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。     

基于卡方分布的矢量图和遥感影像变化检测方法

为实现土地利用矢量图的快速更新,提出一种基于卡方分布的土地利用矢量图和遥感影像的变化检测方法。该方法通过栅矢套合获取像斑,利用像斑的特征向量构建χ2统计量,采用迭代的方法获取各地物类别在遥感影像上的均值向量和协方差矩阵,在一定的显著性水平下获取变化检测结果,在Quick Bird影像上的实验结果验证了该方法的有效性。     

像斑的遥感影像土地利用变化检测方法

提出一种有GIS数据辅助的以像斑为对象基于不同时相非同源的遥感影像变化检测方法,这种方法属于特征级的变化检测,以影像像斑为对象,突破了以往变化检测对数据的要求与限制,改变了传统检测方法对于遥感影像数据的要求同源的模式.通过土地利用图和遥感影像的精确配准套合获取影像像斑,再利用聚类算法按类别进行样本的更新,利用更新后的样...     

结合指数特征和SVM算法的遥感影像土地利用变化检测

提出了一种基于像斑的土地利用变化检测的方法。通过指数特征提取出影像中的植被和水体像斑,对植被和水体像斑优先进行变化检测,再对剩余像斑利用差值法进行变化分析。采用支持向量机（SVM,SupportVectorMachine）算法来解决植被和非植被、水体和非水体、变化与未变化等二类划分问题。在QuickBird影像上的实验表明,本文方法可以有效地降低由于季节不同所产生的虚检率,提高土地利用变化检测的总体精度。     

基于Landsat TM影像的城市变化检测研究

在综述变化检测算法的基础上,提出了一种新的基于NDVI的城市变化检测算法。实验证明,该算法可获得较高的变化/非变化精度     

像斑直方图相似性测度的高分辨率遥感影像变化检测

基于像斑的变化向量分析法CVA(Change Vector Analysis)过分依赖像斑的灰度均值信息,而未能有效利用其灰度分布信息,这在高分辨率遥感影像变化检测中存在不足。本文提出了一种基于像斑直方图相似性测度的变化检测方法。利用G统计量构建不同时期像斑之间的相似性测度。假设所有像斑的相似性测度值符合混合高斯分布模型,通过期望最大化算法EM(Expectation Maximization)求解相关参数,最后采用基于最小错误率的贝叶斯判别规则获取最终的变化结果。实验表明,本文提出的上述方法能够有效提高变化检测的精度。     

基于矢量数据辅助分割的遥感变化检测方法研究

针对变化检测中获取同质像斑较难的问题,提出应用矢量数据辅助分割获取同质像斑。本文提出了基于历史矢量与双时相遥感影像的变化检测方法,实验结果表明,该方法能检测出80%变化的像斑,并能同时获取变化像斑的类别,证明了该方法的有效性。     

高分遥感影像与矢量数据结合的变化检测方法

针对高分辨率遥感影像与矢量数据配准套合之后存在的不一致性问题,该文探讨了多尺度分割算法获取同质像斑的方法。在此基础上,发展了一种基于最近邻分类算法的分类后处理变化检测方法。结果表明,通过多尺度分割算法能够获取"类内光谱相同"和"类间光谱相异"的像斑;分类后处理变化检测方法能够正确检测出80%以上的变化区域,在获取变化检测结果的同时能够获取变化像斑的类别,而且检测精度较高,具有较高的应用价值。     

一种新的遥感影像变化检测相对辐射校正方法

分析了相对辐射校正在变化检测中的重要性,以基于植被指数的变化检测为例,比较常用相对辐射校正方法及其对变化检测的影响,并且提出一种基于相关系数稳健的相对辐射校正的新方法。通过试验发现相对辐射校正能够减小多时相遥感图像间由于大气、照度和传感器标度等存在差异而造成的影响,提高了基于植被指数变化检测的精度。自动稳健的相对辐射校正方法能够减少辐射误差,提高植被变化检测的精度,与传统的方法相比具有结果稳定、不容易受到误差干扰的特点。     

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。     

基于遥感影像变化检测技术的地形图更新

在总结现有地形图更新方案的基础上,对遥感影像变化检测技术进行分析,在选定的试验区域进行基于遥感影像变化检测技术的更新采集试验,并对试验结果作定性及定量分析,提出基于遥感影像变化检测技术的地形图更新方法。     

基于贝叶斯网络分类的遥感影像变化检测

遥感成像过程中,地面、大气等诸多要素的不确定性和波段之间的相关性等原因影响了分类精度,导致变化检测的不准确性。为了提高分类精度往往需要引入先验知识。贝叶斯网络是一种新的数据表达和推理模型,对数据没有严格的正态分布前提要求,通过动态地调整先验概率密度,能有效提高分类精度。以北京通州地区1996-05-29和2001-05-19两个时相的陆地卫星Landsat TM遥感影像为例,介绍了基于贝叶斯网络的分类算法,并在此基础上实现了两个时相遥感影像的变化检测。实验结果表明:基于贝叶斯网络分类算法的后分类比较变化检测方法是遥感影像变化检测的一种新的有效方法。     

遥感影像面向对象变化检测综述

遥感影像变化检测作为遥感领域的热点问题一直以来备受关注,面向对象变化检测技术对高分辨率遥感影像具有良好的分析处理能力,因此,越来越受到人们的青睐.对面向对象变化检测技术进行归纳、总结,根据面向对象变化检测技术流程,从数据预处理、影像分割、特征提取、变化检测、精度评价五个方面分别阐述了面向对象变化检测的研究进展,并指出了...     

基于遥感影像的土地利用变化检测

随着遥感科学技术的发展、各种遥感数据的累加以及遥感变化检测研究的深入,基于遥感影像的土地利用变化检测手段也日新月异。本文主要阐述利用不同的遥感影像处理方法对不同影像之间的土地利用变化进行检测,同时利用影像融合对比法、影像差值法、主成分分析法(PCA法),以及影像分类法等遥感影像处理方法,对同一地区前后不同时相的土地利用变化检测效果进行精度对比,并总结出不同检测方法在不同条件下的检测效果。     

基于随机森林的遥感影像变化检测

随机森林是一种新兴的、高度灵活的机器学习算法,在预测和分类方面有着良好的稳定性,且算法性能要优于许多单预测器。鉴于此,本文提出了随机森林的遥感影像变化检测算法,利用熵率法对遥感影像进行超像素分割,获取最优分割结果;构建了基于随机森林的遥感影像变化检测模型,以所提取的Gabor特征和光谱特征作为模型输入进行训练和预测,并将有决策树的投票作为最终的变化检测结果。试验结果表明,本文所构建的随机森林变化检测模型在漏检率和虚检率上明显低于其他算法,且总体正确率高,在算法时间上也明显优于其他算法。     

基于概率统计模型的遥感影像变化检测

基于概率统计理论,提出了一种基于t检验的遥感影像自动变化检测方法,并实现了其与相关系数法的有效结合,运用于复杂城区环境下地物类型的自动变化检测。对于高空间分辨率影像,有效引入纹理特征,减少了房屋阴影的影响,对最终变化检测结果起到了明显的增强效果。实验采用不同类型的数据,详细叙述了变化目标的提取以及本文方法的特点,结果真实反映了实际地物的变化,表明该方法具有很好的实用价值。     

利用遥感影像进行变化检测

首先分析了利用影像进行变化检测的紧迫要求和存在的困难 ,接着对变化检测的方法进行分类 ,提出将影像配准与变化检测整体同步解求的思想和在此基础上进行三维变化检测的可能性 ,并在文中概要介绍和比较了各种变化检测的 7种方法 ,最后展望了下一步应继续研究的方向。     

基于IR-MAD的高分辨率遥感影像交叉融合变化检测方法

高分辨率遥感影像数据在带来丰富地物信息的同时,也对变化检测提出了新的问题和挑战。本文从高分辨率遥感影像数据的空间结构特征和光谱分布信息入手,针对多光谱数据交叉融合的变化检测方法展开研究。采用基于GSA(Gram-Schmidt Adaptive Pansharpening Algorithm)法对全色和多光谱影像数据处理,生成四幅交叉融合影像;将迭代加权多元变化检测(Iteratively Regularized Multivariate Alteration Detection,IR-MAD)算法应用于高分辨率融合影像,提取变化信息。结果表明,本研究方法能够有效提取变化信息,并降低数据配准不一致所造成的误检测。     

基于对象的多源数据变化检测的方法

不同数据源的遥感数据可综合用于检测地表变化,是土地变更调查中不可或缺的技术手段之一。本文基于高分辨率遥感卫星影像、无人机正射影像和土地利用矢量图,结合多尺度分割法、最邻近分类法和阈值分类法,消除不同遥感数据间的套合误差,实现影像的层层分类,并通过像斑类别识别的方法检测地表变化。试验结果表明:变化检测结果中面积检测正确率为85.37%,精度满足要求。该方法能够结合不同遥感数据源的优势,从而正确识别地表变化区域,同时获取像斑变化的类别。可有效地提高土地调查的效率,提升遥感数据的利用水平。     

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。