像素级和对象级高分辨率遥感图像变化检测分析

高分辨率遥感图像具有丰富的纹理信息,而像素级变化检测方法主要分析图像的光谱信息,导致将像素级变化检测方法用于高分辨率遥感图像具有一定的局限性。因此,本文提出了一种像素级与对象级相结合的高分辨率遥感图像变化检测方法,解决了像素级与对象级变化检测方法中存在的椒盐现象、误检等问题。首先,结合高分辨率遥感图像的多维特征,构建遥感图像变化检测模型;其次,利用随机森林分类器对图像进行分类,得到像素级变化检测结果;最后,将像素级变化检测结果与图像对象分割结果进行融合,得到图像变化区域和不变区域。试验结果表明,该算法具有较高的准确率和检测精度。     

面向对象的遥感变化检测研究

通过分析传统的遥感变化检测方法存在的问题,提出了面向对象的遥感变化检测方法。本文利用某地ETM+两个时相的遥感影像,将面向对象和传统变化检测方法进行定性定量的比较,从而得出面向对象的遥感变化检测方法的优势。该方法采用了基于相邻影像区域合并异质性最小的面向对象的多尺度分割方法和模糊分类的方法对变化检测图像进行处理,从而提高了变化检测结果的精度。最终得到较理想的实验分析结果。     

基于高斯过程的高分辨率遥感图像变化检测

本文首先通过理论分析,探讨了高斯过程分类器在高分辨率遥感图像变化检测应用中的优势与不足,并针对高斯过程分类器的不足给出了相应的解决方法;其次,提出了一种基于空间上下文相关的高斯过程变化检测方法;最后,通过多个高分辨率遥感实验数据集上的实验设计与分析,验证了高斯过程分类器在高分辨率遥感图像变化检测中的应用能力,并证明了本文提出的解决方法的有效性.     

光谱—频域属性模式融合的高光谱遥感图像变化检测

高光谱作为“图谱合一”的遥感技术,具有精细光谱和空间影像的地面覆盖观测与识别优势。然而,高光谱遥感数据的光谱信息表征以及空间信息的利用给双时相高光谱遥感图像变化检测任务带来了巨大的挑战。为此,本文探讨了一种光谱—频域属性模式融合的高光谱遥感图像变化检测方法 SFDAPF(Spectral-Frequency Domain Attribute Pattern Fusion)。首先,设计一种基于梯度相关性的光谱绝对距离,使双时相高光谱遥感图像像元对的属性模式从光谱信息表征方面得到了逐级量化;其次,基于傅里叶变换理论提出一种变化像元属性模式显著性增强策略,从全局空间信息利用方面改善了变化与非变化属性像元对的可分性;再次,将全图属性模式显著性水平与梯度相关性的光谱绝对距离进行融合,得到变化检测的综合界定值;最后,依据虚警阈值确定双时相高光谱遥感图像变化检测的二值化结果。将本文提出的SFDAPF方法在开源的双时相高光谱遥感图像河流和农场数据集上进行了变化检测性能验证,结果表明SFDAPF方法能够优于传统的和最新的变化检测方法,变化检测的总体精度在河流和农场数据集上分别达到了0.96508和0.9...     

在GIS辅助下的地物变化检测

提出了将遥感图像和GIS相结合的变化检测和分析方法,并模拟地物环境变化对两幅不同时相的遥感图像进行了变化检测。实验证明,将特定目标的GIS辅助数据引入变化检测方法中能够大大提高检测精度和效率。     

光学信号Token引导的异源遥感变化检测网络

基于遥感图像中的光学信号检测出一定时间内特定区域的变化状态的遥感图像变化检测方法,在国防安全、环境监测、城市建设等领域具有重要应用价值。由于多时相异源图像在成像机理、光谱范围、空间分辨率等方面存在差异,现阶段异源遥感图像变化检测仍存在精度不够高、漏检和误检等问题,本文提出一种基于Transformer网络的异源变化检测网络框架,该框架能够利用不同类别的异源遥感图像获得准确的变化检测结果。首先,所提出检测网络为多时相遥感图像自适应生成对应的光学信号Token （光信Token）;然后,以光信Token作为引导与对应图像块Token进行交互计算,从而对双时相序列特征进行变化分析,并且在交互学习过程中构建了差分放大模块以提高网络对特征间差分信息的提取精度;最后,利用多层感知机对输出的差分Token进行预测并分割出变化区域。采用Sardinia、Shuguang和Bastrop等3个不同类别的异源遥感图像数据集和Farmland同源高光谱图像数据集来验证本文提出的方法,结果证明在选取有限训练样本数据情况下,本文方法与现有主流变化检测方法相比,在多个客观指标以及主观视觉上都表现出先进性。     

结合像元级和目标级的高分辨率遥感影像建筑物变化检测

快速、精准的建筑物变化检测对城市规划建设等业务管理具有重要意义。随着卫星遥感技术的快速发展,基于高分辨率遥感影像的建筑物变化检测得到了广泛关注。针对像元级建筑物变化检测方法往往精度不足而目标级建筑物变化检测方法过程烦琐等问题,本文提出结合像元级和目标级的高分辨率遥感影像建筑物变化检测方法。首先综合高分辨率遥感影像的多维特征,利用随机森林分类器进行影像集分类,以获取像元级建筑物变化检测结果;然后对后时相遥感影像进行图像分割,获得影像对象;最后融合像元级建筑物变化检测结果和影像对象,识别变化的建筑物目标。利用双时相QuickBird高分辨率遥感影像进行建筑物变化检测试验,结果表明：本文提出的方法能够削弱光照、观测角度等环境差异对建筑物变化检测的影响,显著改善建筑物变化的检测精度。     

不同分辨率遥感图像变化检测研究

变化检测是遥感图像应用的重要方面之一,变化检测一般采用同类传感器获得的图像.由于图像获取的条件有限,也可以用不同分辨率的传感器图像进行变化检测.本文讨论了不同分辨率遥感图像用于变化检测的方法与过程,并利用具体图像进行了变化检测.     

基于FastICA算法的遥感图像中地物变化检测

随着遥感技术的发展,地物变化检测在环境灾害评估、森林资源、土地资源、农业资源的动态变化检测等领域应用广泛,成为当前遥感图像应用的一个重要研究方向。采用能够消除信号间的高阶相关信息的快速独立分量分析法进行多时相多光谱遥感图像的变化检测,应用Open RS平台,实现基于Fast ICA的遥感图像变化检测算法,用检测概率、漏警率、虚警率、检测误差以及Kappa系数来进行多时相遥感图像的变化检测精度验证。     

基于Matlab平台的遥感图像变化检测算法改进策略

利用多源遥感影像获得变化的地物信息的过程称为变化检测。变化检测的方法多种多样,由影像分析的层次不同分为像素级的变化检测、特征级的变化检测和目标级的变化检测3种类型;由不同的数据分析机理,变化检测又可分为非监督类变化检测和监督类变化检测。试验证明,基于边缘特征与灰度差值法相结合的变化检测试验更适用于基于Matlab平台的遥感图像变化检测。     

面向对象的遥感影像变化检测方法

针对变化检测区域内变化区域与未变化区域面积比例较低时,通过常规的阈值计算无法在变化检测中确定准确的变化阈值问题,该文提出了一种带样本选择的面向对象遥感影像变化检测方法。该方法首先对多时相遥感影像进行多尺度分割获取像斑,并采用变化向量分析法计算像斑的差异度;然后,自适应选择训练样本,结合基于期望最大化算法和贝叶斯最小误差率理论的阈值计算方法,采用独立阈值法确定变化阈值;最后,利用变化阈值对差异影像进行二值分割,并获取变化检测结果。实验结果表明该文方法在变化检测精度上优于常规方法。     

航空遥感影像的变化检测

针对以农田为主的某地区的航空影像,利用图像差值和比值法分析比较了取不同阈值时的变化检测效果;最后采用实际的航空影像进行实验比较,证明使用两种方法集成的检测结果比单独使用其中一种更准确.     

遥感影像融合的自适应变化检测

提出一种基于影像融合和自适应阈值选择的遥感影像变化检测方法。首先利用经过改进的融合技术对原 始数据的差值影像和比值影像进行处理, 构造融合影像, 在该融合影像的基础上进行自适应迭代运算得到初步变 化阈值范围, 然后通过分析阈值范围两侧影像像元的离散程度, 求解最终的阈值范围, 从而得到更优变化阈值, 提 取变化区域。实验结果表明, 本文方法的检测精度优于传统的变化检测方法, 同时具有一定的稳定性和智能性。     

多特征融合的高分辨率遥感影像飞机目标变化检测

为利用高分辨率遥感影像实现高精度的飞机目标变化检测,提出了一种自适应的多特征融合变化检测与深度学习相结合的方法。首先,通过加权迭代的多元变化检测法获取变化强度图,并结合自适应的直方图统计法自动获取显著的变化与不变化样本;然后,提取多时相影像的光谱、边缘和纹理特征,完成多特征融合的变化检测,并通过形态学处理得到变化图斑;最后,利用训练的NIN(Network in Network)结构的卷积神经网络飞机识别模型,完成变化图斑的类型判别,实现变化飞机的检测。实验结果表明,本文方法在两组数据的正确率分别达到100%和91.89%,均优于对比方法,能实现准确可靠的飞机目标变化检测。     

基于结构相似性与直线提取的建筑物变化检测方法

利用数字线划图中建筑物的矢量信息,根据前后两个时期的高分辨率遥感影像,通过结合LSD直线段提取算法与结构相似性度量,采用比较特征差异的方式提出了一种能够以较高的正确率进行快速建筑物变化检测的算法。本文对检测算法的过程进行了介绍,通过实验数据对算法进行了检验,探讨了阈值变化对结果的影响。     

基于主成分分析与粒子群优化的遥感影像变化检测

针对变化检测中差异影像上变化阈值选择困难的问题,该文提出了使用粒子群优化算法自动地从差异影像上选择最优变化阈值的方法。该方法首先利用主成分分析法从影像中提取包含最大信息的主分量,利用主分量构建差异影像;在此基础上,使用高斯混合模型估算差异影像的初始阈值,最后通过粒子群算法计算出最优的变化阈值。实验结果表明,该方法能够迅速地获取变化阈值,避免了人工选择时繁琐重复的尝试,且检测结果精度较高。     

联合变化强度和相关系数最小错分概率变化检测阈值优化

针对最小错分概率的遥感影像变化检测方法依赖样本的问题,提出一种联合变化强度和相关系数最小错分概率的变化检测阈值优化方法。首先对两时相影像像元的变化强度和相关系数两特征的直方图和曲率进行数值分析,确定分割阈值的上下限范围;然后对阈值范围内的阈值进行迭代,得到总错分概率,选取最小错分概率对应的阈值为最佳阈值;最后对两幅影像进行叠加分析,实现变化区域的提取。实验结果表明:该方法是一种无需进行参数估计、非监督、可信赖的变化检测方法,且能达到与传统方法同等的变化检测精度。     

高分辨率遥感影像的深度学习变化检测方法

为提升高分辨率遥感影像的变化检测精度,提出一种利用深度学习的变化检测方法。在预处理的基础上,利用顾及邻域信息的改进变化矢量分析算法和灰度共生矩阵算法获取影像间光谱和纹理变化,并通过设置自适应采样区间提取最可能的变化和未变化区域样本。构建并训练包含标签层的高斯伯努利深度限制玻尔兹曼机模型,以提取变化和未变化区域深层特征,从而有效辨别变化区域。通过WorldView-3与Pléiades-1影像的试验表明本文方法在变化检测精度方面优于对比方法。     

构建阈值模型改善TurboEdit实时周跳探测

在比较现有各类TurboEdit改进算法的基础上,选取了一套适合实时周跳探测的组合方法,并针对其缺陷进行优化改进,加入阈值模型。在滑动平均滤波MW（Melborne-Wubbena）组合周跳探测方法中加入了自适应观测序列均方根变化的阈值模型,有效减少了周跳探测的误判和漏判;在相邻历元求差的GF（geometry-free）组合周跳探测中加入了随采样率及卫星高度角变化的加权阈值模型,显著提升了采样率较低时周跳探测的可靠性。大量数据测试检验表明,该组合方法有效可行,相比其他改进方法不仅在探测精度上有一定提高,在避免周跳误判、漏判上也有较大改善。     

基于多波段统计检验的土地利用变化检测

在将历史土地利用矢量图与新时期遥感影像结合研究的基础上,提出多波段统计检验差异法进行土地利用变化检测,有效避免了传统方法中阈值的不确定性.在黑龙江省佳木斯市开展的试验及精度分析表明,本方法可以在无人工干预的情况下较好地检测出土地利用变化,总体检测精度达到86.2%.