本文關(guān)鍵詞： 變化檢測 變化向量分析 高光譜圖像 端元提取 光譜解混　出處：《浙江大學(xué)學(xué)報(工學(xué)版)》2017年10期 　論文類型：期刊論文

【摘要】：針對多時相高光譜圖像像素級的多類變化檢測問題,提出變化向量分析和光譜解混相結(jié)合的多類變化檢測方法.基于光譜變化向量分析,利用最大期望(EM)算法迭代求閾值,實現(xiàn)變化區(qū)域檢測.對多時相高光譜圖像分別提取端元,求解2個圖像中變化區(qū)域像元的豐度.以相關(guān)系數(shù)為相似性判斷準(zhǔn)則,根據(jù)圖像分類精細(xì)程度自適應(yīng)確定閾值,實現(xiàn)多時相高光譜圖像各端元對應(yīng)類別的匹配和確定.對變化向量分析方法檢測出的變化區(qū)域求豐度,根據(jù)豐度最大確定各像元類別.通過逐像元類別比較,判斷類別變化信息.仿真數(shù)據(jù)和真實多時相高光譜圖像的變化檢測實驗結(jié)果表明,與直接光譜解混分類后變化檢測方法相比,采用提出的方法能夠明顯提高高光譜圖像多類變化檢測的精度,運行效率提高1倍以上.
[Abstract]:Aiming at the problem of multi-class change detection in multiphase hyperspectral image at pixel level, a multi-class change detection method based on spectral change vector analysis is proposed, which combines change vector analysis and spectral de-aliasing. The maximum expectation EM-based algorithm is used to iterate out the threshold to detect the region of change. The endmembers are extracted from the multitemporal hyperspectral images. Based on the correlation coefficient as the similarity criterion, the threshold value can be determined adaptively according to the fine degree of image classification. To achieve the matching and determination of the corresponding classes of each end element of multitemporal hyperspectral image. The abundance of the change region detected by the change vector analysis method is determined according to the maximum abundance of each pixel category. The experimental results of the simulation data and the real multiphase hyperspectral images show that it is compared with the change detection method after the direct spectral unmixing classification. The proposed method can obviously improve the accuracy of multi-class change detection in hyperspectral images, and the operational efficiency is more than double.
【作者單位】： 杭州電子科技大學(xué)計算機(jī)應(yīng)用技術(shù)研究所;浙江大學(xué)電氣工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61571170) 教育部聯(lián)合基金資助項目(6141A02022314) 上海航天科技創(chuàng)新基金資助項目(SAST2015033)
【分類號】：TP751
【正文快照】： 隨著遙感技術(shù)的發(fā)展,在同一地區(qū)獲得多時相高光譜遙感影像成為可能,高光譜遙感變化檢測研究逐漸引起了關(guān)注.高光譜圖像的變化檢測分為像元級變化檢測和亞像元級變化檢測[1-2],本文主要研究像元級變化檢測.分類后比較是最簡單的像素級變化檢測方法.由于高光譜圖像空間分辨率的

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡巖峰,劉波,李峰,李立鋼,丘江;一種基于統(tǒng)計分析的圖像變化檢測方法[J];光子學(xué)報;2005年01期

2 宋翠玉;李培軍;楊鋒杰;;運用多尺度圖像紋理進(jìn)行城市擴(kuò)展變化檢測[J];國土資源遙感;2006年03期

3 徐宏根;宋妍;;顧及陰影信息的高分辨率遙感圖像變化檢測方法[J];國土資源遙感;2013年04期

4 倪林,冷洪超;機(jī)場區(qū)域變化檢測研究[J];遙感技術(shù)與應(yīng)用;2002年04期

5 李小春,陳鯨;一種變化檢測的新算法[J];宇航學(xué)報;2005年03期

6 唐德可,付琨,王宏琦;基于光譜和空域信息的城區(qū)變化檢測方法研究[J];測繪科學(xué);2005年06期

7 鐘家強(qiáng);王潤生;;一種基于線特征的道路網(wǎng)變化檢測算法[J];遙感學(xué)報;2007年01期

8 吳華;常艷玲;沙瑞;;基于Laplacian Eigenmap的圖像變化檢測虛警優(yōu)化技術(shù)[J];計算機(jī)工程與應(yīng)用;2007年32期

9 霍春雷;程健;盧漢清;周志鑫;;基于多尺度融合的對象級變化檢測新方法[J];自動化學(xué)報;2008年03期

10 李雪;舒寧;王琰;;利用向量相似性進(jìn)行基于像斑的土地利用變化檢測[J];遙感信息;2009年06期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 邢帥;徐青;;高分辨率衛(wèi)星遙感影像變化檢測技術(shù)的研究[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

2 張鐵軍;;年度土地利用變更調(diào)查中遙感監(jiān)測圖斑提取方法淺析[A];福建省土地學(xué)會2012年年會論文集[C];2012年

3 劉志剛;李夕海;錢昌松;;遙感圖像變化檢測問題淺析[A];陜西地球物理文集（五）國家安全與軍事地球物理研究[C];2005年

4 劉翔;李萬茂;高連如;陶發(fā)達(dá);倪金生;;基于遙感圖像變化檢測的投資項目搜索技術(shù)研究[A];中國遙感應(yīng)用協(xié)會2010年會暨區(qū)域遙感發(fā)展與產(chǎn)業(yè)高層論壇論文集[C];2010年

5 盛輝;廖明生;張路;;基于遙感衛(wèi)星圖像的城市擴(kuò)展研究——以東營市為例[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

6 歐陽峗;馬建文;戴芹;;動態(tài)貝葉斯網(wǎng)絡(luò)在遙感變化檢測中的應(yīng)用[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

7 顧娟;張宏偉;;面向?qū)ο蟮木用竦胤诸愄崛『妥兓瘷z測方法[A];中國地理信息系統(tǒng)協(xié)會第四次會員代表大會暨第十一屆年會論文集[C];2007年

8 李杰;任競穎;;一種基于小波變換的SAR圖像多尺度融合變化檢測方法[A];2009年全國開放式分布與并行計算機(jī)學(xué)術(shù)會議論文集(上冊)[C];2009年

9 李全;李霖;;基于LANDSAT TM影像的城市變化檢測研究[A];中國地理學(xué)會2004年學(xué)術(shù)年會暨海峽兩岸地理學(xué)術(shù)研討會論文摘要集[C];2004年

10 王雪蓮;王仁禮;;基于K-L變換的遙感圖像變化檢測方法研究[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2001年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 郝明;基于空間信息準(zhǔn)確性增強(qiáng)的遙感影像變化檢測方法研究[D];中國礦業(yè)大學(xué);2015年

2 王凌霞;基于多尺度分析和自然進(jìn)化優(yōu)化的遙感圖像配準(zhǔn)與變化檢測[D];西安電子科技大學(xué);2015年

3 李向軍;遙感土地利用變化檢測方法探討[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

4 鄧小煉;基于變化矢量分析的土地利用變化檢測方法研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

5 羅旺;遙感圖像的變化檢測與標(biāo)注方法研究[D];電子科技大學(xué);2012年

6 鄧湘金;基于模式識別知識的遙感圖像變化檢測研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2003年

7 祝錦霞;高分辨率遙感影像變化檢測的關(guān)鍵技術(shù)研究[D];浙江大學(xué);2011年

8 鐘家強(qiáng);基于多時相遙感圖像的變化檢測[D];國防科學(xué)技術(shù)大學(xué);2005年

9 劉朋飛;基于矢量數(shù)據(jù)的中低分辨率影像道路提取和變化檢測研究[D];武漢大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張家琦;遙感影像變化檢測方法及應(yīng)用研究[D];中國地質(zhì)大學(xué)(北京);2015年

2 李玲玲;基于NSCT和NSST的圖像變化檢測算法研究及應(yīng)用[D];新疆大學(xué);2015年

3 胡雪梅;基于MST的遙感圖像變化檢測研究[D];新疆大學(xué);2015年

4 呂浩博;基于多時相光譜遙感影像的變化檢測研究[D];中國科學(xué)院研究生院(西安光學(xué)精密機(jī)械研究所);2015年

5 施曉良;遙感圖像變化檢測方法研究[D];華東師范大學(xué);2016年

6 張一晨;基于NSCT域內(nèi)圖像融合與去噪算法的SAR遙感圖像變化檢測算法[D];新疆大學(xué);2016年

7 翟建峰;基于分層結(jié)構(gòu)的遙感影像變化檢測方法研究[D];西安電子科技大學(xué);2015年

8 趙娟娟;多光譜遙感圖像變化檢測的聚類算法研究[D];西安電子科技大學(xué);2015年

9 楚巖;基于深度神經(jīng)網(wǎng)絡(luò)的遙感圖像變化檢測[D];南京理工大學(xué);2017年

10 楊曉麗;多時相遙感影像的變化檢測[D];西安電子科技大學(xué);2011年

，

本文編號：1480796