一种基于主分量分析的SAR图像变化检测算法

该文提出一种基于主分量分析(PCA)的SAR图像变化检测算法.该算法将SAR图像转化为列向量,对两个图像向量组成的矩阵进行主分量分解,其图像的变化部分则表征为矩阵的次分量成分.论文还研究了高效的SAR图像变化检测实现算法,最后通过与对数比方法和分块主分量分析法进行比较实验,实验结果证实了方法的有效性.     

基于视觉注意机制的UWB SAR叶簇隐蔽目标变化检测

在超宽带合成孔径雷达叶簇隐蔽目标检测中,传统的UWB SAR图像变化检测方法易受图像灰度值起伏和成像条件变化的影响,致使现有的变化检测算法的性能下降.本文根据人类视觉系统的生理结构和认知特点,提出了一种基于视觉注意机制的叶簇隐蔽目标变化检测算法.该方法使用视觉注意模型,将图像的多尺度特征信息融合为单幅视觉显著图像,并利用图像局部邻域信息和目标的空间相关特性对视觉显著图中视觉注意焦点进行分层筛选和变化检测.实验结果表明:本文中基于视觉注意机制的变化检测方法可以有效检测多时相UWB SAR图像中的叶簇隐蔽目标,较之传统的基于统计原理的变化检测方法,其检测速度更快,且对场景复杂的UWB SAR图像亦具有鲁棒性.     

一种面向对象的时间序列极化SAR图像变化检测方法

提出了一种改进的时间序列极化合成孔径雷达(SAR)图像变化检测方法。该方法首先使用简单线性迭代聚类算法对时间序列极化SAR图像进行过分割,得到时间序列图像的超像素一致表达。然后对各个超像素进行时间序列上的任意双时相交叉变化检测,得到包含时间序列图像变化信息的变化检测矩阵。最后根据变化信息对图像在时间序列上进行平滑滤波并生成动态变化图,对地物变化情况进行分析。实验结果表明,文中方法能够有效地检测和分析时间序列极化SAR图像的变化情况。     

基于多通道特征的SAR图像变化检测

为充分利用SAR图像的细节信息,提高SAR图像变化检测的检测精度及抗噪性能,提出一种基于多通道特征的SAR图像变化检测方法。该方法提出了一种适用于SAR图像的变化检测一体化框架,首先,为了在抑制相干斑噪声的同时尽可能多地保留SAR图像的边缘及局部信息,引入引导图像滤波方法;其次,提取8个通道特征,充分利用了图像的细节信息,获得了性能良好的差异图;最后,利用主成分分析(PCA)和K-means聚类进行差异图分析,得到最终的变化信息。实验结果表明,该方法有效提高了检测精度,并且具有良好的抗噪性能。     

基于双注意力机制与UNet的遥感影像变化检测方法

遥感图像变化检测长期以来都是遥感领域的重要的研究方向。传统的深度学习语义分割模型难以充分地提取两期遥感影像中的变化信息,为了解决此问题,文章提出了一种基于双注意力机制的UNet遥感影像变化检测模型。该方法首先通过图像融合将两期影像送入UNet之中。而后通过在跳跃级联与特征提取的高层次特征后使用双注意力机制模块来建立起丰富的上下文信息与凸显特征中的变化信息。最后通过反卷积来恢复尺寸获取变化二值图。实验结果表明,所提出的方法提高了遥感影像变化检测的精度。     

探究面向对象的高分辨率SAR影像变化检测方法

结合高分辨率SAR影像变化检测方法,在了解检测变化方法基本内容的基础上,并对其中的关键指标进行了分析与评价;最后,对于面向对象的高分辨率SAR影像变化检测方法进行了详细研究。总体而言,文章所介绍的SAR影像变化检测方法具有可行性,能够满足多种条件下的影像变化检测要求,因此应该在更多地区做进一步推广。     

基于自适应约束阈值的SAR图像突变性变化检测

本文改进了一种阈值选择算法,并基于该算法提出一种SAR图像水灾变化检测方法。对实测SAR图像数据集的变化检测结果表明,本文所提方法不仅提高了定量评价指标,还较好地保留了变化区域的细节信息,变化区域边缘趋于真实,改善了视觉效果,变化检测性能优于其他相关方法。     

基于极化似然比的极化SAR影像变化检测

由于数据获取困难等问题,目前SAR影像变化检测方法多基于幅度,而较少引入极化信息.针对此方面的不足,以极化SAR数据为研究对象,在分析多极化SAR影像极化特征及其分布模型的基础上,构建极化似然比检验模型,以此进行不同时相的多极化SAR数据地表地物变化程度分析,通过设定恒虚警率确定变化区域,最后考虑地物空间信息剔出斑点噪声引起的孤立检测结果.利用多极化SAR数据进行算法的验证,并与图像比值法进行比较,实验表明:基于极化似然比方法可以有效区分地物的变化情况,且变化检测精度要优于图像比值法.     

基于图像分割的SAR图像变化检测算法及实现

本文提出一种基于图像分割的变化检测方法,该方法首先根据SAR图像统计特性进行图像分割,然后对两幅SAR图像的分割图进行融合,用相同的区域分割来描述两幅图像,再利用区域灰度和纹理等信息构造图像变化函数,用变化函数对图像进行变化检测判别,最后利用合成孔径雷达(SAR)图像进行的试验,并和变化矢量分析方法(CVA)进行比较,得到了很好的效果。     

基于ICA和FCM的多时相SAR图像变化检测

针对多时相合成孔径雷达(Synthetic Aperture Radar,SAR)图像提出了一种非监督的变化检测方法,首先利用独立成分分析(Independent Component Analysis,ICA)抑制相干斑噪声和减少混合像元,提高图像的分类性能.然后对独立分量图像构造差值图像进行非监督的变化检测,最后采用加入空间邻域信息的模糊C-均值聚类(Fuzzy C-Means)方法把差异图像分为变化类和非变化类,以此克服需要选择统计模型的影响.实验结果证实了该算法能有效抑制了变化检测中的虚警.     

基于图像配准的混合遗传FCM算法研究

针对目前图像变化检测的相关研究,提出一种新的算法:基于SAR图像配准的混合遗传FCM算法.算法主要分为4个步骤.第一步,利用Harris算法和SIFT算法对两幅图像进行匹配,证明它们是同源不同时相的图像.第二步,利用两种不同变化检测方法提取初步差异图像.第三步,利用PCA方法对差异图像进行降维处理.第四步,利用混合遗传FCM算法对特征矢量空间进行分类,并将分类结果与参考差异图像进行比较,获得变换信息.采用渥太华地区的部分图像作为检测算法的性能的数据库.获得的结果与FCM算法相比较,结果表明,提出的算法具有最高的全局正确率98.10％,算法效果更佳.     

基于邻域信息的SAR图像变化检测

为了减少合成孔径雷达(SAR)图像中乘性斑点噪声对变化检测结果的影响,充分地利用了像素的邻域信息。首先使用邻域比值(NR)方法构造差异图像,然后提出基于邻域信息的模糊C均值聚类(FCM)算法。NR算子在构造差异图像时能够较好地保留图像信息并抑制噪声的干扰。同时将邻域信息引入到FCM算法的目标函数,以邻域加权距离改进了FCM算法在欧式距离计算中的不足,并约束了隶属度函数,减少了噪声对邻域中心像素的干扰。通过以上考虑像素邻域信息的算法,得到了差异图像的聚类结果,从而实现了SAR图像的变化检测。实验结果表明,所提算法较传统的FCM和K-means聚类算法,可以较好地保留图像变化区域的信息,同时提高了SAR图像变化检测的准确度。     

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。      

基于模糊贴近度和非紧凑邻域的变化检测

提出一种新的模糊贴近度差异图,并基于主动轮廓模型完成了两时相SAR图像水灾变化检测。所提方法克服了上下文不敏感方法假设的类统计分布模型与实际的两者之间的拟合度对变化检测性能的影响,突破了上下文敏感方法只参考固定形状和大小的紧凑邻域内信息的限制,利用无固定形状和大小的非紧凑邻域内信息,提高了变化检测性能并改善了视觉效果。两组实测SAR图像数据集的变化检测实验结果均表明,所提方法的变化检测性能优于其他相关方法的。     

基于分水岭变换的高分辨率机载城区SAR图像建筑物自动检测方法

该文提出了一种从单幅高分辨率机载SAR图像上自动检测建筑物目标轮廓的方法。该方法以应用标记的分水岭变换为基础,针对建筑物的强回波特性和形状特征,主要采用CFAR检测和方向相关分析得到标记图像,然后利用最小强制技术和标记图像修改原始图像的梯度图,最后对修改后的梯度图作分水岭变换得到建筑物目标的边界轮廓。实验结果表明了该算法的有效性。     

基于KL距离的SAR影像变化检测

SAR影像的变化检测是一种应用于动态监测的重要技术,而SAR影像存在的相干斑噪声给SAR影像的变化检测带来了很大的困难,针对这一困难引入了KL距离（Kullback Leibler divergence的简称,也叫做相对熵）构造两幅多时相SAR影像的差异影像,然后提取所构造差异影像的变化区域,并结合数学形态学方法处理变化区域,有效地实现了SAR影像的变化检测。并将这种方法与传统的比值法进行了比较,实验结果表明这种方法能够有效地降低SAR影像变化检测的虚检率,提高检测的准确率。     

基于形态学与多尺度空间聚类的SAR图像变化检测方法研究

介绍了一种形态学模型(morphological profile,MP)工具,这种工具运用在合 成孔径雷达(synthetic aperture radar,SAR) 图像中,增强了对SAR图像的多角度细节处理,提高了图像检测精度。在图像检测中加入算 法可被应用于遥感图像变化检测 领域。本文提出的SAR图像变化检测方法是在多尺度子空间融合谱聚类的基础上进行的,这 种方法是对不同时刻得到的同图 进行对数比和均值比处理,从而构成多个子空间获取图像的结构特征,并结合随机采样谱聚 类的子空间融合算法得到的变化 的图像。本文方法所得的SAR图可以检测到很多单一的像素点,误检像素点数目明显减小,优 于其他算法结果。检测结果抑制 了图像变化中的缺失问题,因此具备较高的检测精度。     

基于二维概率密度函数比较的SAR图像变化检测方法

该文将传统区域统计分布特征变化检测方法拓展到2维特征空间,提出一种基于2维概率密度函数比较的SAR图像变化检测方法。该方法首先将观测区域内相邻像素的灰度值组合成2维观测矢量,而后采用2维Gram- Charlier展开式对观测矢量在不同时相图像中的2维概率密度函数分别进行估计,在此基础上,借助K-L散度理论对2维概率密度函数在不同时相图像间的变化大小进行定量分析以实现变化检测。实验结果表明,与传统方法相比,该文方法具有更优的检测性能。