单类分类框架下的高分辨率遥感影像建筑物变化检测算法

发布时间：2021-04-12 12:58

　　针对现有机器学习方法在高分辨率遥感影像建筑物识别等领域需要正负训练样本同时参与,提出了一种基于一类样本、无需负样本参与的单分类建筑物变化检测算法。首先,提取影像的形态学建筑物指数特征;然后与光谱特征进行多特征融合,并基于该单类分类方法,从面向对象的角度出发,得到对象级建筑物变化检测结果;最后利用构建的一种新的形状特征进行精化,得到最终的建筑物变化检测结果。通过对多源高分辨率遥感影像开展实验,验证了该算法具有一定的鲁棒性,且相比于现有建筑物变化检测算法具有更优的检测精度。 

【文章来源】：武汉大学学报(信息科学版). 2020,45(10)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

建筑物变化检测实验流程

Quick Bird实验影像

图2 Quick Bird实验影像图3中白色区域为变化建筑物检测结果，从实验结果来看，本文算法取得了相对较优的视觉效果。为了更加准确地显示不同算法的实验效果，本文对图2中矩形小区域进行了局部放大显示，如图4所示。

【参考文献】：
期刊论文
[1]利用高分辨率光学遥感图像检测震害损毁建筑物[J]. 叶昕,秦其明,王俊,郑小坡,王建华.  武汉大学学报(信息科学版). 2019(01)
[2]一种新的遥感影像变化检测方法[J]. 贾永红,谢志伟,吕臻,祝梦花,刘美娟.  武汉大学学报(信息科学版). 2016(08)
[3]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[J]. 巩翼龙,闫利.  光谱学与光谱分析. 2015(05)
[4]结合LiDAR点云和航空影像的建筑物三维变化检测[J]. 彭代锋,张永军,熊小东.  武汉大学学报(信息科学版). 2015(04)
[5]一种运用纹理和光谱特征消除投影差影响的建筑物变化检测方法[J]. 袁修孝,宋妍.  武汉大学学报(信息科学版). 2007(06)



本文编号：3133337