基于支持向量机的遥感图像变化检测

提出了一种基于小波融合和渐进直推式支持向量机(PTSVM)的遥感图像变化检测方法。根据合成孔径雷达(SAR)图像特点,通过将对数比值图和均值比值图进行小波融合得到差异图像,可有效抑制图像背景杂波。通过渐进直推式支持向量机对差异图像进行二分类,得到变化检测结果。提出的方法提高了变化检测结果的抗噪性和检测精度。     

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。      

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NSCT与FCM的多时相遥感图像的变化检测

提出了一种基于非下采样Contourlet变换和模糊C均值聚类相结合的方法。该方法首先对两时相遥感图像进行相减运算得到差异图像。再对差异图像进行NSCT多尺度分解得到子带图像,将各子带图像与差异图像本身构成特征向量。最后通过使用模糊C均值聚类算法对多尺度特征向量进行分类得到最终的变化检测结果(变化和非变化类)。该算法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。对真实遥感数据集进行研究,实验结果表明本文方法可以得到较好的检测效果;将本文算法与传统方法相比,该方法具有更好的检测精确度和抗噪性能。     

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...     

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.     

基于多通道特征的SAR图像变化检测

为充分利用SAR图像的细节信息,提高SAR图像变化检测的检测精度及抗噪性能,提出一种基于多通道特征的SAR图像变化检测方法。该方法提出了一种适用于SAR图像的变化检测一体化框架,首先,为了在抑制相干斑噪声的同时尽可能多地保留SAR图像的边缘及局部信息,引入引导图像滤波方法;其次,提取8个通道特征,充分利用了图像的细节信息,获得了性能良好的差异图;最后,利用主成分分析(PCA)和K-means聚类进行差异图分析,得到最终的变化信息。实验结果表明,该方法有效提高了检测精度,并且具有良好的抗噪性能。     

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。     

鲁棒总变分核空间模糊聚类分割算法研究

针对现有的总变分模糊聚类分割算法在强噪声干扰图像分割中难以获得准确有效分割结果的不足,提出了鲁棒总变分核空间模糊聚类分割算法。该算法首先在鲁棒模糊聚类分割算法的目标函数中引入了总广义变分(TGV)正则化,消除图像中不需要的噪声和伪影;其次引入局部空间信息、局部灰度信息以及非均匀隶属函数从而构造一个新的模糊局部信息因子,在保证噪声抑制的同时保留图像中更多细节信息;最后将改进的聚类算法推广至核空间,使原空间线性不可分的像素样本点变成线性可分或近似线性可分,从而更好地给每个像素分配更高的隶属度。实验结果表明,与现有的总变分模糊聚类分割算法相比,建议算法在强高斯噪声干扰情况下的分割精度提高了14.7%,对强高斯噪声有较好的鲁棒性以及分割性能。     

基于组合差异图和卷积小波神经网络的SAR图像变化检测

合成孔径雷达(Synthetic aperture radar,SAR)图像变化检测可以看作是一个分类过程,像素被分类为变化类和不变类。但是,差异图的质量影响了现有方法的检测精度。为了提供高质量的差异图,提出一种基于组合差异图和卷积小波神经网络(Convolutional-Wavelet Neural Network,CWNN)结合的SAR图像变化检测方法。首先,使用对数比算子、均值比算子和差分算子产生差异图,并使用简单的组合方法得到最终的差异图。然后,在差异图上使用分层模糊C均值获得变化类和不变化类的训练样本。最后,使用训练好的CWNN对所有像素进行分类。该方法提高了差异图的质量,为网络提供高质量的训练样本。真实SAR图像数据集上的实验结果表明,该方法提高了变化检测精度。     

Change detection in synthetic aperture radar images based on image fusion and fuzzy clustering

This paper presents an unsupervised distribution-free change detection approach for synthetic aperture radar (SAR) images based on an image fusion strategy and a novel fuzzy clustering algorithm. The image fusion technique is introduced to generate a difference image by using complementary information from a mean-ratio image and a log-ratio image. In order to restrain the background information and enhance the information of changed regions in the fused difference image, wavelet fusion rules based on an average operator and minimum local area energy are chosen to fuse the wavelet coefficients for a low-frequency band and a high-frequency band, respectively. A reformulated fuzzy local-information C-means clustering algorithm is proposed for classifying changed and unchanged regions in the fused difference image. It incorporates the information about spatial context in a novel fuzzy way for the purpose of enhancing the changed information and of reducing the effect of speckle noise. Experiments on real SAR images show that the image fusion strategy integrates the advantages of the log-ratio operator and the mean-ratio operator and gains a better performance. The change detection results obtained by the improved fuzzy clustering algorithm exhibited lower error than its preexistences.     

一种新的红外热像仪图像边缘检测方法

针对红外热像仪采集的红外影像边缘信息模糊、影像存在噪声、边缘信息难提取的特点,提出了一种基于数学形态学对LOG算子改进和Roberts算子数据相结合的边缘检测新方法。该方法首先引进形态学中的开闭运算对具有随机噪声的红外影像进行滤波,接着运用拉普拉斯算法边缘检测,然后再采用Roberts算子提取边缘信息,建立相应的融合规则及阈值条件,将两种方法检测出的影像边缘信息融合,得到最终的融合影像。最后,对增加椒盐噪声的影像用MATLAB进行仿真实验,结果表明,该方法结合了两种检测算子的优点,定位精度高,有很强的抗噪性,获得了比较理想的检测效果。     

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。     

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。     

基于五帧差分和模板匹配的运动目标检测识别

针对帧差法和背景差分法检测运动目标准确率低,自适应能力弱等缺陷,提出了一种改进五帧差分法与背景差分法和模板匹配相结合的运动目标检测和识别算法;通过改进的五帧差分和背景差分法融合的算法从视频图像序列中检测出运动目标;利用形态学方法去除噪声,改善运动目标提取效果;在Harris算法提取图像匹配特征值的基础上角点配准,提高图像识别的准确率,通过提取目标特征与自适应模板图像进行特征匹配的方法实现了目标检测识别和跟踪。仿真结果和实验表明该方法有噪声和部分遮挡的运动目标有良好的检测识别效果,识别率达到了95%。     

基于特征融合的粒子滤波目标跟踪新方法

针对传统粒子滤波(PF)算法采用单一颜色特征建模 跟踪目标性能差的缺陷,提出一种颜色特征与纹理特 征相融合的PF目标跟踪新算法。首先,采用一种具有抗噪声和保护纹理边缘的全局中值二值 模式 (GMBP)纹理算子,对模板图像进行局部差绝对值处理,得到幅 值序列模板,将幅值序列模板内的中值作为模板的阈值,与模板邻域比较获得新的纹理图像 ;然后,与 具有光照不变特性的局部二值模式(LBP)纹理算子结合,形成一种(GMLBP)新的纹理描述算子 。最后,分别计算GMLBP纹理特征粒子权值和HSV颜色特征粒子权 值,并依据权值大小确定融合系数,对纹理特征粒子权值和颜色特征粒子权值进行线 性融合,再对融合后粒子权值进行归一化处理,从而得到目标位置状态的最终估计值。对比 实验结果表明, 相对于单一颜色特征的目标跟踪算法,所提算法捕捉目标位置准确且具有更低的平均跟踪误 差,其平均误差降低了近2倍。