針對(duì)高分辨率遙感影像同物異譜、同譜異物現(xiàn)象對(duì)傳統(tǒng)變化檢測造成的影響,提出了一種基于超像素的隨機(jī)森林遙感影像變化檢測方法。首先通過SLIC方法對(duì)雙時(shí)相影像進(jìn)行多尺度超像素分割;其次利用超像素單元的RGB信息和結(jié)構(gòu)相似度SSIM的變化得到影像變化預(yù)檢測圖,變化類型分為變化、未變化和不確定3類;然后選擇變化和未變化的超像素為訓(xùn)練樣本來訓(xùn)練隨機(jī)森林模型;最后利用訓(xùn)練完的模型對(duì)不確定變化單元進(jìn)行分類,生成最終的變化檢測結(jié)果。利用谷歌影像數(shù)據(jù)進(jìn)行了實(shí)驗(yàn),并與IR-MAD、FCM等傳統(tǒng)變化檢測算法結(jié)果進(jìn)行了比較,實(shí)驗(yàn)方法的Kappa系數(shù)正確率最高,表明了該方法的有效性。 

【文章來源】：測繪科學(xué)技術(shù)學(xué)報(bào). 2020,37(03)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
1 遙感影像變化檢測方法
    1.1 優(yōu)化的SLIC超像素分割算法
        1.1.1 SLIC算法
        1.1.2 優(yōu)化的多時(shí)相影像聯(lián)合分割
    1.2 變化預(yù)檢測方法
        1.2.1 RGB光譜變化分析方法
        1.2.2 結(jié)構(gòu)相似度SSIM
        1.2.3 特征向量選取
    1.3 隨機(jī)森林
    1.4 精度評(píng)價(jià)指標(biāo)
2 實(shí)驗(yàn)分析
    2.1 參數(shù)選擇
        2.1.1 聯(lián)合分割權(quán)值選值
        2.1.2 確定超像素分割數(shù)目
    2.2 實(shí)驗(yàn)結(jié)果
        2.2.1 超像素分割結(jié)果
        2.2.2 變化預(yù)檢測結(jié)果
        2.2.3 隨機(jī)森林訓(xùn)練
        2.2.4 對(duì)比實(shí)驗(yàn)
3 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]一種結(jié)合超像素和圖論的高空間分辨率遙感影像分割方法[J]. 姚丙秀,黃亮,許艷松.  國土資源遙感. 2019(03)
[2]利用慢特征分析進(jìn)行多尺度融合的高分辨率影像變化檢測[J]. 徐俊峰,蔡曉娜,張保明,郭海濤,金飛,倫澤華.  測繪科學(xué)技術(shù)學(xué)報(bào). 2019(01)
[3]多特征混合核SVM模型的遙感影像變化檢測[J]. 劉義志,賴華榮,張丁旺,劉飛鵬,蔣小蕾,曹慶安.  國土資源遙感. 2019(01)
[4]高分辨率遙感影像的深度學(xué)習(xí)變化檢測方法[J]. 張鑫龍,陳秀萬,李飛,楊婷.  測繪學(xué)報(bào). 2017(08)
[5]結(jié)合光譜、紋理與形狀結(jié)構(gòu)信息的遙感影像分割方法[J]. 巫兆聰,胡忠文,張謙,崔衛(wèi)紅.  測繪學(xué)報(bào). 2013(01)
[6]高分辨率遙感影像土地利用變化檢測方法研究[J]. 王琰,舒寧,龔龑.  國土資源遙感. 2012(01)
[7]基于圖斑的高分辨率遙感影像變化檢測[J]. 賴祖龍,申邵洪,程新文,張潔.  測繪通報(bào). 2009(08)



本文編號(hào)：3153006