針對(duì)航空遙感圖像,構(gòu)建一種面向?qū)ο蟮娜诤螶S（Jensen-Shannon）散度特征與互相關(guān)特征的變化檢測(cè)算法。首先,應(yīng)用多尺度分割算法獲取像斑;然后,提取反映像斑內(nèi)像素灰度分布的總體統(tǒng)計(jì)特征的JS散度以及反映像斑內(nèi)部結(jié)構(gòu)的變化特征的互相關(guān)特征,應(yīng)用決策級(jí)融合方案對(duì)兩個(gè)優(yōu)勢(shì)互補(bǔ)的特征進(jìn)行有效融合,進(jìn)而探測(cè)變化區(qū)域;最后與固定權(quán)重融合的檢測(cè)結(jié)果進(jìn)行精度對(duì)比。結(jié)果表明:本文方法的平均檢測(cè)精度達(dá)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(guān)特征、固定權(quán)重融合的檢測(cè)方法精度分別提高了8.98%、4.71%和4.20%。因此,該變化檢測(cè)方法不僅能有效提取變化區(qū)域,而且提高了變化檢測(cè)的精度,在航空遙感圖像變化檢測(cè)中具有有效性與應(yīng)用潛力。 

【文章來(lái)源】：激光與紅外. 2020,50(02)北大核心CSCD

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

圖8 分割結(jié)果及標(biāo)準(zhǔn)檢測(cè)結(jié)果

圖8 分割結(jié)果及標(biāo)準(zhǔn)檢測(cè)結(jié)果

生成像斑作為面向?qū)ο笞兓瘷z測(cè)的基礎(chǔ)數(shù)據(jù);以像斑為基本單位統(tǒng)計(jì)像斑直方圖,并計(jì)算JS特征,再基于影像對(duì)象計(jì)算互相關(guān)特征;最后,根據(jù)加權(quán)融合規(guī)則和決策級(jí)融合規(guī)則分別進(jìn)行多特征融合,得到變化檢測(cè)結(jié)果。具體流程如圖3所示。3.1 多特征提取

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



本文編號(hào)：3510301