超像素的随机森林遥感影像变化检测

发布时间：2021-04-22 02:49

　　针对高分辨率遥感影像同物异谱、同谱异物现象对传统变化检测造成的影响,提出了一种基于超像素的随机森林遥感影像变化检测方法。首先通过SLIC方法对双时相影像进行多尺度超像素分割;其次利用超像素单元的RGB信息和结构相似度SSIM的变化得到影像变化预检测图,变化类型分为变化、未变化和不确定3类;然后选择变化和未变化的超像素为训练样本来训练随机森林模型;最后利用训练完的模型对不确定变化单元进行分类,生成最终的变化检测结果。利用谷歌影像数据进行了实验,并与IR-MAD、FCM等传统变化检测算法结果进行了比较,实验方法的Kappa系数正确率最高,表明了该方法的有效性。 

【文章来源】：测绘科学技术学报. 2020,37(03)北大核心

【文章页数】：6 页

【文章目录】：
1 遥感影像变化检测方法
    1.1 优化的SLIC超像素分割算法
        1.1.1 SLIC算法
        1.1.2 优化的多时相影像联合分割
    1.2 变化预检测方法
        1.2.1 RGB光谱变化分析方法
        1.2.2 结构相似度SSIM
        1.2.3 特征向量选取
    1.3 随机森林
    1.4 精度评价指标
2 实验分析
    2.1 参数选择
        2.1.1 联合分割权值选值
        2.1.2 确定超像素分割数目
    2.2 实验结果
        2.2.1 超像素分割结果
        2.2.2 变化预检测结果
        2.2.3 随机森林训练
        2.2.4 对比实验
3 结论


【参考文献】：
期刊论文
[1]一种结合超像素和图论的高空间分辨率遥感影像分割方法[J]. 姚丙秀,黄亮,许艳松.  国土资源遥感. 2019(03)
[2]利用慢特征分析进行多尺度融合的高分辨率影像变化检测[J]. 徐俊峰,蔡晓娜,张保明,郭海涛,金飞,伦泽华.  测绘科学技术学报. 2019(01)
[3]多特征混合核SVM模型的遥感影像变化检测[J]. 刘义志,赖华荣,张丁旺,刘飞鹏,蒋小蕾,曹庆安.  国土资源遥感. 2019(01)
[4]高分辨率遥感影像的深度学习变化检测方法[J]. 张鑫龙,陈秀万,李飞,杨婷.  测绘学报. 2017(08)
[5]结合光谱、纹理与形状结构信息的遥感影像分割方法[J]. 巫兆聪,胡忠文,张谦,崔卫红.  测绘学报. 2013(01)
[6]高分辨率遥感影像土地利用变化检测方法研究[J]. 王琰,舒宁,龚龑.  国土资源遥感. 2012(01)
[7]基于图斑的高分辨率遥感影像变化检测[J]. 赖祖龙,申邵洪,程新文,张洁.  测绘通报. 2009(08)



本文编号：3153006