基于蜂群优化模糊聚类的遥感图像变化检测

针对模糊聚类算法容易陷入局部最优,结合人工蜂群算法的全局最优性,提出一种基于蜂群优化模糊C均值聚类的新算法,并将此算法应用到遥感图像的变化检测中。利用差值图和比值图融合的方法得出多时相遥感图像的差异图,在对差异图像进行模糊聚类生成变化类和未变化类的同时,利用人工蜂群算法对差异图进行全局搜索,较大程度地避免FCM算法陷入局部最优,也降低了FCM算法对初始解的敏感度。实验结果表明,新算法比FCM分类准确、效率更高。     

基于NSCT域图像融合改进算法的SAR图像无监督变化检测

为了降低合成孔径雷达(SAR)遥感图像变化检测总 误差数以及获取更好的变化检测结果,提出了一种基于非下采样轮廓变换(NSCT)域图像融合 改进算法的SAR图像无监督变化检测方法。首先用两时相遥感图像构造得到对数比值 和均值比值两种差异图,并 经过NSCT分解得到各自的高低频系数;然后对两差异图中的低频系数均采用最大梯度平方和 规则进行融合,高频 系数均采用加权规则进行融合,再利用逆NSCT融合得到最终差异图;最后用模糊局部信息C 均值聚类(FLICMC)算法实现对图像变化区 域与非变化区域的分类。通过对真实遥感数据集与模拟遥感数据集的研究表明,本文算法能 够有效抑制斑点噪声对 检测结果的影响,并且不受变化类和非变化类统计分布的限制,不需要先验知识,适用性强 ,可以得到较好的检测 效果。与DWT2-FLICMC、MRF-FCMC算法相比,本文算法具有更高的检测精度和较少的算法 运行时间。     

基于协方差描述子的彩色图像分割算法

为克服模糊C均值聚类图像分割对噪声较为敏感的缺陷,提出了一种结合协方差描述子的模糊C均值聚类算法。采用协方差描述子的滤波能力以改善传统模糊C均值聚类算法对噪声敏感的缺陷;提取超像素的协方差矩阵作为特征,降低图像识别的特征冗余。并做了仿真实验,对提出的算法与三个图像分割算法进行比较,结果表明该图像分割算法具有较好的噪声鲁棒性和分割准确率。     

基于直方图的图像模糊聚类分割算法

针对传统模糊C-均值聚类算法对复杂的医学、遥感图像难以获得满意分割效果问题,将图像模糊C-均值聚类引入图像分割问题研究中,提出了基于直方图的图像模糊聚类快速分割算法。将越南学者Le提出的分布式图像模糊聚类算法目标函数进行简化,得到图像模糊聚类算法目标函数;采用拉格朗日乘子法获取其迭代求解所对应的隶属度、中立度、拒分度和聚类中心表达式,设计图像模糊聚类算法并对其收敛性进行了证明。通过复杂医学和遥感图像的分割测试结果表明,新的分割算法相比现有的模糊C-均值聚类分割算法和直觉模糊C-均值聚类分割算法具有更好的分割性能。     

基于形态学与多尺度空间聚类的SAR图像变化检测方法研究

介绍了一种形态学模型(morphological profile,MP)工具,这种工具运用在合 成孔径雷达(synthetic aperture radar,SAR) 图像中,增强了对SAR图像的多角度细节处理,提高了图像检测精度。在图像检测中加入算 法可被应用于遥感图像变化检测 领域。本文提出的SAR图像变化检测方法是在多尺度子空间融合谱聚类的基础上进行的,这 种方法是对不同时刻得到的同图 进行对数比和均值比处理,从而构成多个子空间获取图像的结构特征,并结合随机采样谱聚 类的子空间融合算法得到的变化 的图像。本文方法所得的SAR图可以检测到很多单一的像素点,误检像素点数目明显减小,优 于其他算法结果。检测结果抑制 了图像变化中的缺失问题,因此具备较高的检测精度。     

多时相遥感影像变化检测算法研究

本文首次将非下采样Contourlet变换和上下截集模糊Kohonen聚类网络相结合,提出了一种无监督的多时相遥感影像变化检测算法。该算法采用非下采样Contourlet变换提取与对数比图像中的每个像素相对应的多尺度和多方向纹理,并采用上下截集模糊Kohonen聚类网络将这些多尺度和多方向纹理分为变化类与未变化类两类,最终得到变化检测图像。实验结果表明,与传统方法相比,对于高斯和斑点噪声,该算法具有更高的抗噪性能和检测精确度。     

基于红外CCD的掺钆液体闪烁体液位测量方法

图像分割在医学超声图像的定量、定性分析中均扮演着十分重要的作用, 并直接影响到后续的分析、处理工作。针对医学超声图像对比度低和噪声强的特点, 提出了一种将超像素和模糊聚类技术相结合的图像分割方法。该方法利用简单线性迭代聚类算法产生多个超像素子区域, 通过比较各个子区域间特征向量的相似性, 利用模糊C均值(FCM)聚类技术对这些过分割区域进行合并, 实现超声图像目标区域的有效分割。和传统的基于单像素的FCM聚类算法相比, 该方法具有较强的鲁棒性, 有效提高了目标区域的分割精度和分割效率, 取得了较好的分割效果。     

基于超像素和模糊聚类的医学超声图像分割算法

图像分割在医学超声图像的定量、定性分析中均扮演着十分重要的作用,并直接影响到后续的分析、处理工作.针对医学超声图像对比度低和噪声强的特点,提出了一种将超像素和模糊聚类技术相结合的图像分割方法.该方法利用简单线性迭代聚类算法产生多个超像素子区域,通过比较各个子区域间特征向量的相似性,利用模糊C均值(FCM)聚类技术对这些过分割区域进行合并,实现超声图像目标区域的有效分割.和传统的基于单像素的FCM聚类算法相比,该方法具有较强的鲁棒性,有效提高了目标区域的分割精度和分割效率,取得了较好的分割效果.     

基于形态学操作和模糊聚类技术的超声图像分割

针对医学超声图像对比度低和噪声强的特点,提出了多尺度形态学操作和模糊聚类技术相结合的图像分割方法.该方法利用多尺度形态变换提取图像的结构特征,通过对不同尺度结构特征数量的统计分析,估计图像中噪声尺度大小,并修改不同尺度结构特征的强度,从而实现对图像局部对比度的增强和噪声抑制.同时,使用新的模糊C均值聚类算法对增强后图像进行分割,从而进一步地减少图像中噪声对分割的影响,完成超声图像的有效分割.实验结果表明该方法对超声图像的分割是有效的.     

基于超像素融合的遥感影像变化检测方法

以基于像素变化检测方法为基础,提出一种基于超像素融合的遥感影像变化检测方法.该方法主要包括以下步骤:首先对原始遥感影像进行两次超像素分割,生成像素级、超像素级和超像素级三个不同尺度的分割图,然后分别对每个分割图进行变化矢量分析,得到三个尺度的差分影像.分别对多个差分影像进行模糊C均值聚类,得到三个尺度变化与不变的隶属度...     

遥感图像变化检测在外来植物种入侵上的应用

外来植物种入侵给生态系统带来了诸多正面和负面影响,并成为了当前学术界关注的热点问题之一。为了有效地监测和控制外来入侵植物以及合理地开发利用外来入侵植物,变害为利,需要对外来入侵植物的空间分布和动态变化进行监测。本文将用于处理遥感图像变化检测时所采用的非下采样Contourlet变换和模糊C均值聚类算法相结合的方法,引用到生物物种入侵的动态监测,已取得更佳的检测结果。     

基于分形维数和FCM聚类的多时相SAR图像变化检测

提出了一种基于分形维数和FCM聚类的SAR图像无监督变化检测的算法。首先用非下采样Contourlet变换(NSCT),对两时相图像进行分解,然后求出其分形维数图,构造差异图,再由FCM聚类得到变化区域和非变化区域。并对计算分形维的滑动窗口大小的选择进行了研究。与现有的基于分形维数的图像变化检测算法进行对比,实验证实,本文算法不仅对斑点噪声不敏感,并且提高了变化检测的精确度。     

一种新的基于多尺度几何分析的图像融合方法

基于多尺度几何分析方法——非下采样轮廓波(Con tourlet)变换(NSCT)和Beamlet变 换,提出一种全新的医学图像融合方法。在进行NSCT分解后,在高频成分首先使用Beamlet 变换进行边缘检测, 然后根据聚类分割边缘密度的差值确定其系数的融合规则;对于低频成分,采用局部区域标 准方差系数的融合规则;经过 一致性校正后,通过对融合后的高频与低频子带系数进行逆NSCT得到重构图像。数值实验表 明,与传统的融合方法相 比较,本文方法能够有效减少噪声对融合图像的干扰,增强了融合的线性细节表达能力,提 高了信息量。     

基于融合边缘变化信息全卷积神经网络的遥感图像变化检测

高分辨率遥感图像变化检测是了解地表变化的关键,是遥感图像处理领域的一个重要分支。现有很多基于深度学习的变化检测方法,取得了良好的效果,但是不易获得高分辨率遥感图像中的结构细节且检测精度有待提高。因此,该文提出融合了边缘变化信息和通道注意力模块的网络框架(EANet),分为边缘结构变化信息检测、深度特征提取和变化区域判别3个模块。首先,为了得到双时相图像的边缘变化信息,对其进行边缘检测得到边缘图,并将边缘图相减得到边缘差异图;其次,考虑到高分辨率遥感图像精细的图像细节和复杂的纹理特征,为了充分提取单个图像的深度特征,构建基于VGG-16网络的3支路模型,分别提取双时相图像和边缘差异图的深度特征;最后,为了提高检测精度,提出将通道注意力机制嵌入到模型中,以关注信息量大的通道特征来更好地进行变化区域的判别。实验结果表明,无论从视觉解释或精度衡量上看,提出算法与目前已有的一些方法相比,具有一定的优越性。     

基于NSST的红外与可见光图像融合算法

针对红外与可见光图像具有不同的特点,提出一种新的基于非下采样剪切波变换（NSST）的红外与可见光图像融合算法.算法首先采用NSST将已配准的红外与可见光图像进行分解,得到低频子带图像和各尺度各方向的高频子带图像;然后对低频子带图像采用一种基于显著图的低频融合规则进行融合,而对高频子带图像的融合,结合人眼视觉特性,采用一种基于改进的区域对比度的融合规则;最后,对融合的低频子带图像和高频子带图像进行NSST逆变换得到融合图像.实验结果表明,该算法能够有效地综合红外与可见光图像中的重要信息,融合效果要优于一般的基于NSCT、NSST的图像融合方法.     

基于邻域信息的SAR图像变化检测

为了减少合成孔径雷达(SAR)图像中乘性斑点噪声对变化检测结果的影响,充分地利用了像素的邻域信息。首先使用邻域比值(NR)方法构造差异图像,然后提出基于邻域信息的模糊C均值聚类(FCM)算法。NR算子在构造差异图像时能够较好地保留图像信息并抑制噪声的干扰。同时将邻域信息引入到FCM算法的目标函数,以邻域加权距离改进了FCM算法在欧式距离计算中的不足,并约束了隶属度函数,减少了噪声对邻域中心像素的干扰。通过以上考虑像素邻域信息的算法,得到了差异图像的聚类结果,从而实现了SAR图像的变化检测。实验结果表明,所提算法较传统的FCM和K-means聚类算法,可以较好地保留图像变化区域的信息,同时提高了SAR图像变化检测的准确度。     

基于地基雷达图像的无监督变化检测

地基雷达是近20几年逐渐发展成熟的微波遥感成像技术，目前已广泛应用于滑坡、崩塌等地质灾害的监测中。地基雷达通过干涉测量原理可以监测到目标区域发生的微小形变，然而受人为因素、地质因素、气象因素等影响，导致雷达图像失相干严重，给长期定量化监测带来较大的难度。因此，迫切需要在定量监测的基础上，进一步开展变化检测方面的应用，为长期全面了解监测区域的动态变化提供有效信息。针对上述问题，该文提出了一种基于改进的模糊C均值聚类(FCM)算法对地基雷达图像进行无监督变化检测，该方法首次利用相干系数图和均值对数比值图进行非下采样轮廓波变换(NSCT)和局部能量法得到合成差异图，然后利用主成分分析(PCA)提取合成差异图中每个像素的特征向量，根据地基雷达图像特点对FCM进行改进，通过改进的FCM对每个像素的特征向量进行聚类得到最终的变化检测结果。利用地基雷达LSA对中国西南某省出现的堰塞体的治理过程进行监测，获取监测区域的地基雷达图像，监测过程中受降水等影响监测体出现滑坡，使用该文方法对其进行变化检测，结果表明该文方法更容易进行聚类分割，变化检测结果在保留变化区域的同时噪声点明显减少。      

基于Fuzzy—Shrink算法改进的图像去噪方法

提出一种对Fuzzy—Shrink算法的改进图像去噪方法。该方法首先结合NSCT邻域信息和空间信息构造模糊特征,通过该模糊特征模拟NSCT变换尺度内邻域系数的相关性,再构造出模糊隶属度收缩函数对遥感图像进行去噪。仿真实验结果表明,本文提出的方法与Fuzzy—Shrink（DWT）,AntShrink（DWT）去噪方法,Sure—let（DWT）去噪方法相比能够有效去除遥感图像的高斯噪声,较完整的保持图像的边缘等细节信息,提高了图像的峰值信噪比,图像视觉效果也有明显改善。     

基于NSCT和SVM的脑MRI医学图像识别

利用NSCT变换具有多尺度和平移不变性,能够稀疏地表示纹理图像的特点,将具有丰富纹理信息的人体脑部核磁共振(MR)图像,从空间域变换到频率域表示。提取变换后表征图像特性的低频子带均值、方差及高频16个方向子带能量作为特征向量,输入SVM分类器进行分类识别。实验结果表明该方法对非病变脑部MR图像识别准确率达到100%,病变脑部MR图像的识别率达到90.90%,综合识别率达到95.45%。且该方法提取的特征维数少,识别速度快,识别率高,能够快速区分病变与非病变脑部MR图像。