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.     

基于模糊C均值聚类和邻域分析的无监督多通道遥感图像变化检测

提出一种基于模糊C均值聚类(Fuzzy C-means,FCM)和邻域分析的多通道遥感图像变化检测方法.通常的多通道遥感图像变化检测方法将变化信息从多个波段压缩到一个波段,损失了遥感图像的波段信息.本文将多波段变化信息用FCM方法来实现多通道遥感图像的变化检测.但由于FCM有对孤立点敏感的特点,该方法容易受噪声的影响....     

基于模糊聚类的遥感图像与现有地形图的变化检测方法

提出了一种基于模糊聚类的遥感图像与现有地形图的变化检测方法。该方法通过模糊聚类对遥感图像和地形图的像元进行分类,然后基于分类结果实现图像的叠合,从而显示图像间的变化情况。本文通过一个图像变化检测实例说明该方法能够快速、直观的反映遥感图像与现有地形图之间的变化,从而避免了参考点均方误差法无法完全反映图像实际变化情况的问题。     

无监督上下文光谱角映射图像变化检测

传统的遥感图像变化检测方法未能充分利用像素上下文信息,导致精度较低。针对这一问题,提出一种不需要像素概率分布假设、无监督的上下文光谱角映射图像变化检测方法。在像素变化的判别测试中,利用空间上下文信息特征,提高了变化检测精确度。此方法可用于卫星遥感图像中,利用上下文光谱角映射创建相似图像,基于K均值聚类算法将其分为有变化和无变化两类,以此生成映射图像。通过定性和定量分析,将试验结果与最大似然估计法（MLC）结果相比较。研究表明：无监督上下文光谱角映射图像变化检测方法精确度更高,可用于二时刻图像和多光谱图像变化检测问题。     

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。     

一种新的多波段遥感影像变化检测方法

随着遥感技术的发展,采用遥感影像对国土资源进行动态监测已经成为了热点。目前常用的差值法和分类后比较变化检测方法中存在着各种缺陷。提出一种基于模糊C均值聚类（FCM）算法的遥感影像变化检测方法,利用一个改进的模糊C均值聚类算法进行遥感影像分类处理,然后引入多波段综合变化掩膜的思想进行变化检测。实验结果表明这种方法是有效的,提高了检测精度,检测结果为国土资源调查提供了重要依据。     

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。     

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.     

顾及空间引力的变权重MRF高分遥感影像变化检测

针对现有高分遥感影像变化检测方法大都针对影像的像元灰度值,没有充分考虑像元间的空间关系,导致变化检测精度不高,提出了一种改进的变化检测方法.首先,通过模糊C均值聚类得到初始差异影像中的像元隶属度信息;然后,利用改进的空间引力模型将像元的隶属度及像元间的空间信息引入到马尔科夫随机场中,基于组合能量函数设置自适应权重函数;...     

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。     

基于主成分分析的无监督异常检测

入侵检测系统在训练过程中需要大量有标识的监督数据进行学习,不利于其应用和推广．为了解决该问题,提出了一种基于主成分分析的无监督异常检测方法,在最小均方误差原则下学习样本的主要特征,经过压缩和还原的互逆过程后能最大限度地复制样本信息,从而根据均方误差的差异检测出异常信息．构建的仿真系统经过实验证明,基于主成分分析的无监督异常检测方法能够在无需专家前期参与的情况下检测出入侵,实验结果验证了其有效性．     

基于模糊综合评价的协同环境下冲突量化研究

依据冲突管理的现状,分析了冲突管理系统的四个实质性阶段,给出了冲突管理过程的体系结构,并综合层次分析法和模糊综合评价法提出一种对冲突进行量化的方法.该方法用层次分析法对专家的判断结果进行处理,得出各层次冲突因素的相对权重,用多级模糊综合评价的数学模型对冲突状态进行评价,最终得到该协同环境下的冲突状态评价集,实现了冲突状态的量化.通过实例显示了该方法的可行性,为冲突管理的有效实施提供了技术支持.     

基于模糊综合评价的协同环境下冲突量化研究*

依据冲突管理的现状,分析了冲突管理系统的四个实质性阶段,给出了冲突管理过程的体系结构,并综合层次分析法和模糊综合评价法提出一种对冲突进行量化的方法。该方法用层次分析法对专家的判断结果进行处理,得出各层次冲突因素的相对权重,用多级模糊综合评价的数学模型对冲突状态进行评价,最终得到该协同环境下的冲突状态评价集,实现了冲突状态的量化。通过实例显示了该方法的可行性,为冲突管理的有效实施提供了技术支持。     

基于多尺度融合的对象级变化检测新方法

讨论了遥感图像变化检测中的多尺度融合问题. 首先分析了高分辨率遥感图像的城市变化检测的难点和传统的变化检测方法的局限性; 针对这些难点和局限性, 提出了基于多尺度融合的对象级的变化检测框架. 该框架利用对象级的变化检测方法, 提高了变化类和非变化类的可分性. 为了提高变化检测的精度, 该框架引入了两种不同的多尺度融合策略. 在 QuickBird 高分辨率遥感图像上的实验结果验证了该方法的有效性和鲁棒性.     

基于无监督学习的智能电网入侵检测

智能电网通过引入信息和通信技术服务,带来了传统电网的技术演变,与此同时在安全方面也带来了严重的挑战.本文提出了一种智能电网入侵检测系统安全架构和一种基于无监督学习的新型入侵检测系统(intrusion detection system, IDS).我们设计了区域式训练(block-training)架构,不仅可以减轻数据中心的计算压力,还可以对本地流量进行特征训练.我们还提出了一种基于交叉验证的递归特征消除的差分自编码器算法(RFECV-VAE).RFECV-VAE综合了RFECV和VAE模型,在特征选择过程使用递归特征消除交叉验证法(recursive feature elimination cross-validation, RFECV),异常检测采用差分自编码器(variational autoencoders, VAE),它可以对大规模高维数据进行高精度异常检测.最后,本文选择深度自编码器、深度自编码器高斯混合模型、单类支持向量机、隔离森林、差分自编码器作为对比算法,采用准确率、ROC＿AUC、F1＿score和训练时间等指标来进行性能评估.实验结果表明,RFECV-VAE算法...     

遥感图像变化区域的无监督压缩感知

传统的基于结构特征的遥感图像变化检测方法,易受成像稳定性的影响而误差很大。针对图像内在的稀疏性结构信息,提出基于压缩感知(CS)的遥感图像变化检测方法。通过自适应构造超完备字典将图像局部信息投影到高维空间中,实现图像的稀疏表示,并运用随机矩阵得到了数据在高维空间中的低维特征子空间。最后利用模糊C均值(FCM)聚类算法进行无监督聚类,实现遥感图像变化区域信息的重构。实验结果表明,本文方法不仅能够很好的检测出图像的轮廓变化和图像的区域变化,而且对噪声具有很好的鲁棒性。