| 基于Shearlet变换和KPCA的多时相遥感图像变化检测 |
| |
| 引用本文： | 吴一全,陶飞翔,曹照清.基于Shearlet变换和KPCA的多时相遥感图像变化检测[J].应用基础与工程科学学报,2014(5). |
| |
| 作者姓名： | 吴一全 陶飞翔 曹照清 |
| |
| 作者单位： | 南京航空航天大学电子信息工程学院;农业部农业信息技术重点实验室;江西省数字国土重点实验室; |
| |
| 基金项目： | 国家自然科学基金项目(60872065);农业部农业科研杰出人才基金和农业部农业信息技术重点实验室开放基金(2013001);江西省数字国土重点实验室开放基金(DLLJ201412);江苏高校优势学科建设工程资助项目 |
| |
| 摘 要： | 为了进一步提高多时相遥感图像变化检测的精度,本文提出了一种将Shearlet变换与核主成分分析(kernel principal component analysis,KPCA)相结合用于遥感图像变化检测的算法.首先利用Shearlet变换的多尺度、多方向和各向异性等特点,对遥感图像进行多尺度分解,然后对分解后的数据进行核主成分分析,再进行Shearlet反变换得到含变化信息的图像,最后对该图像利用模糊局部信息C均值(fuzzy local information c-means,FLICM)聚类算法进行分割,实现遥感图像的变化检测.大量试验结果表明,与基于主成分分析(principal component analysis,PCA)、基于KPCA、基于小波变换和PCA 3种变化检测算法相比,本文算法能有效地分离出变化信息,得到更准确的变化检测图像,具有更高的变化检测精度,且对背景有较强的鲁棒性,同时也减少了计算复杂度.
|
| 关 键 词： | 变化检测 多时相遥感图像 Shearlet变换 核主成分分析 模糊局部信息C均值聚类 |
| 本文献已被 CNKI 等数据库收录！ |
|
