结合MNF变换和Canny算子的遥感影像变化检测

针对大面积区域的多时相遥感影像变化检测的需求，提出了一种基于最小噪声分离（MNF）的Canny边缘检测提取影像变化信息的检测方法。对多时相影像采用多种变换组合成具有多维波段信息的影像，采用最小噪声分离法分离噪声并得到单波段差异图，通过Canny边缘检测法计算梯度幅值，采用高低双阈值法细化边缘，从而提取差异图变化边缘，有效突出了变化信息。以1995年和2003年加扎勒河的两期遥感影像为例，利用两时相影像进行土地覆被变化检测。实验结果表明，该方法适用于监测大面积区域内地物的突变情况。在数据基础上进行最小噪声分离可以有效解决传统Canny边缘检测提取边缘时造成的伪边缘现象，同时采用高低双阈值法有效去除伪边缘点，从而获得更加精确、直观的变化检测效果，在自然地理变化监测、地理国情灾害监测等有很好的应用价值。     

基于L_1稀疏解混的水体变化检测

稀疏表示利用高光谱丰度矩阵的稀疏特性来获取更有价值的信息,使得稀疏正则化后的高光谱数据更加精确。以景德镇玉田湖水库为研究对象,通过Landsat8卫星获取的玉田湖水库不同时期的水体信息数据,利用了经典的L1稀疏解混的方法对卫星数据进行水域信息提取,然后对不同时期水域变化情况进行检测。检测结果验证算法有效性。     

基于深度学习的耕地变化检测技术

随着人工智能技术的发展,以深度学习为主流的机器学习逐渐取代人工解译的方法,使遥感影像中地物资源的自动化判读成为现实。为解决传统人工判读引起的人力资源耗费高、解析精度差的问题,同时也为满足日益增长的遥感数据量的判读需求,基于语义分割的深度学习地物变化检测方法,实现耕地区域自动分割分类,通过对比时序影像差异得出变化区域范围,为自动化实现地物变化监测提供有效解决办法。以实际地区为例,采用deeplab语义分割网络的方法实现耕地资源的自动化提取与变化检测,实验证明该方法相比人工以及传统分类模型具有更好的检测精度。     

一种新的无监督的卫星影像变化检测算法

提出了一种基于主分量分析(PCA)和上下截集模糊Kohonen聚类网络(UDSFKCN)的、无监督的、不同时相的和卫星影像的像素级变化检测新算法.将PCA和UDSFKCN两种方法结合,并将它应用于不同时相的卫星影像的变化检测.该方法结合每个像素的邻域信息,利用PCA,产生每个像素对应的基于邻域信息的特征向量;又将变化区...     

基于多尺度分析的遥感变化检测

面向对象的高分辨率遥感影像变化检测中,分割尺度选取的合适与否是影响检测精度的关键因素之一。针对尺度问题本文提出一种基于多尺度分析的遥感变化检测方法。首先利用易康软件的插件ESP2工具进行最佳尺度估算,对影像中目标地物识别进行最佳分割尺度分析,获得各影像的最佳分割尺度;然后将前后时相影像叠置,生成子对象,在子对象中利用结构相似性测度判断子对象的变化情况;最后将大、中、小尺度判别结果进行模糊强度融合得到最终的变化检测结果。在西安市2016年天地图影像和2017年谷歌地图影像组成的影像对上实验,结果表明,多尺度融合方法比单一尺度变化检测方法的变化检测精度有明显的提升。     

无监督特征优选高分辨率影像变化检测新方法

通过分析面向对象高分辨率影像变化检测面临的问题,从影像对象多特征选择与利用入手来提高其变化检测的性能。提出了一种面向对象的非监督特征优选的变化检测方法,首先利用面向对象的分割方法对原始影像进行分割得到各影像对象并提取特征形成特征影像;然后按尽量消除数据冗余原则提取各单特征影像的变化检测结果;最后利用直方图相交的方法与基准影像中的变化强度信息作比较,并以此为依据进行特征优选。在此基础上利用马尔科夫随机场（Markov Random Fields,MRF）模型将优选特征的变化检测结果进行自动融合。新算法很好地实现了多特征的自动优选和综合利用,验证结果表明算法具有很好的变化检测准确性和鲁棒性性能。     

一种有效降低虚警率的变化检测算法

研究了图像变化检测算法,针对传统的直接比较算法对光照、噪声等变化因素敏感,虚警率较高的问题,提出一种新的变化检测算法加以解决.首先,采用提出的基于二维直方图的最大熵方法对参考图进行分类,然后利用非线性估计方法,对参考图进行估计,并利用分类结果对其进行标注,最后,通过计算测试图像像素点到估计图像对应像素点所在类的马氏距离,来度量测试图像的变化情况.通过实验比较,验证了算法的有效性.     

结合强度和相干信息的多阈值融合SAR影像变化检测

本文研究了联合SAR影像强度与相干信息的多阈值融合变化检测技术。针对SAR影像强度和相干信息各自统计分布特点,首先通过选定合适的统计分布模型分别对强度和相干信息进行统计分布拟合,并以Jeffrey距离为差异度量获取两种信息的差异图。然后利用三种阈值方法分别对两者的差异图进行阈值分割,获得多幅初步的变化结果图。最后利用马尔科夫随机场进行融合,得到最终的变化检测结果。实验结果表明该融合策略可以获得比单一阈值法更为稳定的变化检测结果。      

利用小波域HMC模型进行遥感图像变化检测

传统阈值检测算法都是基于单函数模型进行的,当差异影像分布函数较复杂时检测结果较差．针对这个问题,提出一种基于小波域的隐马尔科夫链模型的遥感图像变化检测算法．将双高斯混合模型与小波变换结合,解决了单函数模型匹配率低的问题,并通过小波变换引入了图像的空间信息,提高了检测精度．利用双高斯混合模型对小波分解后的多层差异影像进行拟合,根据拟合结果判定待检测点类别．对得到的多层初始分割结果,利用隐马尔科夫链模型根据连续最大后验概率融合,得到最终变化检测图．对真实遥感数据集进行实验,证明这种算法可以得到较好的检测结果．     

基于独立成分分析的多时相遥感图像变化检测

变化检测是通过分析多时相遥感图像间的差异实现地物变化信息的提取,而消除多时相遥感图像中的相关性是提取变化信息的一种有效途径。独立成分分析(ICA)作为近年出现的盲源分离技术,能够有效地消除多源信号间的二阶和高阶相关,经其变换的各分量之间相互独立。该文提出一种应用ICA变换实现多时相遥感图像变化检测的算法,首先对多时相多光谱遥感图像进行独立成分分析,得到彼此没有相关信息的独立成分,并且各独立成分图像中的变化信息得到增强;然后通过分析变换后的独立成分实现地物的变化检测。实验结果显示该算法比传统的方法具有更好的性能。