一种图像回归与关联关系特征融合的遥感影像变化检测方法北大核心CSCD

异质遥感影像变化检测是一个重要且具有挑战性的研究课题。针对直接比较异质数据进行变化检测导致检测精度低的问题,提出了一种图像回归与关联关系特征融合(Image Regression and Association-based Feature, IRAF)的异质遥感影像变化检测方法。首先基于信息熵理论量化异质数据的信息量差异并确定回归方向,采用多输出多层感知器图像回归得到与原始影像特征空间分布相近的回归图像;其次,得到差异图像并基于模糊局部信息C均值(Fuzzy Local Information C-Means,FLICM)算法找到部分显著样本对用于后续检测。为了考虑不同特征间的关联关系并充分利用数据中潜在的高阶信息,采用基于关联关系特征的融合算法(Association-based Fusion,AF)对原始遥感数据进行增强,最后利用融合后的特征训练分类模型得到最终的变化二值图。为验证该方法的有效性,采用Sardinia、Yellow River和Texas这3组真实数据集进行实验,Ka分别达到了0.796 1、0.827 1、0.958 1。与相关方法进行对比的实验结果表明该方法在不同数据集上均得到了最优的检测结果,能够抑制噪声的影响且有效提升变化检测精度。