基于OB-HMAD算法和光谱特征的高分辨率遥感影像变化检测

高空间分辨率遥感影像蕴涵丰富的地物细节信息,针对高分辨率多时相遥感影像的变化检测可以更清楚认识到地理单元的变化情况,传统的遥感变化检测算法面对高分辨率遥感影像时,会出现明显的"椒盐现象"。本文借鉴面向对象图像分析的思想,以高分辨率遥感影像对象的光谱特征为分析对象,在多变量变化检测算法(multivariate alternative detection, MAD)的基础上,提出一种半自动阈值选取的OB-HMAD(object based-hybrid MAD)算法,并利用该算法进行变化检测实验对比分析。首先对高分辨率多时相遥感影像进行多尺度分割,形成多通道的影像对象;其次利用MAD变换,形成差异影像对象,并对其进行MNF变换,提高影像对象的信噪比;然后采用直方图曲率分析(histogram curvature analysis, HCA)进行半自动阈值选取,提取变化区域;最后结合实地样本数据对变化检测结果进行混淆矩阵的精度验证。结合2012年和2013年北京地区Worldview-2影像的实验可知,OB-HMAD算法融合多通道的光谱信息,可以有效的实现多时相高分影像的变化检测,基本消除了基于像元变化检测中"椒盐"现象的干扰,并在一定程度上降低建筑物阴影和几何配准误差的影响,总体精度和kappa系数也较优于其他变化检测算法,但存在较大的漏检误差。MNF变换可以有效的提高影像的信噪比,使差异信息更集中,直方图曲率分析的阈值分割算法相对其他阈值算法,自动化程度更高。     

基于MCRASN的遥感影像变化检测

为了提升经配准高分辨率遥感影像对变化检测的精度,基于ChangeFormer提出了一种将移动卷积与相对注意力相结合的孪生网络(mobile convolution and relative attention Siamese network,MCRASN)。该网络以垂直布局结合移动卷积和相对注意力,构建多阶段组合编码器替换原网络编码器,高效地捕捉所需的多尺度细节特征和像素间相互关系信息,改进差异模块为1个可学习的距离度量模块进行距离计算,同时通过引入EFL(equalized focal loss)损失函数解决数据集正负样本失衡的问题以实现精确的变化检测。实验结果表明,所提出的MCRASN算法在LEVIRCD数据集上具有更好的变化检测性能,其精确率、召回率、F1得分和总体精度分别为93.94%、89.26%、91.54%和99.18%,优于先前的多种检测方法。     

遥感影像分类方法研究进展

遥感影像分类是遥感信息提取的重要手段,是目前遥感技术中的热点研究内容.分类方法是遥感影像分类的重要内容,有效地选择合适的分类方法是提高分类精度的关键.随着遥感技术的发展,传统的非参数分类方法已经难以满足分类精度需求,基于智能算法的非参数分类方法得到了迅速发展,并在遥感影像分类中发挥着重要作用.近年来,组合分类器由于能够...     

基于多时相PCA光谱增强和多源光谱分类器的SPOT影像土地利用变化检测

在全球快速城市化的大背景下,土地利用变化检测始终是全球变化研究的重点和热点。文章研究利用2003和2006年高分辨率SPOT-5遥感影像,在进行高精度的正射纠正后,运用多时相PCA光谱增强和多源光谱分类器相结合的方法进行城市土地利用变化检测。结果表明,多时相PCA光谱增强后得到前３个主成分集中了绝大部分光谱信息,其中PC1和PC2增强了土地利用未发生变化的光谱信息,而变化信息主要集中在PC3。而多源光谱分类器准确地提取出各种变化和未变化信息。精度评价结果表明,本文提出的变化检测方法的总体精度达到92.58%,Kappa系数为0.92,用户精度和生产精度也都取得满意的结果,并且精度都明显高于常规的方法(分类后比较法)。     

光流动态纹理在土地利用/覆盖变化检测研究中的应用

建议了一种基于光流动态纹理（optical flow dynamic texture）的高分辨率遥感影像变化检测新方法,用一种运动的关系描述地物变化,能够在多时相高分辨率遥感影像中自动获取土地利用和土地覆盖的变化信息。利用光流理论从原理上描述了地物渐变的过程,突破了以往遥感变化检测方法中认为地物发生突变的假设。该方法的流程简单,易于在目前的土地管理、城市规划等需要发现用地变化的系统和软件中使用。该方法考虑到了多时相遥感影像间的时间维度特征,为遥感变化检测提供了更加丰富的信息,进而改善了变化检测方法主要依赖空间维度信息的现状。以光流动态纹理作为变化的基本体现,结合光谱信息共同用于高分辨率遥感影像的支持向量机分类后变化检测,方法顾及了遥感影像时间维度的纹理,相较大多数空间纹理其数据量较小;纹理计算仅需设定一个参数,自动程度较高;可缓解行业中大量人工解译的现状。通过利用中国大庆市杜尔伯特蒙古自治县2011年和2012年QuickBird影像对该方法的有效性进行了评价。深入分析了不同的光流平滑系数α对该方法的影响,以及对地物变化描述效果的影响。实验结果显示,该方法效果理想,总体精度达到87.29%、Kappa系数达到0.850 7,其精度优于单纯利用光谱信息的分类后变化检测方法。     

基于改进的自动散点控制回归算法的遥感影像相对辐射归一化

多时相遥感影像的相对辐射归一化是进行变化检测或拼接不可缺少的步骤。针对现有方法的不足,以自动散点控制回归(Automatic scattergram-controlled regression,ASCR)技术为基础,提出了一种改进的ASCR算法(Im-proved automatic scattergram-controlled regression,IASCR)。它的核心思想是首先利用粗剔除和主成分分析的方法选择占主体信息量的“未变化”像元,然后再利用最小二乘法确定回归方程,对多时相遥感影像进行归一化。以北京地区的多时相TM影像为实验数据对其进行归一化,并与ASCR法、全景简单线性回归法(Simple regression)、暗-亮(Dark setbright set)归一化法、伪不变特征归一化法(Pseudo-invariant feature)的结果进行了比较。实验结果表明,IASCR算法是解决多时相遥感影像辐射归一化问题的有效手段。     

基于多源、多时相遥感影像的黄、东海绿潮影响区检测

利用不同空间分辨率、多时相卫星遥感数据,对2007-2010年间黄海、东海发生的绿潮(大型绿藻——浒苔)进行了监测与评估.江苏北部浅滩沿岸水体浑浊,浒苔在该海域中光谱混合现象严重,高空间分辨率的遥感影像有利于其检测;在水体极浑浊的射阳河口检测到的浒苔离岸最近距离为1 km左右.反演结果表明,浒苔在5月初会沿苏北沿岸流向...     

基于MSE模型的高分辨率遥感图像变化检测

目前,传统高光谱分辨率遥感图像变化检测方法大多基于单一特征信息进行处理,没有综合影像所有特征信息,难以检测出完整的变化信息。为此,提出了一种基于多特征流形嵌入模型（multiview spectral embedding, MSE）的高分辨遥感图像变化检测方法,利用该模型对图像特征变化信息向量中所有的变化信息进行融合,获得完整的检测结果。实验结果表明,本文方法的检测精度好于传统的变化检测方法,并且稳定性良好。     

一种目标级的遥感图像变化检测算法

传统的像素级变化检测方法对图像的配准准确度要求较高,因而在实际运用中受到很多限制.在人造目标检测的基础上,提出了一种目标级的基于局部配准误差补偿的变化检测方法.根据遥感图像中人造目标与自然目标的纹理差异,对图像中的人造目标进行检测和分割,再对分割图像采用提出的算法进行变化检测.实验表明,与传统的像素级变化检测方法相比,本算法具有较高的检测准确度,对配准准确度的要求也有所放宽,并且可以简化变化检测前的辐射校正工作和变化检测后的像素分类的工作.     

一种基于统计分析的图像变化检测方法

为了更准确地从两幅同一地区不同时间的遥感图像中检测出地物的变化情况,提出一种基于统计分析的方法.即：统计检验方法.这种方法是将局部回归方法应用于两幅不同时间遥感图像中的同一感兴趣矩形区域,当回归系数表现出较大的差异时,这些图像区域被分割成更小的子区域.与传统的变化检测方法相比,统计检验法不仅与脉冲噪音无关,而且也不受传感器灵敏度降低引起的外部变化和光源位置变化的影响.     

基于投影寻踪的高光谱图像目标检测算法

针对高光谱图像中小目标检测问题,提出了一种投影寻踪结合遗传算法的目标检测方法.该方法采用对异常分布敏感的偏度和峰度作为投影指标,实数编码的加速遗传算法搜索最佳投影方向.利用高光谱数据对所提出的方法进行了实验研究.结果表明,该方法能够快速、可靠的检测出小目标.     

特征增强SSD算法及其在遥感目标检测中的应用

为了提高对复杂场景下多尺度遥感目标的检测精度,提出了基于多尺度单发射击检测(SSD)的特征增强目标检测算法.首先对SSD的金字塔特征层中的浅层网络设计浅层特征增强模块,以提高浅层网络对小目标物体的特征提取能力;然后设计深层特征融合模块,替换SSD金字塔特征层中的深层网络,提高深层网络的特征提取能力;最后将提取的图像特征与不同纵横比的候选框进行匹配以执行不同尺度遥感图像目标检测与定位.在光学遥感图像数据集上的实验结果表明,该算法能够适应不同背景下的遥感目标检测,有效地提高了复杂场景下的遥感目标的检测精度.此外,在拓展实验中,文中算法对图像中的模糊目标的检测效果也优于SSD.     

结合机载LiDAR数据与航空可见光影像多层次规则分类建筑物变化检测

建议了一种结合Lidar点云与航空可见光影像的建筑物变化检测新方法,利用多层次规则分类算法解决这两种异元异构数据间建筑物变化检测难题。并建议了一种结合面积阈值的形态学后处理方法,从而形成一套完整的处理流程,可应用于实际生产。最终,利用中国吉林省长春市2010年机载LiDAR点云数据和2009年高分辨率航空影像对该方法的有效性进行了评价,通过与基于支持向量机(SVM)面向对象分类的建筑物变化检测算法比较,进一步对本研究建议的方法进行了验证与分析。结果显示,此方法效果理想,其精度优于基于SVM面向对象分类的建筑物变化检测方法。Kappa系数达到0.90,correctness达到0.87。     

基于中心点的遥感图像多方向舰船目标检测

针对目前基于深度学习的舰船目标斜框检测方法存在计算量大、效率低的问题,提出一种基于目标中心点的单阶段检测模型.由于舰船中心点不受舰船分布方向影响,模型主要思想是以目标中心点检测为基础,回归中心点处目标斜框的尺度和方向.首先设计特征提取网络,将卷积神经网络细节信息丰富的底层特征与语义信息丰富的高层特征融合起来形成特征图;然后将特征图输入到三个检测分支,分别预测目标中心点、中心点偏移值以及斜框的尺度与方向;设计组合损失函数对网络进行训练,并改进非极大值抑制算法以适应目标斜框检测的需要.在公开的SAR图像舰船目标检测数据集与光学遥感图像上进行了实验,实验结果表明,测试集平均准确率达0.906,检测精度与速度均优于其它检测模型,充分验证了所提算法的有效性.     

Multiscale Geometric Analysis Fusion-Based Unsupervised Change Detection in Remote Sensing Images via FLICM Model

Remote sensing image change detection is widely used in land use and natural disaster detection. In order to improve the accuracy of change detection, a robust change detection method based on nonsubsampled contourlet transform (NSCT) fusion and fuzzy local information C-means clustering (FLICM) model is introduced in this paper. Firstly, the log-ratio and mean-ratio operators are used to generate the difference image (DI), respectively; then, the NSCT fusion model is utilized to fuse the two difference images, and one new DI is obtained. The fused DI can not only reflect the real change trend but also suppress the background. The FLICM is performed on the new DI to obtain the final change detection map. Four groups of homogeneous remote sensing images are selected for simulation experiments, and the experimental results demonstrate that the proposed homogeneous change detection method has a superior performance than other state-of-the-art algorithms.     

时间序列的变化点检测和趋势分析

趋势分析和变化点检测是时间序列分析中常用的工具. 变化点检测是识别过程行为的自然或人为的突然的变化,而趋势可以定义为对逐渐偏离过去的规范的估计. 本文使用了Cox-Stuart方法和变化点算法分析时间序列数据趋势的存在,并以澳大利亚的近地表风速时间序列为例. 澳大利亚的近地表风速趋势是根据研究出的新开发的风速数据集,通过使用局部表面粗糙度信息,以及不同高度收集的混合观测数据构建. 10 m处的风的速度趋势通常会增加,而2 m处则趋于减小. 假设检验测试,变化点分析和人工检查记录表明有几个因素可能是导致差异的原因,例如伴随仪器变化的系统性偏差,随机数据错误(例如累积日错误)和数据采样问题. 均质化以及基于变化点检测的技术和多期趋势分析阐明了风速趋势不一致的根源.