基于多时相遥感图像的人造目标变化检测算法

传统的像素级变化检测方法的检测性能受到以下因素的严重制约: 图像辐射差异、配准误差和差异图像分类门限的选取, 并且难以从检测信息中提取出关键的变化. 本文针对遥感图像中人造目标的变化检测问题, 提出了一种综合特征级和像素级的两步变化检测算法. 首先将大幅多时相遥感图像分成一系列子图像对, 采用有监督子图像对分类方法, 提取人造目标变化的感兴趣区域, 然后采用像素级变化检测算法对感兴趣区域进行变化检测, 得到定量的检测结果. 实验结果表明了该算法的可行性和有效性.     

一种新的结合非下采样Contourlet域融合和参数化内核图割的SAR图像无监督水灾变化检测

目的：基于非下采样Contourlet变换(NSCT)融合策略可以有效地抑制背景信息增强变化区域的信息。但是融合后图像具有复杂的统计特征,传统的基于统计特征的变化检测难以实现。基于参数化内核图割的遥感图像分割不受统计特征的限制。为此提出了一种基于NSCT融合和参数化内核图割的SAR图像无监督水灾变化检测新算法。方法：将均值比差异图像和对数比差异图像采用基于NSCT的融合算法进行融合,将融合后的差异图像采用参数化内核图割算法进行前景/背景的分割,得到最终的变化检测结果。结果：融合后的差异图像利用前两种差异图像的互补信息提高了变化检测精度。算法不受统计模型限制,不需要先验知识,适用性强。结论：实验结果表明,本文算法的检测精度优于传统的变化检测方法。     

一种稳健的多时相遥感图像相对辐射校正方法

变化检测是通过分析多时相遥感图像实现土地利用动态监视的一种有效方法，但在变化检测 分析前，需要经过辐射校正消除光照等因素对地物光谱辐射的影响，使同一地物在不同时相 影像中具有相同的辐射量。根据地物在不同时相遥感图像中的光谱特性满足线性关系的 特点，提出一种自动实现多时遥感图像相对辐射校正的稳健方法，首先通过最小差分回归找 出非变化地物在多时相遥感图像中的辐射关系 |然后利用变化区域证实过程消除变化区域对 辐射校正处理的影响 |最后通过循环迭代实现图像间的辐射校正。提出的方法不仅可以自动 地实现多时相遥感图像的相对辐射校正，而且能够保证图像的辐射分辨率不会因为辐射校正而降低。     

非下采样Contourlet域融合和参数化内核图割的SAR图像无监督水灾变化检测

目的 基于非下采样Contourlet变换（NSCT）融合策略可以有效地抑制背景信息增强变化区域的信息。但是融合后图像具有复杂的统计特征,传统的基于统计特征的变化检测难以实现。基于参数化内核图割的遥感图像分割不受统计特征的限制。为此提出了一种基于NSCT融合和参数化内核图割的SAR图像无监督水灾变化检测新算法。方法 将均值比差异图像和对数比差异图像采用基于NSCT的融合算法进行融合,将融合后的差异图像采用参数化内核图割算法进行前景/背景的分割,得到最终的变化检测结果。结果 融合后的差异图像利用前两种差异图像的互补信息提高了变化检测精度。算法不受统计模型限制,不需要先验知识,适用性强。结论 实验结果表明,本文算法的检测精度优于传统的变化检测方法。     

基于差异图融合和FLICM聚类的SAR图像变化检测北大核心CSCD

针对传统SAR图像变化检测算法易受噪声影响、检测精度低等问题,提出了一种基于差异图融合和FLICM聚类的SAR图像变化检测算法。该算法以对数比和滤波比法生成两幅不同表征的差异图像,并设计融合算子对两差异图的特征信息进行综合,获取高可分性的融合差异图;之后采用局部信息模糊C均值聚类对融合差异图进行处理,分离出其中的变化区域和非变化区域。实验选用漏检数、误检数、正确率、Kappa系数作为评价指标,对算法进行了定性和定量的实验分析。分析结果表明,所提出的算法具有更好的相干斑噪声抑制能力,可有效、准确地检测出变化区域,提高了变化检测的精度。     

结合结构相似度的自适应多尺度SAR图像变化检测

目的 结合高斯核函数特有的性质,提出一种基于结构相似度的自适应多尺度SAR图像变化检测算法。方法 本文提出的算法包括差异图像获取、高斯多尺度分解、基于结构相似性的最优尺度选择、特征矢量构造以及模糊C均值分类。首先,通过对多时相SAR图像进行对数比运算获取差异图像,然后,利用基于图像的结构相似度估计高斯多尺度变换的最优尺度,继而在该最优尺度参数下逐像素构建变化检测特征矢量,最后通过模糊C均值聚类方法实现变化像素与未变化像素的分离,生成最终的变化检测结果图。结果 在两组真实的SAR图像数据上测试本文算法,正确检测率分别达到0.9952和0.9623,Kappa系数分别为0.8200和0.8540,相比传统算法有了较大的提高。结论 本文算法充分利用了尺度信息,对噪声的鲁棒性有所提高。实测SAR数据的实验结果表明,本文算法可以智能获取最优分解尺度,显著提高了SAR图像变化检测性能。     

基于全变分模型的多时相遥感影像厚云去除算法

针对多时相遥感影像厚云去除出现的亮度不一致和明显边界的问题,提出了一种结合全变分模型和泊松方程的多时相遥感影像厚云去除算法。首先,通过多时相遥感影像间共同区域的亮度信息计算亮度校正系数,对图像的亮度进行校正,降低亮度差异对去云结果的影响。然后,基于选择多源全变分模型对亮度校正后的多时相遥感影像进行重建,提高融合结果的空间平滑性及其与原始影像的相似性。最后,利用泊松方程对重建图像的局部区域进行优化。实验结果表明,该算法能够有效解决亮度不一致和边界问题。     

基于二维模糊信息熵的差分图像变化检测

变化检测作为多时相遥感图像分析的一项重要技术,是当前遥感应用研究的一个热点。在现有的变化检测方法中,针对差分图像的方法得到了广泛的应用,而如何从差分图像中自动检测出变化区域是实现这类变化检测的关键。论文提出了一种基于二维模糊信息熵的方法实现差分图像的变化检测,先利用差分图像的二维直方图描述图像中像元的统计特性和相邻像元间的空间邻域特性,然后对其进行模糊运算并得到差分图像的二维模糊信息熵,最后使用遗传算法实现模糊熵最大化,从而完成差分图像的非监督变化检测。实验结果表明该方法比现有方法具有更好的性能。     

基于D-S证据理论的遥感图像融合变化检测方法

基于像素级的遥感图像变化检测是利用配准后的不同时相遥感图像的原始像元灰度信息进行的变化检测,直观,易于理解,是目前应用较广泛的变化检测技术.由于现有算法无法在适应性、稳健性、准确性及时效性等方面实现性能全面占优,本文提出了一种基于D-S证据理论的融合变化检测方法,利用融合策略和规则在决策层对来自多种算法的检测结果进行综...     

基于随机游走的遥感图像变换检测与配准

提出一种基于随机游走的遥感图像变化检测与配准方法。该方法的特点是,提取多时相遥感图像的关键点,作为随机游走的初值种子点和图像配准的特征点,将图像配准和变化检测结合起来,提高变化检测的效率。该方法采用一种能量最小化策略来提取像素的不透明度,能检测到大范围的变化,包括一些细微的变化。仿真表明了该方法的有效性。     

基于特征增强与最小误差分割的变化检测方法

以河北省石家庄市2003年和2004年的专题制图仪(TM)遥感影像为例,针对各波段光谱特征,提出了一种基于地物特征增强的变化检测方法.在两期影像上对各类地物采样并计算样本在不同波段的均值、标准差等特征量,以确定波段组合运算的加权系数,计算特征增强图像,实现两期影像中所指定地物类型的特征增强;计算两期特征增强影像的差异影像;使用最小误差分割法获取变化检测结果.通过对比实验可知:方法提取变化区域总体精度达到90%,相对于传统的基于主成分分析(PCA)的变化检测方法,具有较高的检测精度,较好的可行性与适应性.     

一种结合空间与光谱信息的改进CVA变化检测方法

基于变化向量分析（CVA）的变化检测方法通过直接比较像素差异,能够快速提取多时相影像间的变化信息。尽管如此,由于忽略了像素领域的空间上下文信息及波段之间的差异性和互补性,导致检测结果中难以消除噪声等因素产生的“伪变化”。为此提出了一种结合空间和光谱信息的改进CVA方法。首先,采用主成分分析法对影像进行增强,继而通过构建一种新的多方向差分描述子来提取中心像素的空间上下文信息;在此基础上,提出一种基于相关性的加权融合策略,获得统一的变化强度差分影像;最后,采用EM算法求得变化像素的阈值,继而得到二值检测结果。实验结果表明：所提出的算法能够有效应对“伪变化”的干扰,显著提高变化检测的精度及可靠性。     

一种结合空间与光谱信息的改进CVA变化检测方法

基于变化向量分析（CVA）的变化检测方法通过直接比较像素差异，能够快速提取多时相影像间的变化信息。尽管如此，由于忽略了像素领域的空间上下文信息及波段之间的差异性和互补性，导致检测结果中难以消除噪声等因素产生的“伪变化”。为此提出了一种结合空间和光谱信息的改进CVA方法。首先，采用主成分分析法对影像进行增强，继而通过构建一种新的多方向差分描述子来提取中心像素的空间上下文信息；在此基础上，提出一种基于相关性的加权融合策略，获得统一的变化强度差分影像；最后，采用EM算法求得变化像素的阈值，继而得到二值检测结果。实验结果表明：所提出的算法能够有效应对“伪变化”的干扰，显著提高变化检测的精度及可靠性。     

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。     

Information fusion techniques for change detection from multi-temporal remote sensing images

In order to investigate the impacts of different information fusion techniques on change detection, a sequential fusion strategy combining pan-sharpening with decision level fusion is introduced into change detection from multi-temporal remotely sensed images. Generally, change map from multi-temporal remote sensing images using any single method or single kind of data source may contain a number of omission/commission errors, degrading the detection accuracy to a great extent. To take advantage of the merits of multi-resolution image and multiple information fusion schemes, the proposed procedure consists of two steps: (1) change detection from pan-sharpened images, and (2) final change detection map generation by decision level fusion. Impacts of different fusion techniques on change detection results are evaluated by unsupervised similarity metric and supervised accuracy indices. Multi-temporal QuickBird and ALOS images are used for experiments. The experimental results demonstrate the positive impacts of different fusion strategies on change detection. Especially, pan-sharpening techniques improve spatial resolution and image quality, which effectively reduces the omission errors in change detection; and decision level fusion integrates the change maps from spatially enhanced fusion datasets and can well reduce the commission errors. Therefore, the overall accuracy of change detection can be increased step by step by the proposed sequential fusion framework.     

差异特征融合的无监督SAR图像变化检测

针对Siamese网络忽略不同层级差异特征之间的关联导致检测精度有限的问题,提出了基于差异特征融合的无监督SAR(synthetic aperture radar)图像变化检测算法。首先,利用对数比值算子和均值比值算子构建两幅信息互补的差异图,通过引入能量矩阵对差异图进行像素级融合以提高其信噪比;其次,设计了一种基于差异特征融合的Siamese网络(difference feature fusion for Siamese,DFF-Siamese),该网络能够通过差异特征提取模块在决策层综合衡量不同层级特征之间的差异程度,从而有效增强网络的特征表达能力;最后,利用模糊聚类算法对融合结果进行分类构建“伪标签”,用于训练DFF-Siamese网络以实现高精度SAR图像变化检测。在3组真实遥感数据集上的实验结果表明,本文提出的算法与其他对比算法相比具有更高的检测精度和更低的错误率。     

Image feature detection algorithm based on the spread of Hessian source

Image feature detection can be obtained from many methods including the feature point detection. This paper adopts the image feature point detection method based on second-order characteristics of point and the image feature detection algorithm based on the Hessian matrix to detect more feature points. By combining the gray-scale-based image-matching technology with the feature-based image feature detection technology, we propose a Hessian algorithm to obtain more matching points, which can search for matching more quickly. The proposed algorithm overcomes the traditional matching methods that have Ergodic properties of the search strategy. Experiments demonstrate the speed and accuracy of the proposed algorithm, and we use the correct detected feature points to realize image registration, image fusion and image stitching.     

基于卷积特征融合的通用目标检测方法

针对现有目标检测算法在检测时易受到图像尺度变化、目标间遮挡或截断等因素影响的问题,对卷积神经网络（convolutional neural network,CNN）中不同层次的特征进行了研究,提出了一种融合深度网络卷积特征的目标检测算法。算法采用多阶段的特征复用和特征融合减少特征间相关性的损失,最终在PASCAL VOC 2007测试数据集上达到了84.21%的mAP （mean average precison,平均精度均值）值;与未使用特征融合方法以及使用传统特征融合的方法相比,提出的方法分别提高了4.41%和2.71%。     

基于深度学习的遥感图像目标检测与识别

为解决目前的遥感图像目标检测算法存在的对小尺度目标检测精度低和检测速度慢等问题，提出了一种基于深度学习的遥感图像目标检测与识别算法。首先，构建一个含有不同尺度大小的遥感图像的数据集用于模型的训练和测试；其次，基于原始的多尺度单发射击（SSD）网络模型，融入了设计的浅层特征融合模块、浅层特征增强模块和深层特征增强模块；最后，在训练策略上引入聚焦分类损失函数，以解决训练过程中正负样本失衡的问题。在高分辨率遥感图像数据集上进行实验，结果表明所提算法的检测平均精度均值（mAP）达到77.95%，相较于SSD网络模型提高了3.99个百分点，同时检测速度为33.8 frame/s。此外，在拓展实验中，改进算法对高分辨率遥感图像中模糊目标的检测效果也优于原多尺度单发射击网络模型。实验结果说明，所提改进算法能够有效地提高遥感图像目标检测的精度。     

基于深度学习的遥感图像目标检测与识别

为解决目前的遥感图像目标检测算法存在的对小尺度目标检测精度低和检测速度慢等问题,提出了一种基于深度学习的遥感图像目标检测与识别算法。首先,构建一个含有不同尺度大小的遥感图像的数据集用于模型的训练和测试;其次,基于原始的多尺度单发射击（SSD）网络模型,融入了设计的浅层特征融合模块、浅层特征增强模块和深层特征增强模块;最后,在训练策略上引入聚焦分类损失函数,以解决训练过程中正负样本失衡的问题。在高分辨率遥感图像数据集上进行实验,结果表明所提算法的检测平均精度均值（mAP）达到77.95%,相较于SSD网络模型提高了3.99个百分点,同时检测速度为33.8 frame/s。此外,在拓展实验中,改进算法对高分辨率遥感图像中模糊目标的检测效果也优于原多尺度单发射击网络模型。实验结果说明,所提改进算法能够有效地提高遥感图像目标检测的精度。