基于差异图融合和FLICM聚类的SAR图像变化检测

针对传统SAR图像变化检测算法易受噪声影响、检测精度低等问题,提出了一种基于差异图融合和FLICM聚类的SAR图像变化检测算法。该算法以对数比和滤波比法生成两幅不同表征的差异图像,并设计融合算子对两差异图的特征信息进行综合,获取高可分性的融合差异图;之后采用局部信息模糊C均值聚类对融合差异图进行处理,分离出其中的变化区域和非变化区域。实验选用漏检数、误检数、正确率、Kappa系数作为评价指标,对算法进行了定性和定量的实验分析。分析结果表明,所提出的算法具有更好的相干斑噪声抑制能力,可有效、准确地检测出变化区域,提高了变化检测的精度。

结合模糊聚类与色彩空间的遥感图像阴影检测

高分辨率遥感图像中的阴影会导致特征信息的丢失、物体的假色调和形状失真,严重影响图像的质量。针对现有阴影检测算法对遥感图像中非匀质阴影区域及亮阴影区域易漏检、检测精度低等问题,该文结合模糊聚类及HSV色彩特征提出了一种新的遥感图像阴影检测算法。首先,对图像进行预处理,剔除亮度、饱和度与阴影区相似的干扰地物;其次,利用基于局部信息改进的模糊聚类算法对图像进行结合邻域信息的聚类,克服噪声情况下的错误聚类;最后,结合图像在HSV色彩空间的H分量和RGB空间的灰度直方图进行多阈值提取阴影,得到阴影区域。实验证明,改进算法有机结合了阴影像素点的邻域信息及色彩不变特性,在亮阴影及非匀质阴影区域检测中明显提高了检测精度。