综合像素级和特征级的建筑物变化检测方法

针对单独使用像素级变化检测或特征级变化检测对于高层建筑物检测精度低的问题,提出了一种结合像素级和特征级的建筑物变化检测方法。首先对多个时相的遥感图像进行基于比值法的像素级变化检测,得到包含建筑物变化的候选区域,在候选区域上再进行基于建筑物特征的变化检测。该方法首先利用基于Delaunay三角网约束的快速配准算法配准两个不同时相的多光谱图像,利用建筑物的变化会导致建筑物所在局部区域的纹理分布和色调发生变化的特点,提取对辐射差异和配准误差鲁棒的纹理和色调特征进行变化检测。实验结果表明,该方法可以有效提高建筑物变化检测正确率,降低虚检率。     

混合的SAR图像变化检测算法

为尽可能多地消除遥感图像变化检测过程中“伪变化”信息的影响,获得比较客观的感兴趣区域变化检测结果,针对遥感图像中SAR图像的特点,提出一种混合的SAR图像变化检测算法。对已配准好的图像进行Frost滤波,用邻域比值的方法构造差异图,对得到的差异图进行非下采样轮廓波变换（NSCT）,对变换得到的高频子带和低频子带分别处理,用模糊C均值（FCM）聚类算法得到变化检测的结果。实验结果表明,该算法模型很好地保留了图像变化区域的细节,提高了变化检测准确性。     

基于特征增强的光学遥感图像建筑物变化检测

遥感图像变化检测是识别同一区域前后时段两张图像之间像素级变化,能够精确判断目标区域状态变化。现有的遥感图像变化检测方法是在不同时间流中引入注意力机制来强化变化区域图像特征,并将其叠加以实现特征融合,不能有效地挖掘与应用不同时间流特征之间的关系。基于特征提取网络,提出一种在时间维度上基于像素位置偏移的图像特征差异增强方法。该方法可学习不同时相图像特征之间对应区域的像素变化偏移量,增强单时相特征图中发生变化区域和无关区域之间的特征差异。在此基础上,构建一个针对光学遥感图像中建筑物变化的检测框架,以ResNet18网络和多层感知机结构分别作为编码器、解码器,在LEVIR-CD、LEVIR-CD+和S2Looking 3个公开数据集上进行实验,结果表明,基于特征增强的图像变化检测方法的F1值分别为90.74%、86.11%和62.25%,相比目前最优的BIT方法分别提高了1.43、3.31和0.4个百分点。     

基于SOFM的遥感图像的机场区域变化检测

文章提出了一种新的针对遥感图像机场感兴趣区域变化检测的方法,该方法采用自组织特征映射神经网络对图像进行分类,结合感兴趣区域位置定位结果,利用区域生长分割出感兴趣区域。通过图像间差值,从而获得差异,并利用形状分析的方法对检测出的变化给出了解释。该方法消除了非感兴趣区域变化造成的虚警,克服了多幅图像由于摄取时间和摄取环境的差异造成的影响,提高了检测率。实验表明该文提出的方法具有良好的效果。     

基于分形与小波的图像ROI自动提取算法

针对分形应用于人造目标作为感兴趣区域的检测中,单一分形特征检测效果不好及计算量大的问题,提出了一种基于分形和小波相结合的图像感兴趣区域提取算法。首先对图像进行小波分解,然后综合利用低频子图像的分形截距特征和拟合误差特征,得到一个新的有效的分形特征参数,从而检测获得低频子图像的感兴趣区域,最后根据原始图像与子图像的坐标对应关系,得到原始图像的感兴趣区域。实验结果表明,该算法能够有效地检测图像感兴趣区域,并且检测速度快。     

改进U-Net的遥感图像中建筑物变化检测

提出了一种改进U-Net的遥感图像中建筑物变化检测方法,将变化检测问题转化为像素级二分类问题,利用U-Net模型对图像进行分类,把图像中的每个像素划分为变化类或非变化类,并根据变化类的像素得到建筑物的变化检测结果图。针对U-Net模型进行遥感图像中建筑物变化检测时,在训练中容易出现过拟合的现象,提出用非对称卷积块代替U-Net网络特征提取部分的标准卷积操作,增强卷积核的鲁棒性和网络的中心骨架,防止过拟合;针对变化检测数据集中图像背景复杂、小目标的变化情况容易被漏检的问题,提出在U-Net中引入注意力机制,抑制模型对非变化类像素特征的学习,加强对变化类特征的学习,提取到更适合的特征。实验结果表明,在引入非对称卷积块和注意力机制后,变化检测的F1分数有明显的提升。     

微目标遥感图像的感兴趣区域提取新方法

结合微目标遥感图像的灰度、轮廓、大小等信息特征,提出了一种基于视觉注意的微目标遥感图像感兴趣区域提取方法,首先采用形态学Top-Hat变换强化感兴趣区域和抑制背景,利用开运算实现去除噪声和虚假微目标:然后通过阈值迭代法初步分割出感兴趣区域;最后通过人工交互,结合形态学方法进行感兴趣区域提取,进而运用基于小波变换的多尺度边缘检测算法探测出感兴趣区域的边界.实验结果表明:该方法能快速有效地分割提取出微目标感兴趣区域.     

一种结合显著性检测和超像素分割的遥感信息提取算法研究*

针对目前显著性检测算法在复杂多目标遥感图像中检测能力不足问题,提出一种结合显著性检测和超像素分割的遥感信息提取算法。该算法首先通过Graph-based Visual Saliency(GBVS)方法检测出原始影像中部分显著性较高的区域,然后利用Simple Linear Iterative Clustering(SLIC)方法分割显著区域,并修正显著区域边缘得到训练样本数据,进一步对训练样本进行统计学习,构造显著目标提取的阈值区间,最后实现对整幅超像素图像的显著目标提取。实验结果表明,该算法具有较高的准确率和召回率,能更加有效地检测出遥感图像中的显著目标,比目前主流的显著区域检测算法提取效果更好,可以很好地应用于具有明显显著区域的复杂多目标遥感图像信息提取中。     

基于对偶树复小波变换与PCA方法结合的图像变化检测算法研究

图像变化检测是遥感图像处理领域重要方向,大多数变化检测算法都存在算法复杂度高、抗噪性弱等缺陷,利用对偶树复小波变换的平移不变性与能提高方向分辨率的优点,把对偶树复小波变换运用于变化检测中,可以提高图像细节变化的检测和算法抗噪性。首先用对偶树复小波变换对图像进行尺度分解,把图像在每个尺度上分解成一个低通子图和六个方向的高通子图。然后运用PCA(主向量分析法）提取每个尺度与方向上的特征并降维,然后运用k均值算法将图像像素分成为变化与不变化两类,最后通过多尺度融合,得到变化检测图像。     

利用指数熵的多时相遥感影像变化检测方法

针对像素级变化检测法中变化阈值的提取不够自动化和准确化,导致变化检测结果精度不高的问题,提出一种利用双阈值指数熵的多时相遥感影像变化检测方法。该方法首先采用差值法构造2个时相遥感影像的差异影像;其次采用双阈值指数熵的方法确定差异影像的最佳变化阈值,并将其用于分割差异影像,得到变化区域。采用客观评价法对变化检测结果进行精度评定。选择我国鄱阳湖局部区域2个时相的遥感影像进行试验,并与基于模糊C均值的变化检测方法进行对比。通过试验,所提出方法变化检测精度达94.22%,是一种有效、可行的变化检测方法。     

Object-oriented change detection method based on adaptive multi-method combination for remote-sensing images

In this study, we propose a novel object-oriented change detection method for remote-sensing images. First, the Gabor texture and Markov random field texture are extracted based on the remote-sensing images, and an initial pixel-level change detection result is produced. Second, in order to reduce the influence of feature uncertainty on the change detection results, the weights of different features are calculated by the Relief algorithm based on the initial pixel-level change detection result, and several difference images are fused to obtain a single comprehensive difference image. Third, different pixel-level change detection results are obtained using diverse change detection methods. The two-temporal images are then stacked and segmented, and to ensure change detection method separability, the weighted object change probability is obtained by fusing five different object change probabilities, which are calculated from the pixel-level change detection results. Finally, the objects are labelled as the class with a higher weighted object change probability. Our experimental results showed that the accuracy of change detection results obtained using the weighted object change probability was higher than that of the change detection results produced using the independent object change probability.     

基于分形的水声图像目标探测

针对水声图像中人造物体的探测问题，给出了一种基于分形分析的方法，由于分形模型可以较好地模拟自然物体，而与人工物体存在较大差距，所以以其为主要特征可以准确地将人造物体从自然背景中探测出来。本文讨论了分维的提取方法，根据分形特征将水声图像标记为人造目标区域和非人造目标区域，并对一定噪声干扰下该方法的应用进行了研究，给出了相应的实验结果。实验结果表明，分形特征可以实现人造目标和自然物体的分类，并具有一定的抗噪声性，适宜对水声图像中的目标进行探测和识别。     

Automatic change detection in high-resolution remote-sensing images by means of level set evolution and support vector machine classification

In this article, we propose a method for change detection in high-resolution remote-sensing images by means of level set evolution and support vector machine (SVM) classification, which combined both the pixel-level method and the object-level method. Both pixel-based change features and object-based ones are extracted to improve the discriminability between the changed class and the unchanged class. At the pixel level, the change detection problem is formulated as a segmentation issue using level set evolution in the difference images. At the object level, potential training samples are selected from the segmentation results without manual intervention into the SVM classifier. Thereafter, the final changes are obtained by combining the pixel-based changes and the object-based changes. A chief advantage of our approach is being able to select appropriate samples for SVM classifier training. Furthermore, our proposed method helps improve the accuracy and the degree of automation. We systematically evaluate it with various Satellite Pour l’Observation de la Terre (SPOT) 5 images and aerial images. Experimental results demonstrate the accuracy of our proposed method.     

联合深度图聚类与目标检测的像素级分割算法

获取周围环境中的语义信息是语义同时定位与建图(Simultaneous Localization and Mapping,SLAM)的重要任务,然而,采用语义分割或实例分割网络会影响系统的时间性能,采用目标检测方法又会损失一部分精度.因此,文中提出联合深度图聚类与目标检测的像素级分割算法,在保证实时性的前提下,提高当前语义SLAM系统的定位精度.首先,采用均值滤波算法对深度图的无效点进行修复,使深度信息更真实可靠.然后,分别对RGB图像和对应的深度图像进行目标检测和K-means聚类处理,结合两者结果,得出像素级的物体分割结果.最后,利用上述结果剔除周围环境中的动态点,建立完整、不含动态物体的语义地图.在TUM数据集和真实家居场景中分别进行深度图修复、像素级分割、估计相机轨迹与真实相机轨迹对比实验,结果表明,文中算法具有较好的实时性与鲁棒性.     

多尺度分形维的星载舰船显著性检测

目的 星上的舰船检测需要在资源和时间受限条件下实现快速检测,并且对目标的种类和尺寸缺少先验信息的指导,更多时候还需要实现一景图像中不同尺寸舰船的检测,因此,星上舰船检测要求检测方法具有一定的自适应性,从而实现星上多变的检测场景。方法 针对这一问题,提出了一种多尺度分形维的检测方法,可以实现一景遥感图像中不同尺寸舰船目标的检测。首先,针对差分盒算法受盒子尺寸约束的限制使分形维数的计算精度受到影响的问题提出了一种改进算法,改进算法增加了拟合直线的点对数目并引入了拟合误差剔除误差点对,提高了分形维特征计算的精确度。结果 在提高了分形维计算精度的基础上,新算法利用自然物体在不同尺度上具有的自相似性,通过多尺度分形维的计算并借鉴视觉显著性中c-s算子来排除背景对目标的干扰,突出舰船目标。实验结果表明,新算法能够有效检测出一景图像中不同尺寸的舰船,优于双参数CFAR算法的检测结果。结论 本文提出的多尺度分形维的检测算法可以实现对一景图像中不同尺寸舰船目标的检测,在保证一定检测率的同时有效降低了目标检测的虚警率。     

水下人造目标线特征快速检测算法

为了从水下复杂场景中快速检测人造目标,提出了一种在图像小波变换低频子带上进行直线实时检测的算法。首先,利用小波变换确定显著线特征检测的合适尺度;然后在确定的低频子带小图像上进行边缘检测,利用梯度直方图和迭代法相结合自适应确定边缘检测的分割阈值,得到显著特征的边缘点;再利用改进的Hough变换检测人造目标的直线特征;最后在原始图像上标记出直线检测的结果。实验结果表明:提出的算法可以准确检测出水下复杂背景中人造目标的直线特征,并且具有良好的实时性,满足水下人造目标视频检测的应用要求。     

A framework of spatiotemporal fuzzy clustering for land-cover change detection using SAR time series

Compared with optical satellite images, synthetic aperture radar (SAR) images are less influenced by weather conditions such as cloud and haze. With the support of SAR image time series, a framework of change detection based on spatiotemporal fuzzy clustering is presented. This framework mainly consists of three components: (1) pixel-level SAR image time-series modelling, based on scale invariant feature transform (SIFT); (2) probability analysis of change node based on iterative binary partition-mean square error model of the series is calculated to ascertain change nodes; (3) spatiotemporal fuzzy clustering is used to determine the types of change detection. To validate the method, 26 SAR images of the study area between 2004 and 2010 are utilized to monitor annual changes of cultivated land to construction land, and comparative experiments are conducted to evaluate the detection accuracy. Experimental results showed that the proposed framework could effectively extract the change nodes and change pixels, with correctness of 84.52% and completeness of 82.64%, outperforming the traditional fuzzy clustering method, as well as traditional classification methods.     

Optimal seamline detection in dynamic scenes via graph cuts for image mosaicking

In this paper, we present a novel method for creating a seamless mosaic from a set of geometrically aligned images captured from the scene with dynamic objects at different times. The artifacts caused by dynamic objects and geometric misalignments can be effectively concealed in our proposed seamline detection algorithm. In addition, we simultaneously compensate the image regions of dynamic objects based on the optimal seamline detection in the graph cuts energy minimization framework and create the mosaic with a relatively clean background. To ensure the high quality of the optimal seamline, the energy functions adopted in graph cuts combine the pixel-level similarities of image characteristics, including intensity and gradient, and the texture complexity. To successfully compensate the image regions covered by dynamic objects for creating a mosaic with a relatively clean background, we initially detect them in overlap regions between images based on pixel-level and region-level similarities, then refine them based on segments, and determine their image source in probability based on contour matching. We finally integrate all of these into the energy minimization framework to detect optimal seamlines. Experimental results on different dynamic scenes demonstrate that our proposed method is capable of generating high-quality mosaics with relatively clean backgrounds based on the detected optimal seamlines.     

面向对象特征融合的高分辨率遥感图像变化检测方法*

针对高分辨率遥感图像变化检测的难点和传统像元级变化检测方法的局限性,提出了基于面向对象的思想,利用分割后图像对象的光谱特征、纹理特征、形状特征分别进行变化检测,然后将不同对象特征检测结果进行融合得到最终结果。实验表明了本方法比传统的像素级方法对高分辨率遥感图像变化检测有较强的优势。