基于L_1稀疏解混的水体变化检测

稀疏表示利用高光谱丰度矩阵的稀疏特性来获取更有价值的信息,使得稀疏正则化后的高光谱数据更加精确。以景德镇玉田湖水库为研究对象,通过Landsat8卫星获取的玉田湖水库不同时期的水体信息数据,利用了经典的L1稀疏解混的方法对卫星数据进行水域信息提取,然后对不同时期水域变化情况进行检测。检测结果验证算法有效性。

一种基于新差异算子和纹理的SAR图像水体变化检测算法

针对多时相合成孔径雷达(SAR)变化检测中的孤立噪声点、需人工选择部分参数、信息利用不全等问题,提出一种基于新差异算子和纹理的SAR图像水体变化检测算法。一是根据SAR图像的特征,结合比率检测算子(LR)和最大似然比检测算子(LLR),提出一种新的差异算子,放大非变化和变化区域的特点,然后根据新差异图像的相邻直方图比值图确定差异图像初始分割阈值。二是提出一种新的基于局部信息的模糊C均值聚类(FLICM)方法,该方法利用初始分割阈值得到初始聚类中心,然后提出基于纹理的FLICM(FLICM_texture)方法进一步将差异图像分为3类。三是根据差异图像分割的阈值将过渡区域再次分类。本文利用加拿大渥太华和瑞士伯尔尼市、印度金奈上空的SAR图像,展示了本文方法的优越性。渥太华地区的正确率(PCC)达到了98.00%,kappa系数达到了92.03%;伯尔尼地区PCC达到了99.66%,kappa系数达到了85.77%;金奈地区PCC达到了98.83%,kappa系数达到了84.96%。

融合Siam-U-Net++和注意力机制的水体变化检测——以三峡库区奉节县为例

由于三峡库区的复杂地形特点和受到部分区域的阴影遮盖影响,因此水体变化检测容易出现漏检误检。针对这一情况,为了能够提高水体变化检测结果的精度,提出了一种融合Siam-UNet++和scSE注意力机制的三峡库区水体变化检测算法。利用编码阶段共享权值的Siam-UNet++为主干网络,在编码器网络单元上选择拥有残差结构的ResNet34网络,快速高效获取水体变化特征信息。在Siam-U-Net++的上采样之后引入结合通道注意力和空间注意力的scSE注意力机制模块。在自制的库区奉节县数据集上分别与LinkNet、U-Net++、DeeplabV3+网络模型以及NDWI进行应用测试,并引用不同注意力机制进行对比实验,其召回率、精确率和F1值分别为94.57%、90.75%、92.62%,均优于其他模型。实验结果表明该算法有效提高了在水体变化检测结果上的效果。