基于差异图构造与融合的SAR图像变化检测方法

针对合成孔径雷达(SAR)图像固有的相干斑点噪声而影响变化检测精度和准确性等问题,提出了一种基于差异图构造与融合的SAR图像变化检测方法。该方法通过L-SRAD混合滤波对SAR图像进行预处理,使用基于边缘预检测的小波融合算法实现对数双曲余弦比值差异图D_CLR和邻域比值差异图D_NR的融合,结合FCM算法和CWNN卷积神经网络对所得融合差异图进行变化检测。其中FCM算法将融合差异图预分类为三个聚类,选择合适的预分类结果作为训练样本训练CWNN模型,最后使用CWNN模型对预分类结果进行二次分类,得到最终的变化检测图。在Bern数据集上进行了对比实验,实验结果证明该方法具有较强的变化检测能力,变化检测准确率达到99.67%。     

一种结合K近邻法的改进的渐进直推式支持向量机学习算法

为了进一步提高改进的渐进直推式支持向量机学习算法(IPTSVML)的速度,提出了一种结合K近邻法(KNN)的改进的渐进直推式支持向量机学习算法,利用KNN对无标签样本集进行删减,去掉对学习作用不大的无标签样本,再对有标签样本集和剩余的无标签样本集利用IPTSVML算法进行学习与分类。雷达实测数据实验结果表明该算法是有效的。     

基于融合差异图的变化检测方法及其在洪灾中的应用

由于洪灾区域的地物散射特性受环境影响会发生改变,在对该区域合成孔径雷达(SAR)图像进行变化检测时会使检测结果的错误率提高,而且用单一方法得到的差异图变化检测结果精度较低.针对上述问题,该文提出一种基于融合差异图的变化检测方法,该方法通过构造基于改进相对熵与均值比的融合差异图,综合了熵值差异图的区域敏感性和均值差异图的...     

基于小波融合和PCA-核模糊聚类的遥感图像变化检测

本文提出了一种变化检测方法以提高算法的鲁棒性、检测精度以及抗噪性.首先对差值法构造的差异图和比值法构造的差异图进行小波融合.然后将融合图像分成互不重叠的小块,并用主成分分析得到图像块的正交基.通过将融合图像中每个像素的邻域小块映射到正交基上使得每个像素用一个特征向量来表示.最后用基于核的模糊C均值对特征向量进行聚类.实验结果显示与使用单一类型差异图的聚类方法相比,本方法由于采用了图像融合的策略而增强了鲁棒性,且由于采用了核模糊聚类,进一步提高了变化检测精度.此外由于使用了特征提取的技术,本方法具有一定的抗噪性能.     

一种改进的渐进直推式支持向量机分类学习算法

基于支持向量机的直推式学习是统计学习理论中一个较新的研究领域。较之传统的归纳式学习方法而言,直推式学习往往更具有普遍性和实际意义。针对渐进直推式支持向量机学习算法存在的缺陷,提出了一种改进算法。该算法利用区域标注法取代前者的成对标注法,在继承了其渐进赋值和动态调整的规则的同时,提高了算法的速度;根据每个无标签样本的标注可信度自适应地对其赋予不同的影响因子,从而控制训练误差的传递和积累,提高了算法的性能。雷达实测数据实验结果表明该算法是有效的。     

利用多尺度融合的SAR图像变化检测方法

为充分利用图像的细节信息,提高变化检测算法的鲁棒性和稳健性,本文融合了多个尺度间的特征,提出了一种自适应SAR图像变化检测方法。首先采用小波函数对对数比差异图进行多尺度分解,而后采用独立重构的方式,得到不同尺度下的重构图像。接着采用均值循环迭代分割算法,以甄别变化区域与未变化区域。最后将不同尺度下的判别结果,采用马尔科夫随机场融合的方式,来获取最终的变化二值图。通过对不同尺度下的图像进行融合,该方法不仅有效地利用了尺度信息,而且对边缘的检测更加细致。实验结果表明该算法能够有效地提高SAR图像变化检测的精度和鲁棒性。      

基于直接密度比估计的SAR图像变化检测

提出了一种通过直接分布函数密度比估计的SAR图像变化检测方法。不同于以往基于分布函数的方法需要先分别估计不同时相的分布函数再计算比值,该方法直接估计分布函数比值,并使用皮尔逊散度作为差异度量获取差异图。通过将概率标签松弛(PLR)嵌入到最大期望(EM)聚类算法中,增强了变化检测结果的空间一致性。实验结果表明,该方法能够准确地提取变化区域,得到较为满意的变化检测结果。     

基于NSCT域图像融合改进算法的SAR图像无监督变化检测

为了降低合成孔径雷达(SAR)遥感图像变化检测总 误差数以及获取更好的变化检测结果,提出了一种基于非下采样轮廓变换(NSCT)域图像融合 改进算法的SAR图像无监督变化检测方法。首先用两时相遥感图像构造得到对数比值 和均值比值两种差异图,并 经过NSCT分解得到各自的高低频系数;然后对两差异图中的低频系数均采用最大梯度平方和 规则进行融合,高频 系数均采用加权规则进行融合,再利用逆NSCT融合得到最终差异图;最后用模糊局部信息C 均值聚类(FLICMC)算法实现对图像变化区 域与非变化区域的分类。通过对真实遥感数据集与模拟遥感数据集的研究表明,本文算法能 够有效抑制斑点噪声对 检测结果的影响,并且不受变化类和非变化类统计分布的限制,不需要先验知识,适用性强 ,可以得到较好的检测 效果。与DWT2-FLICMC、MRF-FCMC算法相比,本文算法具有更高的检测精度和较少的算法 运行时间。     

基于光谱加权直推式支持向量机的高光谱图像半监督分类

高光谱图像分类中的有标签的样本获取较为困难,而半监督分类可以利用到大量未标签样本所含信息,来提高分类准确率。其中直推式支持向量机是标准支持向量机在半监督学习问题上的一种扩展。本文中我们采用凹凸过程规划将直推式支持向量机的非凸目标函数分解为凸函数和凹函数的组合,从而将非凸问题转化为凸优化问题求解。并且针对高光谱图像不同波段鉴别地物类别的能力的差异,为了充分利用各个波段的分类能力,我们引入了光谱权值对支持向量机的核函数进行了改进,对不同的波段赋予不同的权值。实验表明,本文提出的方法在分类正确率以及使用的样本规模上,都表现出了一定的优越性,从而适用于较大规模的高光谱图像分类。      

基于小波分解和支持向量机的准正面人脸识别方法

基于小波分解提取人脸特征技术和多分类支持向量机模型，提出了一种新的准正面人脸识别算法。小波分解提取人脸特征具有对表情变化不敏感的特点；支持向量机作为分类器被认为具有很高的推广(generalization)性能，无需先验知识。在所提出的算法中，首先对训练图像进行预处理，然后使用小波分解方法对人脸图像进行特征提取，用所提取的人脸特征向量训练多分类支持向量机模型，最后用训练好的支持向量机进行人脸识别。利用ORL人脸图像库对该算法的实验测试结果，以及与其它人脸识别方法的比较结果表明了该算法在识别性能方面的优越性。