基于非下采样轮廓波变换的SAR图像变化检测

针对传统方法对合成孔径雷达(Synthetic Aperture Radar,SAR)图像变化检测精度不稳定等问题,提出了一种将非下采样轮廓波变换(NSCT)、显著性检测和差异图融合相结合的变化检测方法.采用Frost滤波器对SAR图像进行预处理;构造预处理图像的均值比和领域对数比两类差异图;通过NSCT变换将两类差异图分解为低频图像和高频子带图像,并采用SR算法提取高频子带的显著信息;然后采用自适应模糊逻辑算法和模值取大算法进行图像融合并得到NSCT反变换图像;最后经过k均值聚类算法得到SAR变化检测结果图和评价数据.实验结果表明,与传统方法相比,本方法对SAR图像变化检测的稳定性较高,精度在0.65到0.8之间浮动,验证了该方法的有效性.

基于图像增强和融合的SAR图像变化检测

为提高合成孔径雷达(SAR:Synthetic Aperture Radar)图像变化检测的准确率和鲁棒性,提出了一种基于图像增强和融合的无监督SAR图像变化检测方法。为获得较好的背景噪声抑制、变化区域增强和边缘保持效果,在对原始SAR图像进行自适应图像增强的基础上构造对数比和均值比差异图,采用低频小波系数加权平均和按最小局部能量选取高频小波系数的融合策略对上述差异图进行图像融合。实验结果表明,融合后的差异图结合模糊局部信息C均值聚类在不同的数据集上均取得了较高的检测准确率和Kappa系数,鲁棒性较强,可广泛应用于SAR图像变化检测领域。

集成多特征信息的街景图像变化检测方法

图像变化检测是区分同一场景不同时间所获取图像的变化区域与未变化区域的重要方法。然而现有的基于深度学习的方法往往需要大量的数据样本进行训练和调参,使得模型的训练过程非常耗时且对内存的要求很高。另一方面,现有的大多数变化检测模型中,输入层的图像必须归一化到同样的大小,但是调整图像尺寸又会造成图像小目标信息缺失等问题,导致检测结果的精确度降低。针对上述问题,提出了一种集成多特征信息的街景图像变化检测方法。首先,将参考图像和检测图像分块,提取图像块的颜色特征、纹理特征和形状特征;然后,计算对应图像块之间上述三种特征的欧氏距离,同时计算图像块之间的感知哈希序列和灰度方差;最后,使用集成模型将几种分类器组合为变化检测的分类模型,将上述几种特征作为模型的输入特征,得到图像的变化检测结果。该方法对图像的输入尺寸没有固定的要求,并且有效降低了模型的复杂性。在CDnet2014数据集上的实验结果表明,只需要少量的训练样本,就可以得到较为鲁棒的变化检测结果。

基于分层模糊聚类和小波卷积神经网络的SAR图像变化检测算法

传统的合成孔径雷达(SAR)图像变化检测方法存在受散斑噪声影响大、图像深层信息难以利用、检测精度低等问题。针对以上问题,提出一种基于卷积神经网络和模糊聚类的SAR幅度图像变化检测算法。首先通过基于Gabor纹理的FLICM算法对差异图进行预分类,基于预分类结果自动选取可靠的训练样本,无需人工进行样本标注;引入多尺度通道注意力机制,并采用MSCA_WCNN完成二次分类,最终得到变化检测结果。本文算法在提取SAR图像不同尺度特征的同时能够对无关特征通道进行抑制,从而有效利用图像特征;小波卷积神经网络在保留图像有用信息的同时实现了去噪功能,增强了算法的鲁棒性。采用真实的星载SAR图像数据进行对比实验,实验结果表明,本文算法具有较高的检测精度,验证了算法的有效性。

基于SVM的SAR图像变化检测方法研究

为研究不同支持向量机(SVM)方法在处理合成孔径雷达(SAR)图像变化检测问题上的优劣,本文首先将该问题等效成像素级别的二分类问题,然后基于SVM对该分类问题进行建模与转化.应用四种优化算法对转化问题及其对偶问题求解,分别从收敛效果、运行速度和检测精度方面测试了这些算法的数值性能.结果表明序列极小化算法预测的变化图的边界相对最清晰、斑点噪声最少,但耗时较多.

纹理特征在SAR图像变化检测中的应用

城区变化检测可以提供大量关于土地利用和城市发展的信息 ,是变化检测技术的重要应用之一。根据合成孔径雷达 ( SAR)图像特点 ,针对城区环境的特定应用 ,提出了纹理差值变化检测方法。该方法采用纹理特征代替灰度信息来体现图像特点 ,并使用差值变化检测来获取城区变化情况。实验结果表明 ,对于大多数特征 ,纹理差值法获得了较高的变化检测正确率 ,检测性能有了大幅度的提高。

利用Brushlet变换进行SAR图像变化检测

针对传统空域和小波域检测算法的相邻像素间相似特征捕捉性能差、方向分辨率低的问题,提出了一种基于非下采样Brushlet变换和各向异性Gabor窗的二维最大类间方差变化检测方法.将非下采样Brushlet域的各向异性Gabor非线性加权均值计算和空域最小化均方误差的线性组合相结合,来获取相干斑噪声抑制后的均值特征,解决了角分辨率低的问题,获得了各个方向、频率和位置的精确定位;利用二维最大类间方差阈值分割来得到最终的变化检测结果.对真实的SAR图像进行了实验,证明了新方法有着较好的检测结果,并能够很好地保留边缘等细节信息.

动态应力与地震图像变化的相关性初探

列举11个大地震震例研究了发震断层面剪切运动方向与地震活动特征的相关性,提出由震后地震活动条带判断发震断层面走向的方法,结果表明,动态法判定的发震断层面与其它方法判定的发震断层面非常一致。探讨了动态应力场范围、传播和对基本应力场的加强作用,以及动态应力场展布范围与大面积宏观前兆等问题。

基于分形维数和FCM聚类的多时相SAR图像变化检测

提出了一种基于分形维数和FCM聚类的SAR图像无监督变化检测的算法。首先用非下采样Contourlet变换(NSCT),对两时相图像进行分解,然后求出其分形维数图,构造差异图,再由FCM聚类得到变化区域和非变化区域。并对计算分形维的滑动窗口大小的选择进行了研究。与现有的基于分形维数的图像变化检测算法进行对比,实验证实,本文算法不仅对斑点噪声不敏感,并且提高了变化检测的精确度。

基于修正后直方图不变矩的符号图像变化检测

提出了基于修正后的直方图不变矩对符号图像进行变化检测的算法。该算法的主要思想是首先计算 图像直方图不变矩,然后用两幅符号图像之间的相关系数来修正,利用修正后的不变矩来检测符号图像变化。 该方法解决了Hu不变矩在检测符号图像变化时难以克服的灰度变化问题。结果表明,该算法对符号图像的 对比度和灰度有较强的抵抗能力,能够提高符号图像变化的检测率和控制误测率。

基于灰度聚集度的图像变化检测

引入既能反映点的数目,又能反映点的分布状况的指标-聚集度,讨论了有关性质,给出了利用聚集度进行图像变化检测的方法.将标准图像与待检测的图像二值化,以差图像中“1”和-“1”的聚集度的最大者判断图像是否发生变化.通过理论分析和实际检测,表明用聚集度进行图像变化检测,不需要对待检测图像进行预处理,可以有效地克服图像噪声干扰带来的影响.

河南典型农区冬小麦干热风灾害的遥感图像变化分析

为对典型农区冬小麦干热风灾害遥感图像的变化进行分析,以河南地区为例。利用河南地区的气象资料,与小麦发育期以及产量、干热风的灾害数据,利用气象行业的标准冬小麦的干热风的灾害指标,对干热风的危害指数进行计算,对冬小麦对气象产量的影响关键的因子进行确定,对河南典型农区的冬小麦的干热风的变化进行分析,并对干热风发生的次数和冬小麦的单产之间的关系进行探讨。分析的结果表明,近20年来河南地区的冬小麦轻度以及重度的干热风的灾害总体呈现出逐渐减少的趋势,轻度以及重度干热风的年际产生的变化比较大,90年代的干热风灾害较为严重,2000年情况较好。日最高的气温以及相对的湿度与相对的风速等要素起到综合的作用对河南冬小麦的干热风灾害的整体呈现出递减的趋势进行决定,相对风速的减小对干热风的灾害产生减弱起到重要的作用。

基于DBN与对象融合的遥感图像变化检测方法

在高分辨率光学遥感图像变化检测中,多数面向对象的方法只能利用简单的特征组合得到对象特征,难以进行高层特征的设计和提取。针对该问题,提出一种基于深度置信网络和对象融合的图像变化检测方法。将变化检测转化为二分类问题,并把图像像素作为分类单元,在特征学习和分类阶段设计多尺度的图像特征学习和分类方法,以充分利用图像目标的上下文信息。在此基础上设计基于对象的分类融合方法,对利用深度置信网络分类得到的结果进行融合,从而减小局部噪声的影响。在QucikBird影像数据集上的实验结果表明,该方法可有效提高图像变化检测的准确率。

基于二维概率密度函数比较的SAR图像变化检测方法

该文将传统区域统计分布特征变化检测方法拓展到2维特征空间,提出一种基于2维概率密度函数比较的SAR图像变化检测方法。该方法首先将观测区域内相邻像素的灰度值组合成2维观测矢量,而后采用2维GramCharlier展开式对观测矢量在不同时相图像中的2维概率密度函数分别进行估计,在此基础上,借助K-L散度理论对2维概率密度函数在不同时相图像间的变化大小进行定量分析以实现变化检测。实验结果表明,与传统方法相比,该文方法具有更优的检测性能。

结合形态学属性断面与支持向量机的合成孔径雷达图像变化检测

针对传统合成孔径雷达(SAR)图像变化检测方法存在误差大、检测率低等问题,提出了一种基于形态学属性断面(MAP)的SAR图像变化检测方法。该方法利用MAP算法提取差异图像的几何结构特征,构造深入描述图像结构化信息的特征向量空间;在利用阈值法对图像进行分割的基础上,引入偏移因子,实现训练样本的自动选取;最后,用支持向量机(SVM)在多维特征空间中对图像进行变化类与非变化类的分类。实验结果显示:本文算法的检测结果优于基于高斯模型的KI阈值法(GM_KI)、基于广义高斯模型的KI阈值法(GGM_KI)和大津法(Otsu)等3种阈值法的检测结果,Kappa系数保持在0.87以上;当峰值信噪比(PSNR)介于[29,44]dB时,抗噪性能指标保持在0.97以上。这些结果证明了文中方法的有效性和优越性。

顾及阴影信息的高分辨率遥感图像变化检测方法

阴影是遥感图像的解译标志之一,然而在利用高分辨率遥感图像对城市建筑物进行变化检测时,阴影的存在会对变化检测结果造成不利的影响。为此,提出一种顾及阴影信息的遥感图像变化检测方法。首先对遥感图像中的阴影进行提取,然后用提取的阴影补偿初始的变化检测结果以提高变化检测精度。该方法的关键在于阴影提取的准确性。在面向对象分类方法的框架下,从阴影的光谱信息和几何信息2个方面对阴影进行约束,从而较好地提取出阴影。实验证明,上述方法能够较好地解决阴影所引起的变化检测中的错判问题,有效地提高遥感图像变化检测的精度。

基于邻域信息的SAR图像变化检测

为了减少合成孔径雷达(SAR)图像中乘性斑点噪声对变化检测结果的影响,充分地利用了像素的邻域信息。首先使用邻域比值(NR)方法构造差异图像,然后提出基于邻域信息的模糊C均值聚类(FCM)算法。NR算子在构造差异图像时能够较好地保留图像信息并抑制噪声的干扰。同时将邻域信息引入到FCM算法的目标函数,以邻域加权距离改进了FCM算法在欧式距离计算中的不足,并约束了隶属度函数,减少了噪声对邻域中心像素的干扰。通过以上考虑像素邻域信息的算法,得到了差异图像的聚类结果,从而实现了SAR图像的变化检测。实验结果表明,所提算法较传统的FCM和K-means聚类算法,可以较好地保留图像变化区域的信息,同时提高了SAR图像变化检测的准确度。

基于Laplacian Eigenmap的图像变化检测虚警优化技术

对点目标的图像变化检测,现有的变化检测技术结果往往存在着虚警过大的问题。通过深入分析多个传统的变化检测方法的特点,利用各方法的互补性,提出了利用Laplacian Eigenmap对多个方法检测结果进行降维分类的优化技术。首先把各个方法对某个像素的检测结果用向量的形式进行表示,然后利用Laplacian Eigenmap对整个图像的数据流形在低维空间展开,最后利用模糊分类进行分类。该技术有两个优势:(1)在保证现有较高检测率的同时,大大降低了结果的虚警率;(2)它极大地降低了在传统方法中由于人为阈值取舍带来的偏差风险。但该技术的不足之处是增加了计算量。

基于深度学习的脑白质病变区域MRI图像变化检测

为了能够自动检测不同时期脑白质病变区域的变化,提出了一种基于深度学习的脑白质病变区域MRI图像变化检测方法,根据MRI影像的成像特点,首先对两幅图像进行预处理和预分类,选取合适的样本集,然后进行深度神经网络的训练.主要的指导原则是直接从训练好的深度神经网络中生成两幅MRI图像的变化检测图,该算法省去了生成差异图DI这一过程,一定程度上避免了DI对最终检测结果的影响.实验结果表明,该算法能够较为准确地检测出脑白质病变区域中的变化部分,在医学图像变化检测方面中有着不错的效果,通过检测结果能够记录病变区域的变化和发展趋势.

基于双边加权核图割的SAR图像变化检测

为解决SAR图像因相干斑噪声严重而影响变化检测结果的问题,该文从像素级和区域级两个角度对SAR图像的空间邻域关系进行研究,提出一种基于双边加权核图割的SAR图像变化检测算法。首先通过均值比算子生成差异图,并利用核函数隐式地将差异图转换为图割能量函数的一元项;然后分别针对邻域内像素的空间上下文关系与以像素为中心的区域空间上下文关系进行研究,将其量化为图割能量函数的二元项。选取Ottawa和Mexico fire两组SAR数据集对算法进行验证,该算法平均总体精度为98.44%,Kappa系数相比PCA-Kmeans、FLICM、MRFFCM、KGC算法分别提高了4.64%、6.16%、4.15%和5.04%,证明该算法能够提高变化区域和非变化区域之间的可分离性,对噪声严重的SAR图像的抗噪能力较强,且图像边缘定位准确。