基于模糊局部信息C均值的SAR图像变化检测

变化检测本质上可以看作是对变化区域和非变化区域的聚类问题。针对未考虑邻域信息的模糊C均值聚类算法容易受到噪声影响,本文提出了一种基于模糊局部信息C均值聚类(FLICM)的变化检测方法。考虑到比值法得到的差异影像中还有加性噪声对检测的影响,本文采用字典去噪方法,利用稀疏表达去除加性噪声,从而提高检测精度。该算法首先利用比值法构造差分影像,然后用Gabor字典对图像进行去噪,最后通过模糊局部信息C均值对图像进聚类,获得变化区域。为验证本文算法是否有效,本文选用了两个不同地区的多时相SAR图像,研究结果表明,与其他算法的实验比较,本文提出的方法有较高的检测精度。

二进小波增强与边缘局部信息FCM的SAR图像变化检测

合成孔径雷达图像中固有的相干斑噪声往往导致变化检测结果中存在大量虚警与漏警。针对这一问题,本文提出一种利用二进小波增强与边缘局部信息模糊C均值的变化检测方法。首先利用二进小波对对数比差异图进行自适应增强,平抑噪声的同时均衡灰度分布;然后,利用指数加权均值比算子对差异图进行边缘信息提取,修正局部信息模糊C均值算法中邻域窗内像素点权值,使邻域窗滑动至变化区域的边缘部分时能够对噪声切向平抑,保留细节信息。最后对差异图进行分割,得到变化检测结果二值图。仿真与实测数据实验结果表明,本文方法能够有效抑制相干斑噪声,同时对变化区域的细节保持效果较好。

基于Shearlet变换和Krawtchouk矩不变量的河流SAR图像分割

合成孔径雷达(synthetic aperture radar,SAR)图像分割是河流检测与识别的关键步骤,为了进一步提高河流SAR图像分割的准确性,提出一种基于Shearlet变换、Krawtchouk矩不变量及模糊局部信息C均值聚类的河流SAR图像分割方法.首先,对河流SAR图像进行Shearlet分解,提取其纹理特征,构成特征向量的前半部分;然后,计算河流SAR图像的Krawtchouk矩不变量,作为其形状特征,构成特征向量的后半部分;最后,利用模糊局部信息C均值算法依照上述特征向量进行聚类,由此得到河流SAR图像分割结果.大量实验结果表明,与近年来提出的脉冲耦合神经网络结合最大方差比准则分割法、Gabor小波变换结合模糊C均值聚类分割法、FLICM聚类分割法相比,所提出的方法在主观视觉效果以及客观定量评价指标误分割率上均有明显优势,且分割河流SAR图像更加准确.

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。

基于Shearlet变换和KPCA的多时相遥感图像变化检测

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.

基于NSCT域图像融合改进算法的SAR图像无监督变化检测

为了降低合成孔径雷达(SAR)遥感图像变化检测总误差数以及获取更好的变化检测结果,提出了一种基于非下采样轮廓变换(NSCT)域图像融合改进算法的SAR图像无监督变化检测方法。首先用两时相遥感图像构造得到对数比值和均值比值两种差异图,并经过NSCT分解得到各自的高低频系数;然后对两差异图中的低频系数均采用最大梯度平方和规则进行融合,高频系数均采用加权规则进行融合,再利用逆NSCT融合得到最终差异图;最后用模糊局部信息C均值聚类(FLICMC)算法实现对图像变化区域与非变化区域的分类。通过对真实遥感数据集与模拟遥感数据集的研究表明,本文算法能够有效抑制斑点噪声对检测结果的影响,并且不受变化类和非变化类统计分布的限制,不需要先验知识,适用性强,可以得到较好的检测效果。与DWT2-FLICMC、MRF-FCMC算法相比,本文算法具有更高的检测精度和较少的算法运行时间。