KCCA与SVM算法支撑下的遥感影像变化检测

针对多时相影像间存在非线性变化以及变化检测阈值难以确定问题,提出结合核典型相关分析和支持向量机的遥感影像变化检测算法。首先,运用核函数对多波段遥感影像非线性映射到高维特征空间进行多变量典型相关分析,去除影像间的相关性,并构造差异影像向量。然后,采用支持向量机方法提取差异影像变化区域与不变化区域。以Landsat-8遥感影像多光谱数据进行实验,结果表明,该方法可以很好提取多光谱影像的变化信息。最后,利用形态学算子对分类结果作处理,消除了“椒盐现象”的干扰,同时提高了变化检测精度。     

基于改进支持向量机方法的影像分类和目标识别研究

利用卫星遥感影像进行土地利用变化监测的关键技术是影像分类与目标识别。本文提出了支持向量机的改进算法,基于小波核函数构建了小波模糊支持向量机。通过项目"集成卫星遥感与地形地籍数据进行土地利用变化检测"的研究和实验,力求在创新处理算法上取得突破,提高重点目标识别的准确性、可靠性。     

基于PCA与EM算法的多光谱遥感影像变化检测研究

变化检测技术能够从观测数据中有效地提取各种变化信息。以多时相的多光谱遥感影像作为主要研究对象,就基于直接比较像元特征的变化检测中两方面的关键问题——差异影像的构造和变化阈值的提取来开展研究,具体采用PCA结合差值比较的方法构造差异影像,采用EM自动确定变化阈值以提取变化区域。通过与传统变化检测方法的实验比较,证明了该方法的有效性。     

面向对象多特征融合的水域岸线目标变化检测

为认真落实河长制"清四乱"等专项行动,量化水域岸线监管测评工作,以岸线码头为目标,研究一种基于面向对象思想多特征融合的水域岸线目标变化检测方法。针对多时相高分辨率遥感影像,利用面向对象多尺度分割原理将具有空间连续性的同类区域划分为目标对象,提取目标对象的光谱、纹理及几何结构组成特征矩阵,并利用高斯径向基核函数支持向量机(RBF-SVM)进行分类;计算变化矢量差值,并与人工判读数据对比分析得到目标变化检测结果。实验结果表明,该研究应用于水域岸线上目标的变化检测中效果明显,RBFSVM分类误差影响最终目标变化检测的正确率,可为实现河湖水域岸线长效管护提供技术支撑。     

基于卫星遥感影像的基础地理信息变化提取研究

以不同时期ALOS卫星遥感影像为例,通过影像预处理,结合基于多光谱的向量变化分析法、差值主成分分析法、全色影像差值法等多种变化检测方法,对基于变化影像实现居民地、道路和水系自动与半自动发现和提取进行了深入研究,并对各检测方法进行优缺点分析。     

基于支持向量机的高光谱影像分类研究

高光谱遥感技术,将反映目标辐射属性的光谱信息与反映目标空间几何关系的图像信息有机地结合在一起.高光谱影像丰富的光谱信息使其较全色遥感、多光谱遥感能够更好的进行地面目标的分类识别.本文综合利用支持向量机分类的若干关键技术,包括序列最小优化训练算法,多类支持向量机构造方法、核函数及其参数选择的交叉验证"网格搜索",给出了高光谱影像分类流程,进行了遥感数据试验分析.     

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。     

基于改进最小噪声分离变换的特征提取与分类

在最小噪声分离变换的基础上,引入核方法,采用小波核函数代替传统核函数对最小噪声分离变换予以改进。小波核函数的多分辨率分析特性可进一步提高算法的非线性映射能力。相关向量机高光谱图像分类是一种较新的高光谱图像分类方法,将新型核最小噪声分离变换方法与相关向量机相结合,对高光谱影像数据进行分类实验。仿真实验结果表明,基于小波核最小噪声分离变换的方法体现了高光谱影像的非线性特征,将所提出的方法应用于HYDICE系统在Washington DC Mall上空拍摄的数据,与对照算法相比,分类精度可提高3%~8%,并可有效地提高小样本区域的分类精度。     

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。     

基于小波支持向量机的遥感影像融合

针对遥感影像融合中出现的对比度差、边缘模糊等问题,利用支持向量机的统计学习优势,结合方向滤波器组的多方向特性,提出一种基于支持向量机的遥感影像融合框架。由于小波核相对其他核函数对复杂的信号具有更好的逼近能力,因此利用Morlet母小波构造核函数,研究基于小波支持向量机的遥感影像融合,提高遥感影像融合的精确度。实验结果表明,该方法的融合效果优于传统的图像融合方法。     

遥感影像变化检测尺度效应分析方法

空间地物的尺度依赖性造成遥感信息存在尺度不确定性,在遥感影像变化检测过程中有必要结合研究目标进行尺度效应分析并选择最优的观测尺度。针对当前遥感影像变化检测在此方面的研究不足以及传统尺度效应分析方法的缺陷,以2期Landsat TM遥感数据部分区域为实验区,提出一种综合光谱及形状特征的遥感影像变化检测尺度效应分析方法,并进一步提出最优分辨率的选择方法。研究结果表明,变化检测结果中变化图斑的面积、周长、形状及光谱异质性会随着影像空间分辨的变化而变化。综合光谱及形状特征的最优分辨率确定方法能够根据变化检测目标区域的固有特征进行有目的的调整,具有一定的理论指导意义。     

基于光谱相似尺度的支持向量机遥感土地利用分类

提出一种基于光谱相似尺度( spectral similarity scale, SSS ) 的支持向量机( support vector machines, SVM) 遥感土地分类新方法, 该方法选择莆田市作为遥感土地利用分类典型研究区, 利用该区域的Landsat7 ETM 遥感影像结合地面实况调查数据, 从图像上选取少量具有代表性的样本点的光谱作为参考光谱, 利用SSS 方法提取训练样本, 然后应用SVM 算法进行遥感土地利用分类, 并将分类结果与最大似然分类算法( MLC) 相比较, 实验结果表明分类精度上有了很大的提高。     

融入超像元的高分辨率影像面向对象分类

针对传统像元分类方法精度低和出现"椒盐"现象,提出融入超像元的高分辨率遥感影像面向对象分类方法。首先在顾及高分辨率遥感影像像元光谱的光谱相似和像元空间位置关系的基础上,采用简单线性迭代聚类方法来生成含有超像元的高分辨率遥感影像;再采用均值漂移算法对超像元的高分辨率遥感影像进行分割,最后采用支持向量机分类器进行分类。选择典型地区实验影像进行分类实验,结果表明,该方法在提高高分辨率影像分类精度的同时又能保持地物细节。     

基于编码对齐生成对抗网络的异源遥感影像地表覆被变化检测方法

相较于同源遥感影像地表覆被变化检测,异源影像能综合不同卫星传感器间数据特征和现势性等优势,更好满足应用需求。针对异源遥感影像变化检测中存在的光谱差异和特征空间不一致问题,研究提出编码对齐生成对抗网络实现异源影像的高精度变化检测。考虑到异源影像间通道和数据类型上存在差异,难保持重构前后影像空间结构的一致性,研究通过添加自编码器和构造编码对齐损失,约束编码器输出特征的空间结构变化,使重构前后影像空间结构一致,有效减少信息丢失;在跨域映射过程中为减少源域与目标域间影像的色彩差异,采用循环一致对抗生成网络在无成对影像情况下进行色彩迁移,实现两时相异源影像的相互跨域映射,生成能与原始影像直接对比的无色偏重构影像;利用设计的变化概率权重使网络在训练过程中自动选择样本,有效提取覆被变化信息。实验结果表明：该方法与CGAN、SCCN等方法相比能更充分提取影像特征,降低跨域映射函数的随机性;在4组公开数据集的检测精度分别达到0.93、0.96、0.97、0.88,精度最高;变化检测结果与参考图的一致性、检测差异图质量均最优。因此,该方法在异源遥感影像中能够进行高精度变化检测。     

有监督上下文相似度图像变化检测

图像变化检测中存在变化区域过高估计的问题. 为解决此问题,提出一种基于上下文相似度的有监督图像变化检测方法,用于二时刻高分辨率多光谱卫星图像的变化检测. 利用上下文相关度和像素点相邻部分的局部斜率和截距来描述变化方向,然后通过带有局部斜率和截距的支持向量机（SVM）进行图像变化检测. 数值实验得出了用于高分辨率地震（包括建筑损毁）二元多光谱图像的变化检测的结果. 与已有方法相比,明显抑制了错分类现象,对于解决变化区域过高估计问题是有效的.     

一种改进型面向对象的遥感变化检测方法

针对人工变化发现效率低下和高分影像数据量大的现状,按照"先发现变化区域,再进行分类识别"的检测思路,提出了一种集成改进型变化矢量分析法和面向对象分类法的变化检测方法。该方法利用基于最大类间方差阈值搜索的改进型CVA法以自动快速提取出变化区域,再基于面向对象分类法对变化区域进行地物类型识别。为验证该方法的有效性,本文利用2009年和2013年两期IKONOS高分影像对重庆市沙坪坝区大学城建成区进行了变化检测实验,并采用变化检测一致性比率进行精度分析。实验结果表明,该方法对道路和建筑用地的变化检测精度可以达到85%以上,对耕地和水体的地类检测精度达到70%以上。可见,该方法在大区域的宏观土地利用遥感动态监测工作中具有一定的实用价值。     

基于核主元分析和支持向量机的人脸识别

核主元分析(KPCA,Kernel Principal Components Analysis)具有能较好地提取非线性特征的优势;支持向量机(SVM,Support Vector Machine)具有较好的非线性映射能力,且泛化能力强。结合核主元分析与支持向量机的特点,提出了一种基于核主元分析与支持向量机的人脸识别方法。该方法首先利用核主元分析对人脸图像进行特征提取,然后依据支持向量机与最近邻准则对所提取的核主元特征进行分类识别。基于ORL(Olivetti Research Laboratory)人脸数据库的实验结果表明了该方法的有效性。     

基于支持向量机的遥感影像薄云去除方法

提出了一种基于支持向量机的遥感影像薄云去除方法。利用支持向量机对边缘点的极强捕捉能力,将含云遥感影像进行多尺度分解,获得不同尺度上的变换系数,再结合方向滤波器组得到丰富的高频信息。采用自适应阈值的图像增强方法处理这片区域,重构时通过对高频区域的增强和低频区域的抑制,得到去云图像。实验结果表明,采用该方法能有效地去除遥感影像中的薄云。     

遥感影像变化检测方法综述及展望

变化检测技术是遥感应用领域的一个重要研究方向。本文首先对常见的变化检测方法进行了概括性介绍与优缺点评述,并分析了当前变化检测方法中存在的普遍问题;并在此基础上,展望了一种基于影像分割的变化检测方法:在仅对其中一个时相影像进行分割的基础上,建立了两时相影像间的对应图斑单元与变化判别规则,实现图斑单元间的直接比较来提取变化信息。并分析了基于分割的变化检测方法与像素级变化检测方法相比具有的优势。     

融合光谱与地形因子的土地利用/覆被变化检测

针对仅利用遥感影像单一光谱指数提取土地利用/覆盖变化信息精度较低的问题,提出融合光谱与地形因子的土地利用/覆盖综合变化检测方法,用于提高总体变化检测精度。首先利用互补的4个光谱检测指标获得尽可能消除季相差异误差的初始变化检测结果,然后根据坡度、坡向剔除因山体阴影造成的虚检部分。以江西省西南地区Landsat TM影像为例,对比了融合光谱和地形因子的综合变化检测方法与仅利用光谱信息的分类后变化检测方法的结果,表明前者的变化检测精度比后者提高了13.67%,且虚检率降低了15.56%,这说明融合光谱和地形因子的综合变化检测方法能够显著提高遥感变化检测精度。