基于空间模糊C均值聚类和贝叶斯网络的高分一号遥感影像变化检测 |
| |
引用本文: | 杨洋,李轶鲲,杨树文,宋嘉鑫.基于空间模糊C均值聚类和贝叶斯网络的高分一号遥感影像变化检测[J].测绘与空间地理信息,2023(4):34-37. |
| |
作者姓名: | 杨洋 李轶鲲 杨树文 宋嘉鑫 |
| |
作者单位: | 1.兰州交通大学测绘与地理信息学院730070;2.地理国情监测技术应用国家地方联合工程研究中心730070;3.甘肃省地理国情监测工程实验室730070; |
| |
基金项目: | 国家自然科学基金项目——基于高分辨率卫星影像的彩钢板建筑与城市空间结构演变关系研究(41761082);国家重点研发计划(地球观测与导航)项目——星空地遥感立体监测技术(2017YFB0504201);兰州交通大学(201806)优秀平台资助。 |
| |
摘 要: | 在目前经典的变化检测算法中,后验概率空间变化向量分析(CVAPS)方法广泛用于遥感影像的变化检测。然而,基于支持向量机(SVM)的CVAPS法无法有效处理高分一号影像中等分辨率遥感影像中的混合像元问题,且难以有效保证变化检测的精度。因此,本文通过引入空间信息,使用空间模糊C均值聚类(Spatial Fuzzy C Means, SFCM)有效地实现高分一号影像混合像元的分解,并结合简单贝叶斯网络(SBN),提出一种新的后验概率空间变化向量分析法SFCM-SBN-CVAPS。实验结果表明,本文算法的总体精度和Kappa系数均高于基于普通模糊C均值聚类(Fuzzy C Means, FCM)的CVAPS算法,且耗时更短,本文所提出的算法有助于提高遥感影像变化检测的精度和效率。
|
关 键 词: | 遥感影像变化检测 空间模糊C均值聚类 模糊C均值聚类 简单贝叶斯网络 后验概率空间变化向量分析 |
本文献已被 维普 等数据库收录! |
|