針對航空遙感圖像,構建一種面向對象的融合JS（Jensen-Shannon）散度特征與互相關特征的變化檢測算法。首先,應用多尺度分割算法獲取像斑;然后,提取反映像斑內像素灰度分布的總體統(tǒng)計特征的JS散度以及反映像斑內部結構的變化特征的互相關特征,應用決策級融合方案對兩個優(yōu)勢互補的特征進行有效融合,進而探測變化區(qū)域;最后與固定權重融合的檢測結果進行精度對比。結果表明:本文方法的平均檢測精度達到93.07%,誤檢率平均為7.13%,漏檢率平均為4.37%,比僅基于JS散度特征、互相關特征、固定權重融合的檢測方法精度分別提高了8.98%、4.71%和4.20%。因此,該變化檢測方法不僅能有效提取變化區(qū)域,而且提高了變化檢測的精度,在航空遙感圖像變化檢測中具有有效性與應用潛力。 

【文章來源】：激光與紅外. 2020,50(02)北大核心CSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

圖8 分割結果及標準檢測結果

圖8 分割結果及標準檢測結果

生成像斑作為面向對象變化檢測的基礎數(shù)據(jù);以像斑為基本單位統(tǒng)計像斑直方圖,并計算JS特征,再基于影像對象計算互相關特征;最后,根據(jù)加權融合規(guī)則和決策級融合規(guī)則分別進行多特征融合,得到變化檢測結果。具體流程如圖3所示。3.1 多特征提取

【參考文獻】：
期刊論文
[1]基于多特征融合的遙感影像變化檢測算法[J]. 王光輝,李建磊,王華斌,楊化超.  國土資源遙感. 2018(02)
[2]基于像斑異質度的矢量圖與遙感影像變化檢測[J]. 李亮,王蕾,王凱,李勝.  國土資源遙感. 2018(01)
[3]基于KL散度的面向對象遙感變化檢測[J]. 朱紅春,黃偉,劉海英,張忠芳,王彬.  國土資源遙感. 2017(02)
[4]光譜角余弦與相關系數(shù)測度組合的光譜匹配分類方法與實驗[J]. 魏祥坡,余旭初,付瓊瑩,劉冰,薛志祥.  地理與地理信息科學. 2016(03)
[5]紋理特征向量與最大化熵法相結合的SAR影像非監(jiān)督變化檢測[J]. 莊會富,鄧喀中,范洪冬.  測繪學報. 2016(03)
[6]融合多特征的遙感影像變化檢測[J]. 杜培軍,柳思聰.  遙感學報. 2012(04)
[7]利用向量相似性進行基于像斑的土地利用變化檢測[J]. 李雪,舒寧,王琰.  遙感信息. 2009(06)



本文編號：3510301