一种多特征融合的面向对象多源遥感影像变化检测方法

当前,随着遥感影像数据来源越来越丰富,且分辨率越来越高,传统的变化检测方法已经无法满足实际应用的需要。针对这一问题,提出了一种多特征融合的面向对象多源遥感影像变化检测方法。在对象获取和多种特征提取的基础上,利用SVM对高维数据分类的优异特性,将基于SVM的二类分类方法与对象级变化检测有机结合,提高了多源遥感影像变化检测的精度和可靠性。结合人工目视判读,设计了一种面向地物的指标计算方法。实验采用多源多时相的遥感影像进行,并对不同地物变化检测的精度进行统计,验证了提出方法的有效性。     

中国海岸带分布规律及其海部要素变化检测

在海岸带图测绘完成后,海部要素的变化是导致海岸带图使用价值降低的重要因素.根据我国海岸的组成物质将其归纳为淤泥质海岸、沙砾质海岸、基岩海岸、红树海岸和珊瑚海岸,并归纳总结了每一种海岸的空间分布规律.分析了影响海岸线、干出滩以及近海水深等海部要素变化的主要因素,海岸要素变化的因素和变化规律,进而提出了海部要素实质性变化的检测统计方法,对提高海岸带图测绘效率、缩短成图周期、确定更新周期和制定更新方案都具有重要的意义.     

基于MODIS 250m遥感影像的变化检测

本文采用分辨率为250m的MODIS遥感影像对土地利用类型进行动态监测,其目的是探讨在MODIS影像上,能够快速准确地获取在不同时期的变化信息,并且为进一步分析提供参考。本文主要讨论运用MODIS影像进行变化检测的几个方面:一是相对辐射校正;二是变化区域的确定,采用基于像素的阈值分割和基于区域的松弛法进来确认变化/非变化像元,并提出一种基于缓冲区方法来消除部分伪变化信息;三是精度评价,根据MO-DIS高时相的特点,本文提出了基于缺少实地观测数据情况下的精度评价。     

TM影像的变化检测方法探究

变化检测是遥感应用中的一项重要内容。随着遥感技术的发展,变化检测技术也有了很大的进步,出现了很多的研究方法和研究成果。本文在总结前人研究的基础上,提出了TM影像变化检测的基本流程,并简单介绍了各个流程,包括数据预处理、变化信息的提取以及变化区域的确定,重点介绍了变化检测的方法尤其是目前最新的研究方法,最后对变化检测的前景提出了展望。     

基于多时相遥感图像智能变化检测方法的研究

采用一种智能变化检测方法,首先对多实相遥感图像进行预处理;其次进行特征提取;然后通过数量差异计算、阀值确定、空间滤波进行检测;最后提取出感兴趣的区域,得出定量结果,并通过试验证明这种方法在实际应用中是可行的和有效的。     

面向对象的投影互分割道路变化检测

通过实验提出了面向对象的投影互分割城市道路变化检测方法。选用不同时相的QuickBird图像,根据地物影像的光谱、形状及纹理等特征进行多尺度分割和层次分类,提取城市道路目标;建立检测层,将不同时相的图像分类结果投影到检测层的相应对象层上,并进行互分割,通过判断某一位置地物类别的一致性,实现道路变化检测的目的。实验表明,面向对象的投影互分割道路变化检测能得到较好的检测效果。     

基于交互式分割技术和决策级融合的SAR图像变化检测

为免去去除斑点噪声的预处理操作及克服选择分布模型的限制,本文结合差异图的特点和一种不涉及分布模型的交互式分割方法,产生不同“种子点”下的变化检测结果后,再利用投票策略对其进行决策级的融合给出最终的变化检测结果。分割中,将每个像素的特征设为差异图及由静态小波变换分解差异图再丢弃高频系数后重构得到的各层表示中,其对应位置上的灰度值构成的矢量。此特征及决策级融合的策略使本文的变化检测技术对SAR图像中的斑点噪声具有一定的鲁棒性。在无需对SAR图像做预处理的情况下,对真实SAR图像数据集的变化检测结果,其效果优于其他相关技术的。     

基于感兴趣区域在区域层面上决策的SAR图像变化检测的方法研究

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,但现有该框架下的技术都在在像素层面上决策产生的变化检测结果,这易使结果中存在诸如有噪声般散落的杂点、连通区域内有孔洞及边缘不平滑等缺陷。为此,本文给出一种在区域层面上决策生成变化检测结果的技术,其核心为抽取并处理感兴趣区域,而关键在于获取合适的抽取感兴趣区域的标签和如何在区域层面上生成变化检测结果。为使抽取的感兴趣区域包含几乎所有的变化类信息,我们用平稳小波变换和模糊C-均值(Fuzzy C-Means, FCM)算法分两步获取抽取感兴趣区域的标签;为在区域层面上生成变化检测结果,我们依据标签搜索感兴趣区域内所有的连通区域,并把每个连通区域看作为一个数据点,再由阈值技术处理这些数据点生成最终的变化检测结果。对真实SAR图像数据集的变化检测结果表明,其主观效果和客观性能都优于其他相关技术的。     

基于最优极化相干系数的倾斜建筑物解译研究

基于Freeman_Durden分解的全极化SAR影像分类方法能够较好地保持地物极化散射特性,但在分类的过程中,不能改变初始散射机制,导致分解结果对分类精度影响很大。在Freeman_Durden分解中,排列方向相对雷达飞行方向不平行的建筑物（简称为倾斜建筑物）常被分为体散射类型,使得该类建筑物往往被误分为植被。本文通过分析建筑物在SAR影像中的后向散射特性,利用建筑物具有较高相干性的特点,引入最优极化相干系数,在目标分解的基础上通过阈值分割将两者区分开来,进而提高反射非对称性人工目标的分类效果。通过使用E-SAR系统在德国DLR附近Oberpfaffenhofen地区获取的L波段PolInSAR影像和国内X-SAR系统在海南陵水地区获取的X波段PolInSAR影像进行实验,证明本文提出的方法能够有效地将与雷达飞行方向不平行的建筑物与森林区分开。     

在感兴趣的区域层面上进行SAR图像变化检测的方法研究

提出一种基于抽取和处理感兴趣区域,在区域层面上决策生成变化检测结果的技术。该技术包含两个关键点。一个是借用平稳小波变换(stationary wavelet transform,SWT),结合模糊C-均值(fuzzy C-means,FCM)聚类算法和尺度间融合策略获取抽取感兴趣区域的标签。另一个是依据标签搜索感兴趣区域内所有的连通区域,并把每个连通区域看做为一个数据点,以使变化检测结果在区域层面上生成。借助于这两点,本文方法结果的主观效果和客观性能都优于其他相关技术。对真实SAR图像数据集的变化检测结果证实本文方法的有效性。