1、最近幾年，越來越多的商業(yè)高分辨率光學(xué)衛(wèi)星圖像的出現(xiàn)，給人們帶來了新的機遇與挑戰(zhàn)。一方面，這些數(shù)據(jù)能夠極大的擴展已有技術(shù)的應(yīng)用范圍——比如制圖學(xué)、城市發(fā)展規(guī)劃與監(jiān)測；另一方面，人們需要尋找更有效的自動處理方法來提取這些數(shù)據(jù)中的有用信息。 中分辨率圖像的處理主要關(guān)注于圖像的分類問題，而高分辨率圖像的處理則轉(zhuǎn)變?yōu)橐晕矬w識別為主要任務(wù)。對于城市區(qū)域的高分辨率衛(wèi)星圖像來說，考慮到分辨率和識別度等因素，道路和建筑物無疑是最重要的人造物體。

2、 目前我們的研究工作是在863項目背景下展開的，這個項目的主要目的為快速數(shù)字地圖自動更新研究開發(fā)更有效的技術(shù)與方法。本碩士論文主要關(guān)注于如下兩個問題：單幅高分辨率衛(wèi)星圖像的建筑物識別和兩幅高分辨率衛(wèi)星圖像間的建筑物變化檢測。本文在對以前遙感圖像中物體提取與變化檢測技術(shù)的分析和總結(jié)的基礎(chǔ)上，結(jié)合項目的應(yīng)用背景，以北京地區(qū)Quickbird高分辨率衛(wèi)星圖像為實驗數(shù)據(jù)，圍繞建筑物識別與建筑物變化檢測進行了研究。本文主要工作及貢獻總結(jié)如下

3、： 1.提出了基于概率模型的建筑物輪廓識別算法(第三章) 我們通過定義一個概率密度函數(shù)并結(jié)合相應(yīng)的特征來表示建筑物，在執(zhí)行建筑物識別算法的過程中使用了我們提出的剪切-融合算法。通過不斷檢測建筑物候選輪廓，衡量它們的概率值，并使用融合算法對某些沖突的輪廓進行合并，以最大化候選輪廓的概率值，從而得到最終的建筑物輪廓。這種算法的優(yōu)點是能夠通過概率模型把建筑物的各個特征進行結(jié)合；同時這種算法不僅可以應(yīng)用于建筑物，也可以應(yīng)用于其它

4、物體的識別。通過在大數(shù)據(jù)集上的實驗，我們展示了算法的性能及其魯棒性。 2.提出了基于輪廓提取的建筑物變化檢測算法(第四章) 基于前一章的建筑物輪廓識別算法，我們提出了新的建筑物變化檢測算法。這種算法的主要思想是把兩幅圖像中物體被檢測到的概率和沒有被檢測到的概率的乘積，作為物體的變化概率。這種算法不需要圖像的精確配準(zhǔn)。我們在合成圖像和真實圖像上進行實驗，展示了算法的效力。 3.基于DRF模型的結(jié)構(gòu)物體變化檢測算法(