面向对象的高分辨率影像变化检测方法研究

利用VHR影像丰富的地物变化信息对VHR影像的变化检测研究具有重要意义。从多尺度分割得到的对象出发,探讨面向对象的多变量变化检测(MAD)方法。研究得到面向对象的变化检测(OB-DFPS)的总体精度93.2%,Kappa系数0.862。并和传统的面向像元的差异影像方法进行对比,比较分析得到面向对象的变化检测方法鲁棒性更强,精度更高。

一种基于可变夹角链码的靠岸舰船目标检测方法

高分辨率遥感图像上靠岸舰船的灰度、纹理特征往往和码头接近,其自动检测相对比较困难,而半米粒状轮廓特征是靠岸舰船检测中区分度较好的特征之一。利用可变夹角链码对靠岸舰船的这种轮廓特征进行描述,具有平移、旋转及缩放相对不变性。改进了可变夹角链码生成算法,并在此基础上提出了一种基于可变夹角链码的靠岸舰船检测方法。实测数据实验证明该方法在一定程度上能够解决靠岸舰船检测问题。

基于IR-MAD的高分辨率遥感影像交叉融合变化检测方法

高分辨率遥感影像数据在带来丰富地物信息的同时,也对变化检测提出了新的问题和挑战。本文从高分辨率遥感影像数据的空间结构特征和光谱分布信息入手,针对多光谱数据交叉融合的变化检测方法展开研究。采用基于GSA(Gram-Schmidt Adaptive Pansharpening Algorithm)法对全色和多光谱影像数据处理,生成四幅交叉融合影像;将迭代加权多元变化检测(Iteratively Regularized Multivariate Alteration Detection,IR-MAD)算法应用于高分辨率融合影像,提取变化信息。结果表明,本研究方法能够有效提取变化信息,并降低数据配准不一致所造成的误检测。

迭代加权多元变化检测算法在高分辨率遥感影像变化检测中应用

针对传统变化检测算法在高分辨率遥感影像变化检测中精度低的问题,探讨了迭代加权多元变化检测(IR-MAD)算法在高分辨率遥感影像变化检测中的有效性。首先通过多元变化检测(MAD)算法计算原始影像的特征值和特征向量,获得典型变量;然后利用最大期望算法(EM)计算典型变量的先验概率、均值和标准差;最后通过迭代加权获得每个像元稳定不变的权重,通过权重与阈值的比较判断像元是否发生变化,提取变化区域。使用高分辨率遥感影像WorldView和QuickBird数据作为实验数据,并与传统的变化向量分析法和主成分分析K均值法进行对比分析,结果表明,IR-MAD算法在高分辨率遥感影的变化检测中具有优势。

融合IR-MAD与超像素分割的遥感影像变化检测方法

针对迭代加权多元变化检测(IR-MAD)方法提取高分辨率遥感影像变化结果存在信息分散、“椒盐噪声”现象,提出了一种融合IR-MAD与超像素分割的高分辨率遥感影像变化检测方法。该方法利用卡方分布概率密度函数与超像素分割方法技术对IR-MAD算法改进,通过IR-MAD算法获取初始变化检测结果;然后,采用多尺度的超像元分割方法生成多尺度超像素对象;最后,对IR-MAD算法提取的初始变化检测结果,利用多尺度超像素分割对象结合众数规则判断分割对象属性,获取最终变化区域。实验结果表明:本文提出方法能有效提取变化区域,减少“椒盐噪声”现象,能较好地保存地物边界信息,提高整体变化检测精度。

MCR-ALS与HPLC-DAD相结合同时测定喜树碱及其衍生物

将多元曲线分辨-交替最小二乘(MCR-ALS)与高效液相色谱-二极管阵列检测器(HPLC-DAD)检测相结合,对伊立替康、7-乙基-10-羟基喜树碱和喜树碱的色谱重叠峰进行分辨。采用MCR-ALS同时分析多个数据矩阵组成的方式,以克服MCR-ALS在单一重叠峰数据矩阵的解析中遇到的缺秩问题。讨论了影响分辨结果的几种因素,包括被分析物之间的光谱相似度、色谱峰的分离度和干扰物浓度等。分辨所得光谱还原率高,定量结果可靠,说明MCR-ALS能有效地解决喜树碱及其衍生物色谱分析中重叠峰的二阶校正问题。

基于智能检测不变像元的FY-3A/MERSI仪器响应衰变分析

提出一种智能方法来分析风云三号A星(FY-3A)中分辨率光谱成像仪(MERSI)的长期响应衰变。该方法通过使用迭代加权多元变化检测(IR-MAD)算法识别同一区域、不同时相卫星图像的不变像元,基于这些不变像元的信号变化评估仪器在该时段的响应衰变。先用IR-MAD方法分析图像场景的不变像元,通过两幅图像不变像元的正交回归获取仪器的相对衰变;再对多个图像对的长时间序列进行分析,采用多项式拟合获得传感器衰变随时间的变化曲线。采用所提方法研究了FY-3A/MERSI北非地区和中国西北部地区的数据,并与其他相关研究得到的仪器衰变结果进行比较。结果显示,所提方法与其他方法获取的仪器衰减规律具有良好的一致性(差异在2%以内),而且从北非地区与中国西北地区得到的结果相吻合(大部分通道的差异在1%以内),验证了本文方法的通用性与可重复性。

一种顾及多特征的建筑物变化检测方法

建筑物变化检测干扰因素太多,导致算法鲁棒性差,自动化程度较低。针对高分辨率卫星数据特点,提出了一种顾及多特征的建筑物变化检测方法,综合利用建筑物指数特征、光谱变化特征、阴影特征等解决高分辨率遥感影像的建筑物变化自动检测问题。该方法将变分建筑物指数的差异作为建筑物变化决策因子,多元变换(multivariate alteration detection,MAD)变量作为光谱变化因子,在D-S (Dempster-Shafer)证据理论框架下建立概率模型,采用像素级、特征级和对象级相结合的策略进行建筑物变化检测;同时将阴影作为辅助因子进行场景理解的变化信息后处理,进而去除一些非建筑物变化的高亮度区域。并利用两套ZY-3数据进行了相关实验,得到了较好的结果。

改进IR-MAD算法的高分光学卫星影像相对辐射归一化方法

相对辐射归一化是高分光学卫星影像地表反射率产品生产的主要手段之一,基于迭代加权多元变化检测(Iteratively Reweighted Multivariate Alteration Detection,简称IR-MAD)的高分光学卫星影像相对辐射归一化方法是当前应用最为广泛的方法之一。但是,经典IR-MAD方法仅适用于参考影像与待校正影像之间地物变化不大的情况,当地物变化较大时该方法失效。通过引入伪不变区域约束机制,提出了一种优化的IR-MAD算法,主要思路是借助二元高斯混合聚类方法提取影像之间不变区域,进而提升伪不变点提取的质量,使地物变化较大时仍然可以输出有效的辐射归一化结果。以高分二号影像为待校正影像,哨兵二号影像为参考影像,采用3组代表性影像进行实验验证,并与经典IR-MAD方法相比,结果表明:①该方法提取的伪不变点主要集中在不变区域,空间分布更加合理;②该方法在代表一般变化的数据集1中,平均决定系数提高8.8%,在代表强烈变化的数据集2、3中,该方法平均决定系数分别为95%、89%,而经典方法低于50%甚至是负值;③该方法处理结果影像中典型地物的反射光谱信息与参考影像更加接近。因此,该方法为高分光学卫星影像相对辐射归一化提供了新的有效途径。