结合邻域相关影像与最大相关性最小冗余性特征选择的面向对象变化检测

摘 要：本文针对两期高分辨率遥感影像提出一种结合邻域相关影像（NCI）和最大相关性最小冗余性特征选择(mRMR)的面向对象变化检测方法。为了验证该方法的有效性,本研究设计了3组对比实验：（1）比较只使用mRMR特征选择与未使用mRMR特征选择的效果;（2）比较使用NCI与mRMR特征选择相结合与只使用NCI的效果;（3）比较使用NCI与mRMR特征选择相结合与只使用mRMR特征选择的效果。实验结果表明,使用NCI与mRMR特征选择相结合的变化检测效果要优于只使用NCI或是只使用mRMR特征选择的效果,更优于两者都不使用的效果。 关键字：遥感影像,高分辨率,面向对象,变化检测,邻域相关影像,特征选择     

基于非下采样Shearlet和几何结构的遥感图像无监督变化检测

提出了基于非下采样Shearlet和几何结构的遥感图像无监督变化检测新算法。首先将两幅SAR图像相减取绝对值得到差异图像,然后利用基于非下采样Shearlet自适应贝叶斯阈值去噪算法对差异图像进行去噪处理来减少噪声的影响。最后根据差异图像的局部几何特征和邻域信息构造跨特征矢量,再利用模糊C-means聚类算法对跨特征矢量聚类,聚类的结果为变化类和未变化类即最终的变化检测结果。实验证明:该算法对噪声的抗噪性能平稳而且有效,可以得到较好的检测结果。     

基于对象级分类的土地覆盖动态变化及趋势分析

以广东省东莞市2005~2008年SPOT 5遥感影像为主要数据源,采用对象级分类后比较的变化检测技术,从土地覆盖类型的面积总量、相互转移等方面多层次分析了研究区域4 a土地覆盖的变化情况。在此基础上,利用马尔科夫链模型对该区域未来5 a的土地覆盖动态变化及演变趋势进行了分析和预测,为广东省土地覆盖变化研究提供典型案例分析,以达到全面把握研究区土地覆盖变化规律的目标。结果表明:研究区域的土地覆盖变化基本趋势表现为城镇建设用地总量持续增加以及耕地和园林地面积总量减少,其中城镇建设用地和农业耕地变化幅度较大,其他类型土地变化相对稳定。增加的城镇建设用地主要来源于耕地的人为减少,农业垦殖环境将趋于恶化。研究结果可为研究区合理有效地利用土地以促进土地可持续发展、推进城市化进程奠定决策上的技术基础。     

面向对象的土地覆被变化检测研究

运用面向对象的方法进行土地覆被变化检测,利用遥感数据光谱信息、纹理特征、拓扑关系,在多尺度分割获得对象的基础上,构建了变化矢量方法和向量相似性的检测方法,两种检测方法均成功检测出了所选取实验区的土地覆被变化信息。结果表明:对于同一区域同一时相的两期影像的面向对象变化检测,两种方法的总体精度都在80%以上,但变化矢量方法(CVA)精度要高于向量相似性方法。因此,在进行土地覆被变化检测时可以优先考虑变化矢量方法(CVA)。     

基于融合和T-分布的SAR图像水灾变化检测

基于融合和T-分布模型,提出了一种新的SAR图像水灾变化检测方法.首先,结合差值法与对数比的优点,根据经验提出了一种新的融合策略,通过融合差值图像和对数比图像可得视觉效果较好的差异图像.然后根据融合后的差异图像的直方图,确定绝对变化类与绝对非变化类两个区间,从而可得两者之间的模糊区间.假设模糊区间的直方图服从T-分布,根据Kittler-Illingworth(KI)阈值选取准则,提出了一种基于T-分布模型改进的KI阈值法(TM_KI),对融合后的差异图像进行阈值分割得到水灾变化结果.通过实验比较,结果分析表明该方法不但能减少相干斑噪声的影响和增强水灾带来的微弱变化信息,而且能有效地检测面积较小的变化区域,从而改善变化检测性能.     

非监督SAR图像变化检测研究最新进展

SAR图像变化检测已经成为国内外研究热点,在多方面取得广泛应用.本文综述了SAR图像非监督变化检测技术研究的最新进展,从变化检测的基本流程出发,介绍了图像预处理、差异图提取、差异图分割的各类算法.本文的归纳总结,将进一步加深研究人员对SAR图像变化检测技术的认识,促进其在实际工作中的更好运用.     

遥感图像变化检测综述

主要介绍了变化检测的基本理论。首先简述和分析了遥感图像变化检测的基本概念,指出变化检测的本质是一类模式分类问题;然后全面回顾了现有变化检测方法,将其归纳为像素级、特征级和目标级三大类,详细论述了各种方法的基本原理和特点并对其适用范围和优缺点进行了总结。     

基于决策树的面向对象变化信息自动提取研究

为了从不同时相的遥感影像数据中自动提取变化信息且保证其效率,本文结合面向对象分析技术,提出了一种基于决策树变化信息自动提取的新方法。该方法利用影像的特征指数及形状特征、光谱特征、纹理特征等作为特征集,将其作为知识库应用到决策树控制模型中,进而利用该模型实现自动分类。对所得到的分类后影像对象,组织分析其综合属性并作为决策规则再次分类,通过"双重分类"的方式实现面向对象的遥感影像变化信息自动提取。该方法为遥感影像变化信息自动提取提供了新的思路。     

遥感影像变化检测综述

变化检测作为土地利用/土地覆盖检测的关键技术,其目的是在同一区域不同时期的遥感数据中检测出变化的部分及其类型。针对传统的变化检测方法中存在繁重的人工劳动和检测结果效果差等问题,大量基于遥感影像的变化检测方法被提出。为了深入了解基于遥感影像的变化检测技术以及进一步研究变化检测方法,通过对大量有关变化检测的研究进行整理、分析和比较,对变化检测进行了较为全面的综述。首先阐述了变化检测的发展历程;然后从数据选择及预处理、变化检测技术、后处理及精度评价这三个方面详细归纳了变化检测的研究进展,其中变化检测技术主要从分析单元和比较方法的方面分别进行概括;最后对变化检测各个阶段存在的问题进行了总结并提出了未来的发展方向。     

基于深度学习的脑白质病变区域MRI图像变化检测

为了能够自动检测不同时期脑白质病变区域的变化,提出了一种基于深度学习的脑白质病变区域MRI图像变化检测方法,根据MRI影像的成像特点,首先对两幅图像进行预处理和预分类,选取合适的样本集,然后进行深度神经网络的训练.主要的指导原则是直接从训练好的深度神经网络中生成两幅MRI图像的变化检测图,该算法省去了生成差异图DI这一过程,一定程度上避免了DI对最终检测结果的影响.实验结果表明,该算法能够较为准确地检测出脑白质病变区域中的变化部分,在医学图像变化检测方面中有着不错的效果,通过检测结果能够记录病变区域的变化和发展趋势.