基于频域显著性方法和ELM的遥感影像变化检测

提出一种基于频域显著性(FDS)方法和极限学习机(ELM)方法进行遥感影像变化检测的方法.首先,对利用变化矢量分析方法(CVA)获取不同时相遥感影像的光谱特征差异图及纹理特征(灰度共生矩阵法)差异图进行融合获得差异影像(DI);然后,利用频域显著性方法获取差异影像的显著性图,采用模糊c均值(FCM)聚类算法对显著性图选取阈值得到的粗变化检测图进行预分类(变化像素、未变化像素、待定像素);最后,从光谱及纹理特征影像上提取变化像素和未变化像素的邻域特征作为可靠样本进行ELM训练,并利用训练好的ELM分类器对粗变化检测图进行变化检测,得到最终的变化检测图.通过对高分辨率遥感影像数据实验结果表明本方法的变化检测精度及性能优于其他对比方法.     

采用独立阈值的遥感影像变化检测方法

针对在多时相遥感影像变化检测中常规阈值确定方法无法获取小比例变化量区域准确变化阈值,并导致变化检测失败的问题,提出了采用独立阈值的遥感影像变化检测方法。通过多时相遥感影像多尺度分割获取像斑,采用变化向量分析法计算像斑差异度;从像斑差异度中自适应选择满足期望最大化算法和贝叶斯最小误差率理论获取准确阈值条件的训练样本;将训练样本导入独立阈值法确定变化阈值,利用变化阈值对像斑差异度进行二值分割获得影像变化的检测结果。实验结果表明,采用独立阈值的遥感影像变化检测方法能够获得更准确的变化阈值,在城郊变化检测中平均漏检率较全局阈值法和局部阈值法降低了9.6%和17.24%,在城区变化检测中平均正确率较全局阈值法和局部阈值法提高了51.27%和35.42%。     

一种多特征自适应组合的遥感影像变化检测方法

传统的遥感影像变化检测主要利用影像的光谱信息,没有考虑形状、纹理等多种特征信息,检测结果的准确性受限.针对多时相遥感影像的变化检测,研究了多特征自适应组合的检测方法,并选取影像的光谱和纹理特征为代表,进行了特征权值的自动调节分析,最终实现遥感影像精准变化检测.以World View-2卫星影像进行了实验,结果表明,该方法能够较好地调节两种特征的权值,对检测结果的准确性与完整性有较大改善,正确率可达87.79%.     

基于深度置信网络与数学形态学融合的遥感影像建筑物变化检测

当前人工调查土地资源利用情况具有较高的人力成本且劳动强度大,对其实现自动变化检测具有较高的理论和应用价值。将深度置信网络(deep belief network,DBN)应用于高分辨率遥感影像的建筑物变化检测,但DBN在变化检测时存在由误判现象造成的建筑物完整度欠缺、空间存在噪声等问题,提出DBN与数学形态学融合模型对高分辨率遥感影像建筑物进行变化检测。在遥感影像预处理基础上,标记少量明显的变化与未变化样本,利用搜索窗口从标记的区域获取大量带有标签的样本训练融合模型分类器对建筑物进行变化检测,检测方法准确率为94.76%,召回率为87.63%,F_1为91.06%。实验结果表明,该方法可以为建筑物的变化检测提供有效依据。     

面向对象的高分辨率遥感影像变化检测方法

变化信息是遥感图像中的一类重要信息,变化信息的自动检测是遥感图像智能解译的重要研究领域.利用面向对象分类技术,对一种同一地区不同数据源的高分辨率遥感影像采用了分类后比较的变化检测方法.介绍了方法原理,建立规则以及实现过程;最后利用提出的方法对同一地区不同时相的QuickBird影像和IKONOS高分辨率遥感影像实施了变化检测实验,结果表明将基于面向对象技术的变换检测方法用于不同数据源的高分辨率遥感影像变化信息的检测是切实可行的,并具有较高的提取精度.     

基于GF-2号卫星影像的土地利用变化监测研究

针对土地利用变化中局部像斑变化较难提取和自动化监测较难实现等问题,该文提出了一种基于类别的矢量图与遥感影像变化检测方法。在矢量图约束下,对遥感影像进行影像分割获取像斑;提取像斑在遥感影像上的直方图特征,采用G统计量度量像斑之间的特征距离;利用像斑与其他相同类别像斑之间的特征距离,构建单波段上像斑的类别异质度,自适应加权组合各波段上像斑的类别异质度构建像斑的类别异质度;依据最大熵方法获取各地物类别对应的异质度阈值,以类别为单位对各像斑进行变化判别,获取变化检测结果。在GF-2号卫星影像上的实验验证了该方法的有效性,实现了矢量图与遥感影像的自动变化检测。     

基于遥感影像变化检测的土地调查监测应用研究

遥感影像变化检测是遥感应用研究的热点之一。针对土地调查监测工作,运用遥感影像变化检测方法,基于不同源卫星数据(Worldview-2、天绘)和同源卫星数据(高分一号),分别对湖南省两区片地表覆盖物进行了不同时点地类变化的检测,完成了面积合计34km2范围内的遥感影像数据变化分析,并通过外业实地考察核准了变化检测结果,验证结果显示遥感影像变化检测方法实现的地类变化识别准确率可达80%以上,从而证明了该方法在土地监测调查工作中的可行性。     

基于高分辨率数据的云南土地调查监测研究

遥感影像变化检测是遥感应用研究的热点之一。针对土地调查监测工作,运用遥感影像变化检测方法,基于不同源卫星数据(Worldview-2、天绘)和同源卫星数据(高分一号),分别对云南省两区片地表覆盖物进行了不同时点地类变化的检测,完成了面积合计34km2范围内的遥感影像数据变化分析,并通过外业实地考察核准了变化检测结果,验证结果显示遥感影像变化检测方法实现的地类变化识别准确率可达80%以上,从而证明了该方法在土地监测调查工作中的可行性。     

基于多特征融合的反向传播神经网络高分影像分类与变化检测

为了降低基于高分影像的土地利用分类后的错分和漏分的可能性,提高分类以及变化检测精度,本文以广西桂林市临桂区为研究区,采用WorldView-2号以及高景一号高分影像,基于多层前馈(back propagation, BP)神经网络方法融合遥感影像的纹理、光谱、植被指数以及水体指数特征,制定出4种特征数据集融合方案,实现对植被覆盖率较大地区的地物识别与分类;然后选取最优分类结果,进行桂林市临桂区2017与2020年土地利用变化检测。不同方案的对比结果表明,融合纹理、光谱、植被指数以及水体指数特征的第四种方案可以得到较为有效的分类以及变化检测结果,分类的总体精度为92.92%,Kappa系数为0.9028,保持了较高正确率。     

基于PCA光谱增强与区域扩散阈值确定的遥感影像变化检测算法

变化检测技术是从观测数据中有效地提取各种变化信息.本文针对变化检测中差异影像的构造和变化阈值的确定展开研究,首先将两期的遥感影像矢量叠加,然后进行主成分分析获得变化量,最后通过区域扩散阈值确定方法获得变化检测结果.通过与传统变化检测方法的实验比较,证明了该方法的有效性.     

基于PCA光谱增强与区域扩散阈值确定的遥感影像变化检测算法

变化检测技术是从观测数据中有效地提取各种变化信息.本文针对变化检测中差异影像的构造和变化阈值的确定展开研究,首先将两期的遥感影像矢量叠加,然后进行主成分分析获得变化量,最后通过区域扩散阈值确定方法获得变化检测结果.通过与传统变化检测方法的实验比较,证明了该方法的有效性.     

基于地物波谱形态参数化的高光谱图像分类方法研究

利用语素向量的形态描述方法实现地物波谱形态的参数化,以不同地物具有不同波谱曲线为地物分类准则,在MATLAB设计中,实现一种带通配符的地物波谱曲线形态差异遥感图像分类程序,应用此程序对高光谱遥感图像所得的分类结果与其他分类方法所得的分类结果进行对比.结果说明,此方法可以将地物波谱的波形信息最大限度地保留并利用,进一步解决遥感影像分类中"光谱值"相似及现有的光谱匹配方法受类内差异变化影响大的问题,运用Kappa系数的精度评价证明此方法对高光谱遥感图像的分类优于SVM分类方法.     

利用多特征融合的面向对象的高分辨率遥感影像变化检测

针对高分辨率遥感影像变化检测中的一些难点和传统基于像元的变化检测方法的局限性,提出了一种多特征融合的面向对象变化的检测方法。为保证图斑的空间位置对应,首先利用改进的图像分割算法对两幅影像进行联合分割,然后统计图斑的多种特征,依据该特征进行变化向量分析,得到图斑的变化和非变化类型。最后,利用Quick Bird影像验证了该算法的可行性,检测结果明显优于传统基于像素的检测方法。     

基于最小异质性区域生长法的多尺度城市地物影像分割

遥感影像分割是面向对象影像分类中的关键技术.针对地物景观的多尺度效应与高分辨率影像的高空间分辨率特征研究了多尺度分割与多特征最小异质性准则,分析了其有效性及可行性.基于区域生长的原理与方法,采用多尺度分割与最小异质性算法,对不同分辨率遥感影像和地物类型的样区进行分割技术的应用实践,分析总结了分割参数与影像特征参数的关系和各种参数的确定方法.     

基于XGBoost特征选取和迭加权相关权重矩阵的高分五号遥感影像变化检测

提出一种基于迭加权相关权重矩阵(IR-CWM),使用XGBoost机器学习模型训练选取特征变化波段,训练预测变化检测结果的方法 (IR-CWM-XGB).以国产高分五号(GF-5)高光谱遥感影像为数据源,经过预处理后,通过迭代加权得到迭加权相关权重矩阵(IR-CWM),然后经过XGBoost算法选取特征波段,选取随机样本进行模型训练,使用最终模型生成变化的结果.实验结果表明:本研究方法与变化矢量分析(CVA)变化检测方法、主成分变化矢量分析(PCA-CVA)变化检测方法、迭加权多元(IR-MAD)方法、卷积神经网络(CNN)等方法进行对比,本研究方法变化检测结果的Kappa系数和总体精度较高,误检率较低.     

贝叶斯网络分类算法在遥感数据变化检测上的应用

以北京通州地区1996年5月29日和2001年5月19日2个时期的遥感影像为例介绍了基于贝叶斯网络(BN)的分类算法,在此基础上实现了2个不同实现遥感影像的变化检测,实验结果表明:基于BN分类的后分类比较变化检测方法是遥感数据变化检测的一种新的有效方法.     

基于独立分量分析的遥感影像分类方法

多光谱遥感影像反映了不同地物的光谱特征,其分类是遥感应用的基础。独立分量分析对未知的源信号的混合信号进行估计,可以获得相互独立的源信号的近似。独立分量分析利用了信号的高阶统计信息,对于多光谱遥感影像而言,其去除了波段影像之间的相关性,获得的波段影像是相互独立的。最后通过TM遥感影像数据的分类试验,验证了基于独立分量分析的线性光谱混合分析模型应用于多光谱遥感影像非监督分类的有效性。     

面向对象的高分辨率遥感影像建筑物变化检测

以武汉市东湖高新技术开发区部分区域为研究区,提出基于面向对象的高分辨率遥感影像建筑物变化检测法.利用BMI算法提取建筑物,利用CVA算法进行变化检测得到全部对象差异度,利用EM算法的贝叶斯阈值计算方法确定变化阈值.结果表明,基于面向对象的变化检测总体精度为89.48％,Kappa系数为0.86,优于基于像元的变化检测,...     

基于光谱测量的南方典型树种反射光谱特征分析

利用ISI921VF野外地物光谱辐射计测量得到的南方典型树种光谱数据,分析南方典型树种的冠层反射光谱特征,并探讨光谱对于遥感影像树种分类的可分性．以茶、杉木、阔叶林、马尾松这四种作为代表,结果表明这四种地物的反射光谱曲线及它们的一阶微分反射比波谱曲线在近红外波段差异显著;且转化为北京一号（BJ-1）和TM等效反射波谱曲线后,BJ-1影像和TM影像的地物间差异仍较明显,因此常用的多光谱遥感影像对纯林分树种具有一定的可分性．     

基于深度极限学习机的高光谱遥感影像分类研究

高光谱遥感数据越来越普及并为人们广泛使用,基于高光谱遥感数据的地面物体精确分类是高光谱遥感技术的核心应用之一.针对高光谱遥感影像的分类问题,提出一种基于深度极限学习机(D-ELM)的分类方法.该方法利用一种新的深度学习模型——深度极限学习机对高光谱遥感影像进行分类,并与基于极限学习机(ELM)、支持向量机(SVM)、核极限学习机(ELMK)分类方法进行了比较分析.研究结果表明:相对于ELM、SVM、ELMK分类方法,D-ELM分类方法能够更加准确地挖掘高光谱遥感影像的空间分布规律,提高分类的准确度.