k均值聚类引导的遥感影像多尺度分割优化方法

针对不同尺度地物的分割需求,提出了一种k均值聚类引导的多尺度分割优化方法。首先对原始影像进行小尺度分割和k均值聚类,然后利用k均值聚类结果引导对象合并,在合并过程中利用Otsu阈值方法自动选择k均值聚类的影响因子,最终得到适应不同尺度地物的分割结果。以FNEA多尺度分割方法为例,利用模拟数据和真实的GeoEye-1影像数据进行相关试验,目视和定量评价表明本文方法能够得到适宜不同尺度地物的高质量分割结果。

视觉驱动的变分配准方法

针对传统整体配准模型不能充分顾及局部变形的问题,提出了一种视觉驱动的变分配准方法。该方法在变分模型建立中综合考虑了局部变换、整体平滑和视觉约束,同时兼顾了亮度和对比度差异。首先,基于灰度均方根误差建立配准模型的数据项;其次,为了保证整体平滑,模型采用H1半范数进行自适应约束;最后,为了保证影像中的空间属性满足视觉的要求,不能出现扭曲变形,采用直线特征进行先验约束。在变分模型求解过程中先利用整个影像估计影像之间的整体变换参数,然后采用小的邻域范围进行局部估计。整个过程在多水平差分框架下迭代求解变换参数,进而兼顾了整体平滑和局部变形。笔者利用ZY-3卫星数据进行了试验,采用目视和量化指标进行了评价,验证了本文方法的优越性。

基于FastICA算法的遥感图像中地物变化检测

随着遥感技术的发展,地物变化检测在环境灾害评估、森林资源、土地资源、农业资源的动态变化检测等领域应用广泛,成为当前遥感图像应用的一个重要研究方向。采用能够消除信号间的高阶相关信息的快速独立分量分析法进行多时相多光谱遥感图像的变化检测,应用Open RS平台,实现基于Fast ICA的遥感图像变化检测算法,用检测概率、漏警率、虚警率、检测误差以及Kappa系数来进行多时相遥感图像的变化检测精度验证。

高分辨率遥感影像配准与变化检测一体化处理

为了克服高分辨率遥感影像配准与变化检测作为单独环节处理的局限,该文提出了一种基于变分理论的配准与变化检测一体化处理方法。该方法将配准误差作为一种光谱变化决策因子,变化信息以权值的方式迭代反馈给变分配准模型的解算过程。为了更准确地检测建筑物这个特定目标的真实变化,该文采用多尺度最大形态学轮廓建筑物检测指数的差异作为另外一个决策因子。最后将配准误差反映的变化和建筑物检测指数的差异这两个决策因子在D-S证据理论框架下建立概率模型进行融合处理,进而得到建筑物的变化检测结果。该文选取WorldView-2数据进行实验,实验结果表明,一体化处理思路可以有效地解决单独处理的局限,从根本上解决配准误差对变化检测结果的影响以及由于变化而使配准精度降低的问题,进而提高配准和变化检测的质量。