利用归一化互信息进行基于像斑的遥感影像变化检测

提出了利用遥感影像分割获取像斑进行变化检测的方法。将归一化互信息引入到遥感影像变化检测中,利用像斑的灰度直方图以及联合灰度直方图计算像斑的归一化互信息,依据条件熵最小的原则,获取最佳划分阈值,并与相关系数法进行了比较。实验结果显示归一化互信息法更适用于遥感影像变化检测。     

面向对象变化向量分析的遥感影像变化检测

为了解决基于像元的变化向量分析法在高分辨率遥感影像变化检测中精度低的问题,提出了一种面向对象变化向量分析的遥感影像变化检测方法。综合2个时期的遥感影像,首先通过影像分割获取像斑,其次提取直方图作为像斑的特征向量,再次采用直方图相交法度量2个时期像斑直方图之间的距离,构建像斑的变化向量,然后利用加权组合的方法计算像斑变化向量的模,最后依据最大熵原理获取变化检测阈值,对像斑进行变化/未变化判别。在QuickBird及Ikonos遥感影像上的实验表明:在高分辨率遥感影像变化检测中,与基于像元的变化向量分析法相比,该方法变化检测的精度较优,变化检测的正确率分别达到了0.92与0.90。     

基于状态转移矩阵的变化检测方法

土地利用变化检测一直是遥感影像变化检测研究的重点。在分析已有变化检测方法的基础上提出了一种基于状态转移矩阵（State Transition Matrix,STM）的变化检测方法。以像斑为分析单位,通过样本像斑的选择与更新对变化检测区域进行分析,利用辅助数据生成的地物变化状态转移矩阵对变化检测结果进行修正。实验证明了该方法的有效性。     

利用向量相似性进行基于像斑的土地利用变化检测

提出了利用GIS辅助数据与遥感影像套合获取像斑进行变化检测的完整方法。将变化检测问题转化为一个基于像斑特征相似性度量的两类划分问题--变化与未变化。构造了向量相似度的衡量指标,利用数据挖掘方法找到划分阈值,并与相关系数指标进行了比较。结果显示向量相似度指标更适合本文方法用于变化检测。     

基于GIS辅助数据的样本像斑变化检测方法研究

土地利用变化检测是国内外全球化进程研究的重要内容。虽然利用遥感影像进行变化检测的研究已取得了巨大进展,但由于对象获取方式单一、算法参数需要人为设定/调试等问题使现有变化检测方法在实际应用中的效果大打折扣。提出了一种以GIS辅助数据获取像斑建立样本特征数据库的方法进行遥感影像变化检测。该方法可充分利用多源数据,并提高变化检测方法的自动化程度。实验证明了方法的有效性。     

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。     

遥感影像变化检测研究进展

随着遥感技术的迅速发展,利用不同的技术手段实现遥感影像变化检测作为主流趋势之一,能够对同一地域在不同时间段的遥感数据检测出变化的特点和类型。本文针对遥感影像变化检测方法进行总结、分析和对比,对变化检测研究进展进行了详细的叙述。首先阐述了遥感影像变化检测实现的流程的三个方面：数据处理、信息提取与评价标准;随后根据各阶段遥感图像中变化检测的发展详细归纳了其研究进展;最后对变化检测当前存在的局限性和未来发展趋势进行了探讨,以更好的促进遥感影像变化检测的研究更加深入。     

顾及空间引力的变权重MRF高分遥感影像变化检测

针对现有高分遥感影像变化检测方法大都针对影像的像元灰度值,没有充分考虑像元间的空间关系,导致变化检测精度不高,提出了一种改进的变化检测方法.首先,通过模糊C均值聚类得到初始差异影像中的像元隶属度信息;然后,利用改进的空间引力模型将像元的隶属度及像元间的空间信息引入到马尔科夫随机场中,基于组合能量函数设置自适应权重函数;...     

模糊Bayes 理论在遥感影像变化检测中的应用

针对传统基于Bayes 决策规则的遥感影像变化检测方法中参数估计的不足以及分类过程中的硬划分问题,采用动态更新变化和未变化两类像元模糊子集的方法,实现对两类像元模糊子集中参数的动态更新,利用估计参数获得各子集的后验概率函数,再将后验概率函数转化为模糊子集的模糊隶属函数,从而获得各子集的指标函数,根据指标函数对影像中未分类的像元值进行判断,实现遥感影像的变化区域提取。实验结果表明：与现有的基于Bayes 决策规则的遥感影像变化检测方法及ERDAS 软件生成结果相比,提出的方法具有更好的变化检测精度。     

结合深度学习和超像元的高分遥感影像变化检测

目的 随着遥感影像空间分辨率的提升,相同地物的空间纹理表现形式差异变大,地物特征更加复杂多样,传统的变化检测方法已很难满足需求。为提高高分辨率遥感影像的变化检测精度,尤其对相同地物中纹理差异较大的区域做出有效判别,提出结合深度学习和超像元分割的高分辨率遥感影像变化检测方法。方法 将有限带标签数据分割成切片作训练样本,按照样本形式设计一个多切片尺度特征融合网络并对其训练,获得测试图像的初步变化检测结果;利用超像元分割算法将测试图像分割成许多无重叠的同质性区域,并将分割结果与前述检测结果叠合,得到带分割标记的变化检测结果;用举手表决算法统计带分割标记的变化检测结果中超像元的变化状况,得到最终变化检测结果。结果 在变化检测实验结果中,本文提出的多切片尺度特征融合卷积网络模型在广东数据集和香港数据集上,优于单一切片尺度下卷积神经网络模型,并且结合超像元的多切片尺度特征融合卷积网络模型得到的Kappa系数分别达到80%和82%,比相应的非超像元算法分别提高了6%和8%,在两个测试集上表现均优于长短时记忆网络、深度置信网络等对比算法。结论 本文提出的卷积神经网络变化检测方法可以充分学习切片的空间信息和其他有效特征,避免过拟合现象;多层尺度切片特征融合的方法优于单一切片尺度训练神经网络的方法;结合深度学习和超像元分割算法,检测单元实现了由切片到超像元的转变,能对同物异谱的区域做出有效判决,有利于提升变化检测精度。     

图像序列中基于交叉熵的运动区域检测

图像序列中的运动区域的正确检测是一个相当重要但又非常困难的问题。采用了自适应的背景模型，并用交叉熵对差分图像阈值化，从而使分割出的运动区域更加正确。试验结果表明了本方法的有效性和鲁棒性。     

一种基于灰度预测误差统计的影像质量评价方法

受二维差分脉冲编码调制(DPCM)影像压缩编码技术的启发，为了更好地运行影像质量评价，从影像像素相关性的角度探讨了一种基于灰度预测误差统计的影像质量评价方法。该方法首先利用线性预测算子和最小二乘估计来计算影像像素的灰度，然后统计整幅影像内的估计像素灰度值与对应像素点的实际灰度值的累计平均平方误差。该误差反映了影像像素间的相关性大小，其值越大，表明像素间的相关性越小，影像的反差与清晰度越好。试验结果表明，该方法对影像质量的变化敏感度明显高于传统的均方差、平均梯度和信息熵法，因而特别适合评估通过不同降噪方法处理的影像质量。不足的是该方法的计算效率不如传统的方差和信息熵方法快。     

结合空间邻域信息的SAR图像变化检测

SAR图像变化检测可以通过对差异图的分类来实现,由于SAR图像容易受到相干斑噪声的干扰,从而影响变化检测效果。提出了一种基于空间邻域信息模糊聚类的SAR图像变化检测方法,根据对数比法和均值比法的各自特点,构造了一种新的差异图生成方法,并通过对传统的模糊聚类算法结合像素的空间邻域信息进行改进,来实现SAR图像的变化检测。实验结果表明,与传统的阈值法、模糊聚类算法以及局部邻域信息模糊C均值算法相比,提出的算法具有较高的检测精度,不但能有效地抑制噪声影响,同时能较好地保留图像细节信息。     

基于随机化映射和模式熵的近似重复图像检测

针对传统方法检测效率低的问题,提出了一种基于随机化映射和模式熵的近似重复图像检测方法。该方法先利用精确欧式空间位置敏感哈希(Exact euclidean locality sensitive hasing,E2LSH)进行快速过滤,滤除大部分非近似重复图像对,然后对于剩余的图像对,再采用尺度旋转不变模式熵(Scale-rotation invariant patternentropy,SR-PE)进一步去除错误的匹配,从而实现近似重复图像检测。实验结果表明,新方法在不明显降低性能的前提下大大加快了近似重复图像检测的速度,在检测性能与速度之间取得了较好的平衡。     

一种基于Tsallis熵的彩色图像边缘检测方法*

通过引入Tsallis熵,提出了一种新的彩色图像边缘检测方法.该方法首先将彩色图像从RGB空间转换到YCbCr空间,分别求出三个子空间中像素在3×3邻域内的最大边缘强度值;然后采用Tsallis熵求取每一个子空间的最佳边缘强度阈值对亮度子空间Y和颜色信息子空间Cb、Cr分别进行边缘提取,最后将三个子空间中获取的边缘点进行融合,从而完成整幅图像的边缘检测.实验结果表明,与采用Shannon熵的边缘检测方法相比,该方法具有更好的灵活性和可行性.     

基于熵的柱面全景图拼接算法及其鲁棒性分析

全景图拼接是基于图像绘制的关键技术之一.本文提出了一种基于熵的全景图拼接算法,它利用现有的基于小波的角点提取算法获得兴趣点,同时保留其所在的边缘信息,并对图像局部熵作改进,以此来获得候选匹配点,然后去除伪匹配进而获得最终精确匹配.文中给出了实验结果和算法的鲁棒性分析.     

基于熵和多步马尔可夫特征的图像拼接检测

随着图形编辑软件的普及,数字图像篡改越来越容易,数字图像篡改检测已成为一个亟需解决的问题。为此,提出基于图片信息熵和多步马尔可夫特征的图像拼接检测方法。该方法将图像拼接检测问题转换为两分类模式识别问题,先从原图、3阶Haar离散小波变换(DWT)和多尺度分块离散余弦变换(DCT)中提取图片的信息熵,再从图像的分块DCT系数中提取多步马尔可夫转移概率矩阵,由信息熵和多步马尔可夫转移概率矩阵组成统计特征,利用支持向量机分类器进行分类得到判决结果。实验结果表明,该方法在哥伦比亚图片库上具有较高的拼接检测精度,达到89.91%。     

基于图像分块的边缘检测算法

Canny算子高低阈值的选取依赖图像全局梯度信息的统计,图像全局梯度信息和局部梯度信息的分布通常存在差异,导致在局部范围中较明显的边界可能被漏检。针对该问题,提出一种根据图像熵信息对图像进行分块的边缘检测改进算法,并将其用于Canny算子。实验结果证明了该方法的有效性,其检测效果优于直接运用Canny算子。     

基于玻耳兹曼熵分析的图像分割方法研究*

根据热力学玻耳兹曼熵关系式,定义基于图像灰度谱的玻耳兹曼熵谱,将图像空间局部结构隐含于灰度谱的客观事实与玻耳兹曼熵谱联系在一起。最后在像素近邻空间进行统计计算,通过识别玻耳兹曼熵谱特征,实现图像分割。实验与比较分析表明,该方法具有显著优势。