傳統(tǒng)的遙感圖像變化檢測方法未能充分利用像素上下文信息,導(dǎo)致精度較低。針對這一問題,提出一種不需要像素概率分布假設(shè)、無監(jiān)督的上下文光譜角映射圖像變化檢測方法。在像素變化的判別測試中,利用空間上下文信息特征提高了變化檢測精確度,此方法可用于衛(wèi)星遙感圖像中,利用上下文光譜角映射創(chuàng)建相似圖像,基于K-均值聚類算法將其分為有變化和無變化兩類,以此生成映射圖像。通過定性和定量分析,將實驗結(jié)果與最大似然估計法（MLC）結(jié)果相比較。研究表明,無監(jiān)督上下文光譜角映射圖像變化檢測方法精確度更高,可用于二時刻圖像和多光譜圖像變化檢測問題。 

【文章來源】：計算機應(yīng)用研究. 2016,33(12)北大核心CSCD

【文章頁數(shù)】：4 頁

【部分圖文】：

圖.相繃f$告iY1窗口(c)全部方向

意大利厄爾巴島的多光譜［12］圖像，由地球資源5號衛(wèi)星制圖成像系統(tǒng)(TM)分別拍攝于1994年8月和9月，圖像分辨率為30m。從整幅衛(wèi)星圖像中截取414×326像素的子集作為測試數(shù)據(jù)，圖4(a)和(b)分別以波段4展示了8月和9月的圖像。通過兩幅圖像對比可見，山火毀壞了部分植被，火災(zāi)位置相關(guān)圖像由二時刻圖像手動目測分析方法生成，如圖5所示。相關(guān)圖像包含1943個有變化像素和133021個無變化像素，可見變化區(qū)域很校實驗盡可能精確地自動檢測到了微小變化。由于波段4和7能夠有效檢測過火區(qū)域，所以實驗中用這兩個波段獲取SI。圖6顯示了本文所提方法得到的二元變化檢測映射圖像。通過目測可以看到，所提方法所得變化檢測映射圖像與相關(guān)圖像的區(qū)別。雖然圖6與5很相似，但是仔細(xì)觀察可知，圖像左上部存在錯分現(xiàn)象，表明所提方法精確度有待進(jìn)一步提高。下面給出質(zhì)量評價對比。質(zhì)量評價需要計算四個指標(biāo):總體精確度、K系數(shù)、錯分率和漏分率�？傮w精確度是指正確檢測到的像素百分率，由于加入了隨機檢測過程中的協(xié)同可能性計算，一定程度上避免了偶然性;K系數(shù)方法精確度優(yōu)于總體精確度。表2給出了上述評價指標(biāo)實驗結(jié)果。表2質(zhì)量評價結(jié)果方法總體精確度/%K系數(shù)錯分/%漏分/%所提方法99．650．888．130．24最大似然估計分類99．540．8413．430．26由表2可知，所提方法變化檢測總體精確度為99．65%，略高于最大似然估計分類法的99．54%。所提方法的錯分率為8．13%，遠(yuǎn)低于最大似然估計分類法的13．43%，變化區(qū)域過高估計的問題也被很好地解決。在K系數(shù)方面，所提方法比最大似然估計分類法明顯高出了4%。將所提方法結(jié)果與直接多日期對比法進(jìn)行比較可知，在后者方法中，二時刻圖像首先被以有監(jiān)督的形式一次性獲取和分類，分類采用最大似然估計分類

手動目測樸析圖挽圖石?

【參考文獻(xiàn)】：
期刊論文
[1]基于Radon變換的遙感圖像運動模糊參數(shù)精確估計[J]. 王琳,師雪艷,張少輝,邵曉鵬.  計算機應(yīng)用研究. 2015(12)
[2]遙感衛(wèi)星在軌機場變化檢測方法[J]. 肖化超,周詮,張建華.  測繪通報. 2015(01)
[3]基于分塊壓縮感知的遙感圖像融合[J]. 楊森林,萬國賓,高靜懷.  計算機應(yīng)用研究. 2015(01)
[4]基于多時相遙感圖像智能變化檢測方法的研究[J]. 施向豐,帥梅琴,申勁松.  測繪通報. 2012(09)



本文編號：3237776