于遥感对地观测具有实时、覆盖范围广以及周期性的特点，遥感技术已成为变化检测最主要的技术手段，变化检测也是遥感应用研究的热点之一[2]。
而随着遥感技术的快速发展，人们需要处理的信息数据也日渐呈现出高维和海量的特点，随之而来的困扰就是如何有效的分析利用这些大量的数据。解决这个问题的一个直接有效的途径就是通过样本选择来减少训练样本。样本选择除了可以显著地降低分类算法的计算代价、加快学习速度的作用之外，还可能避免“过拟合”现象的发生[3]。
遥感影像变化检测是指通过对比分析同一地域不同时间的遥感图像来获取研究对象的变化信息的技术[1]。分类是遥感影像变化检测的一个重要环节，训练样本的选取是分类的关键影响因子之一，直接影响到分类结果的精度。SVM是小样本情况下基于统计学习理论的机器学习方法，核心在于提供分类信息，以结构最小化为准则，其分类关键是发现分类最优超平面及类别间隔。SVM分类方法具有适用高维特征空间、小样本统计学习、抗噪声能力强等特点，在遥感分类中能够达到很高的精度[4]。本课题首先对多时相遥感影像进行样本选择，然后运用SVM对样本集进行训练，最后获取遥感影像的变化检测结果。
- 国内外研究现状
目前提出的变化检测方法非常多，国内外学者从不同的角度进行了总结分类。最早的分类是将变化检测分为直接比较法和分类后比较法[5]，其后有学者根据变化检测的信
息层次将变化检测分为像素级、特征级和决策级三个层次[6]，还有学者根据输入数据时相的不同将变换检测方法分为单时相分类比较、双时相比较以及时序分析法[7]，D.Lu等学者在发表的文章中按照采用的数学方法将变化检测技术分为7类：代数运算方法、变换类方法、分类方法、高级模型方法、GIS方法、可视化分析方法以及其他方法[2,8]。下面将详细的介绍D.Lu等人提出的七种变化检测方法：
（1）代数运算方法
代数运算类变化检测方法主要包括：图像差分[9]、图像比值、图像植被指数差分[10]和变化矢量[11]等方法。这些变化检测方法大多简单易行，其变化像素的确定通过预先设定的阈值来实现，变化图像中大于阈值的像素归类为发生变化的地物，因此选取合适的阈值十分重要。这类方法的假设是地物变化会在不同时相的图像上引起像素灰度值的明显变化，然后逐个对对应像素进行分析，因此会受辐射校正和几何校正的精度的影响[2,12]。
（2）变换类方法
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
