融合多特征的对象级航空遥感图像变化检测

发布时间：2021-11-21 21:43

　　针对航空遥感图像,构建一种面向对象的融合JS（Jensen-Shannon）散度特征与互相关特征的变化检测算法。首先,应用多尺度分割算法获取像斑;然后,提取反映像斑内像素灰度分布的总体统计特征的JS散度以及反映像斑内部结构的变化特征的互相关特征,应用决策级融合方案对两个优势互补的特征进行有效融合,进而探测变化区域;最后与固定权重融合的检测结果进行精度对比。结果表明:本文方法的平均检测精度达到93.07%,误检率平均为7.13%,漏检率平均为4.37%,比仅基于JS散度特征、互相关特征、固定权重融合的检测方法精度分别提高了8.98%、4.71%和4.20%。因此,该变化检测方法不仅能有效提取变化区域,而且提高了变化检测的精度,在航空遥感图像变化检测中具有有效性与应用潜力。 

【文章来源】：激光与红外. 2020,50(02)北大核心CSCD

【文章页数】：10 页

【部分图文】：

图8 分割结果及标准检测结果

图8 分割结果及标准检测结果

生成像斑作为面向对象变化检测的基础数据;以像斑为基本单位统计像斑直方图,并计算JS特征,再基于影像对象计算互相关特征;最后,根据加权融合规则和决策级融合规则分别进行多特征融合,得到变化检测结果。具体流程如图3所示。3.1 多特征提取

【参考文献】：
期刊论文
[1]基于多特征融合的遥感影像变化检测算法[J]. 王光辉,李建磊,王华斌,杨化超.  国土资源遥感. 2018(02)
[2]基于像斑异质度的矢量图与遥感影像变化检测[J]. 李亮,王蕾,王凯,李胜.  国土资源遥感. 2018(01)
[3]基于KL散度的面向对象遥感变化检测[J]. 朱红春,黄伟,刘海英,张忠芳,王彬.  国土资源遥感. 2017(02)
[4]光谱角余弦与相关系数测度组合的光谱匹配分类方法与实验[J]. 魏祥坡,余旭初,付琼莹,刘冰,薛志祥.  地理与地理信息科学. 2016(03)
[5]纹理特征向量与最大化熵法相结合的SAR影像非监督变化检测[J]. 庄会富,邓喀中,范洪冬.  测绘学报. 2016(03)
[6]融合多特征的遥感影像变化检测[J]. 杜培军,柳思聪.  遥感学报. 2012(04)
[7]利用向量相似性进行基于像斑的土地利用变化检测[J]. 李雪,舒宁,王琰.  遥感信息. 2009(06)



本文编号：3510301