基于俯观相似度的遥感图像变化目标检测

提出了一种基于俯观相似度的光学遥感图像变化目标检测方法。对输入的两幅同一区域不同时段拍摄的光学遥感图像进行配准后,分别进行目标检测,提取出所有感兴趣的目标区域。采用残差网络提取目标的俯观特征,提升了特征的鲁棒性。通过计算目标间的俯观相似度,利用距离判据和相似度判据判断目标是否发生变化,实现变化目标检测。实验结果表明,提出的方法较现有的方法具有更好的性能表现,平均F1可以达到0.837。

基于RCS曲线的SAR图像点目标变化检测

地物目标的物理结构、表面粗糙度或地物目标类型发生了变化,则其后向散射能量一般会发生相应的变化,对应的雷达散射截面(Radar Cross Section,RCS)也会发生变化,这将导致合成孔径雷达(Synthetic Aperture Radar,SAR)图像的亮度和色泽发生变化。提出了一种新的基于RCS曲线特性的SAR图像目标变化检测算法。该算法不同于以往的基于图像域的变化检测算法,从目标的散射特性提取目标的变化信息,避免了不同时相的SAR图像对误配准所带来的错误。并进行了仿真实验,实验结果表明可行。

基于图像融合与多尺度分割的目标级变化检测

传统的像素级变化检测对辐射校正及阈值选择要求较高,因而在实际应用中受到诸多限制。在分析多尺度分割的基础上,提出了一种目标级的变化检测方法。分别利用粗、细尺度对各时相遥感图像的融合图像进行面向对象分割,以获取不同尺寸的目标区域,构造目标的特征进行向量分析得到差异图,并定义变化信息的强度,再利用多值逻辑理论将粗、细尺度下的检测结果进行决策级融合。实验结果表明,与传统的像素级检测方法相比,该方法受辐射差异影响小,检测精度更高,且检测结果对变化强度的衡量准确,能对应于有一定物理意义的目标变化。

基于ICA子空间的目标运动变化检测方法

针对实时场景下复杂背景动态变化的特点,在子空间图像差分模型的基础上,提出了一种基于ICA子空间的目标运动变化检测方法,该算法能够检测出两帧图像之间目标运动变化而不是背景变化部分,克服了目前大多数基于简单差分模型的变化检测算法对图像配准精度要求很高的问题.实验结果表明,这种方法能够准确地提取出实时场景中目标的运动变化区域,并具有很强的鲁棒性.

基于ICA-R的目标运动变化检测

针对实时场景下复杂背景动态变化的特点,在ICA(独立分量分析)模型的基础上,本文将带参考信号的独立分量分析(Independent Component Analysis with Reference,ICA-R)方法引入到目标跟踪环节,该算法能够检测出两帧图像之间目标运动变化而不是背景变化部分,克服了目前大多数基于简单差分模型的变化检测算法计算量大,抗噪声、抗抖动性能弱的问题.实验结果表明,这种方法能够准确地提取出实时场景中目标的运动变化区域,并具有很强的鲁棒性.