基于变权马尔可夫随机场的遥感图像变化检测

遥感图像变化检测通过分析比较不同时相所获得的遥感图像来获取变化信息,目前已经成为对地监测最有效的手段.针对传统马尔可夫随机场遥感图像变化检测算法的不足,提出一种基于变权马尔可夫随机场的遥感图像变化检测算法.该算法重新定义了马尔可夫能量函数的计算过程.实验结果表明该算法是一种有效、精确的变化检测算法.     

基于编码对齐生成对抗网络的异源遥感影像地表覆被变化检测方法

相较于同源遥感影像地表覆被变化检测,异源影像能综合不同卫星传感器间数据特征和现势性等优势,更好满足应用需求。针对异源遥感影像变化检测中存在的光谱差异和特征空间不一致问题,研究提出编码对齐生成对抗网络实现异源影像的高精度变化检测。考虑到异源影像间通道和数据类型上存在差异,难保持重构前后影像空间结构的一致性,研究通过添加自编码器和构造编码对齐损失,约束编码器输出特征的空间结构变化,使重构前后影像空间结构一致,有效减少信息丢失;在跨域映射过程中为减少源域与目标域间影像的色彩差异,采用循环一致对抗生成网络在无成对影像情况下进行色彩迁移,实现两时相异源影像的相互跨域映射,生成能与原始影像直接对比的无色偏重构影像;利用设计的变化概率权重使网络在训练过程中自动选择样本,有效提取覆被变化信息。实验结果表明：该方法与CGAN、SCCN等方法相比能更充分提取影像特征,降低跨域映射函数的随机性;在4组公开数据集的检测精度分别达到0.93、0.96、0.97、0.88,精度最高;变化检测结果与参考图的一致性、检测差异图质量均最优。因此,该方法在异源遥感影像中能够进行高精度变化检测。     

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....     

基于特征增强的光学遥感图像建筑物变化检测

遥感图像变化检测是识别同一区域前后时段两张图像之间像素级变化,能够精确判断目标区域状态变化。现有的遥感图像变化检测方法是在不同时间流中引入注意力机制来强化变化区域图像特征,并将其叠加以实现特征融合,不能有效地挖掘与应用不同时间流特征之间的关系。基于特征提取网络,提出一种在时间维度上基于像素位置偏移的图像特征差异增强方法。该方法可学习不同时相图像特征之间对应区域的像素变化偏移量,增强单时相特征图中发生变化区域和无关区域之间的特征差异。在此基础上,构建一个针对光学遥感图像中建筑物变化的检测框架,以ResNet18网络和多层感知机结构分别作为编码器、解码器,在LEVIR-CD、LEVIR-CD+和S2Looking 3个公开数据集上进行实验,结果表明,基于特征增强的图像变化检测方法的F1值分别为90.74%、86.11%和62.25%,相比目前最优的BIT方法分别提高了1.43、3.31和0.4个百分点。     

多时态BIT遥感图像建筑物的变化检测

针对来自相同地理空间的不同时刻遥感图像之间的季节性和光度变化(色差)等因素所引起的干扰, 提出了多时态-BIT遥感图像变化检测方法. 该方法引入了过去多个不同时刻的遥感图像, 融合当前遥感图像与过去时态遥感图像两两变化检测的结果, 该方法有助于排除季节性和光度变化引起的误报, 提高了变化检测的准确性; 并且利用过去多个不同时刻的遥感图像, 进一步消除非目标建筑变化的影响, 其变化点像素差值引入作为损失函数正则化项, 从而进一步提高变化检测的鲁棒性和可靠性. 本文以三时态(3个不同时刻的遥感图像)为例, 使用了遥感图像建筑物变化数据集进行了实验. 实验结果表明, 多时态-BIT方法相对于仅考虑两个时态的变化检测方法, 在遥感图像建筑物变化检测任务中表现出更好的效果.     

基于Relief-PCA特征选择的遥感图像变化检测

面向对象的变化检测技术在高分辨率遥感图像领域已经得到广泛地应用。由于遥 感图像受光照、大气环境等成像条件的影响,图像特征的质量也参差不齐,筛选出高质量的特 征成为对象级遥感图像变化检测的关键。针对此问题,提出了一种基于 Relief-PCA 特征选择的 对象级遥感图像变化检测方法。首先,对原始图像进行多尺度分割获得目标对象,并提取对象 的光谱特征与纹理特征;然后,利用对数比值法获得变化矢量,再使用 Relief-PCA 特征选择的 方法对图像的对象特征进行筛选与降维;最后,计算并生成 CVA 变化强度图,利用 Otsu 方法 对变化强度图进行阈值分割得到最终的变化检测结果。实验表明：与已有方法相比,该方法的 变化检测精度更高,误检率和漏检率更低。     

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。     

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。     

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...     

多时相Landsat影像地表亮温辐射归一化方法

使用多时相遥感数据进行景观变化检测往往要求这些遥感数据能保持辐射一致性,但实际获取遥感数据时由于传感器性能、大阳照度几何和大气状态的变化,多时相遥感数据的辐射一致性无法保持。鉴于多时相遥感数据实际应用时需要实施相对辐射归一化操作,以南京市主城区1992年、1998年、2003年、2007年和2011年5景Landsat TM热红外波段数据为源数据,反算亮温图像并与8个地面气象站采集的实时温度数据建立回归模型,反演地表温度图像,然后采用伪不变特征相对辐射归一化方法和多元变化检测相对辐射归一化方法对5期地表温度数据做归一化处理,分级操作后评价南京市热岛效应的变化特征,最后通过引入统计特征参数均方根误差和变异系数,评价两种相对辐射归一化方法的优劣。结果表明:经过两种归一化方法调整后的数据均有利于对南京市热岛效应的分析;在后续的热岛效应分析中,多元变化检测相对辐射归一化法处理后的影像优于伪不变特征相对辐射归一化处理的影像;多元变化检测归一化法克服了人工选取样本点中存在的主观因素,但其计算相对较复杂。     

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。     

基于随机森林的多源遥感图像特征融合方法研究

为了提高多源遥感图像在低分辨率成像环境下的检测识别能力,提出基于随机森林的多源遥感图像特征融合方法.采用增强型D-ASPP结构滤波分析的方法,建立低分辨率多源遥感图像滤波成像分析模型和三维成像模型,通过提取多源遥感图像的多分辨边缘特征信息,建立低分辨率多源遥感图像的特征分割模型,利用空间维度匹配进行遥感图像的特征匹配,...     

基于无人机倾斜摄影技术的多源遥感影像变化检测并行系统设计

为使无人机遥感图像的影像残差值得到有效控制,提升多源遥感影像变化特征的检测精度水平,设计基于无人机倾斜摄影技术的多源遥感影像变化检测并行系统。在C/S框架体系中,设置并行运作电路、像素点检测主机、HBase存储结构与遥感影像显示器,完成对多源遥感影像变化检测并行系统的硬件设计。根据联合平差指标的数值水平,计算密集度指标,联合已知影像数据,求解无人机倾斜摄影过程中的纹理映射条件,实现对多源遥感影像的建模处理。按照影像特征提取结果,完善影像检测金字塔的构型模式,将无人机数字影像与并行检测节点匹配起来,再结合各级硬件应用结构,完成基于无人机倾斜摄影技术的多源遥感影像变化检测并行系统设计。实验结果表明,设计的系统在无人机倾斜摄影技术的作用下,遥感图像在x轴、y轴、z轴方向上的影像残差指标均出现明显下降的数值变化状态,能够有效提升多源遥感影像变化特征的检测精度。     

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。     

基于射线跟踪法的SAR图像相干仿真与评估

由于直接根据射线跟踪法进行SAR图像仿真时未考虑周围各点散射量之间的相互影响,提出一种基于射线跟踪法的相干仿真算法并引入四种仿真图像逼真度的评估方法。首先利用射线跟踪法得到成像的幅度矩阵;其次,利用sinc函数旁瓣加权对幅度矩阵进行相干仿真,并引入PCA相似度、SIFT特征匹配率、变化检测率、目标视场比差值来衡量SAR图像仿真逼真度;最后通过仿真SAR图像与实测SAR图像的比对,验证了该相干仿真的图像比射线跟踪法直接成像的图像逼真度要高。     

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.     

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.     

视角和光照显著变化时的变化检测方法研究

探讨使用计算机视觉的最新方法来解决基于两幅高空间分辨率光学遥感图像的城市变化检测问题. 基本原理是通过提取聚类出现的变化直线段群来提取城市变化, 重点研究了拍摄视角和光照条件显著变化时的几个主要问题. 提出了一种基于多种类型图像特征的匹配方法来提取无变化建筑的顶部区域, 结合几何约束引入了变化盲区的概念以处理高层建筑在不同视角和光照下的图像不同现象. 使用真实遥感图像进行实验, 在视角和光照显著变化时仍可取得满意的变化检测结果.     

自然场景下遥感图像超分辨率重建算法研究

在遥感图像超分辨率重建领域,大部分数据集缺少成对的图像用于训练,当前的方法主要是通过双三次插值的方式来获取低分辨率图像,因退化模型过于理想化导致在处理真实低分辨率遥感图像时效果较差,基于此,文中提出了一种自然场景下真实遥感图像的超分辨率重建算法.针对缺少成对图像的数据集的问题,构建了一种更合理的退化模型,将成像过程中的...     

改进U-Net的遥感图像中建筑物变化检测

提出了一种改进U-Net的遥感图像中建筑物变化检测方法,将变化检测问题转化为像素级二分类问题,利用U-Net模型对图像进行分类,把图像中的每个像素划分为变化类或非变化类,并根据变化类的像素得到建筑物的变化检测结果图。针对U-Net模型进行遥感图像中建筑物变化检测时,在训练中容易出现过拟合的现象,提出用非对称卷积块代替U-Net网络特征提取部分的标准卷积操作,增强卷积核的鲁棒性和网络的中心骨架,防止过拟合;针对变化检测数据集中图像背景复杂、小目标的变化情况容易被漏检的问题,提出在U-Net中引入注意力机制,抑制模型对非变化类像素特征的学习,加强对变化类特征的学习,提取到更适合的特征。实验结果表明,在引入非对称卷积块和注意力机制后,变化检测的F1分数有明显的提升。