共查询到20条相似文献，搜索用时 31 毫秒
1.
相对辐射校正是遥感变化检测中重要的预处理过程,伪不变地物（Pseudo-Invariant Features,PIF）是多时相影像中相对不变的地物,是相对辐射校正中的重要依据。针对高分遥感图像变化检测中相对辐射校正的要求,本文提出了一个自动提取和优化选择PIF的流程和方法：首先计算两期图像的亮度、光谱特征和空间特征的变化向量,然后对各变化向量的像元值从低到高进行排序,经多数投票后提取PIF,最后使用“迭代线性回归—去除异常值”方法选择获得最终PIF。以2016年11月27日和2017年7月18日的2期“北京二号”高空间分辨率多光谱影像为例,选择地物占比不同的两个实验区对流程和方法进行了验证,并与多元变化检测和迭代加权多元变化检测的PIF提取方法进行了比较。使用两期WorldView-2影像和Landsat-8 OLI影像对方法的适用性进行了验证。结果表明：① 2个实验区提取的PIF精度分别为98.74%和98.71%,PIF像元合理分布于未变化区域、包括了影像中主要的地物类型;② 使用本文方法提取的PIF建立的相对辐射校正模型具有显著的线性拟合效果（p<0.000 1）;③ 本文方法考虑了图像亮度、光谱信息以及空间信息的差异,使用参数少,可操作性高;④ 与多元变化检测和迭代加权多元变化检测方法相比,本文方法提取的PIF更为合理,建立的辐射校正方程拟合效果更佳;⑤ 本文方法适用于具有相同波段设置的中、高空间分辨率光学遥感影像。 相似文献
2.
基于监督分类的高分辨率遥感影像变化检测需要大量人工标注,且单个监督分类器难以适应高分影像中复杂多样的地表变化信息提取,检测结果中“椒盐噪声”严重、变化图斑破碎。因此,本文提出一种基于Adaboost集成算法、自动标注训练样本的变化检测方法。首先利用非监督分类方法完成变化初检,接着在初检结果中进行“非等距”区间采样自动获取均匀分布的训练样本;然后以Adaboost算法为集成框架,选择决策树桩、Logistic回归和kNN作为弱分类器,构建一种混合分类器集成系统,充分挖掘和利用高分影像中的空间信息以提升分类精度和分类器泛化能力,最后利用SLIC分割算法和空间邻域信息对像元级检测结果进行空间约束滤波,进一步提升变化检测精度。为验证本文方法的有效性,选取SPOT-5和WorldView-2影像为实验数据,结果表明本文方法能有效降低训练样本人工标注成本、提高变化检测精度。 相似文献
3.
利用遥感数据进行城市变化检测时,由于城市是包含建筑物、道路、绿地以及水体等多种地物类型的综合体,同时与农村居民地等地物类型具有相似的光谱特征,因此,传统的单纯基于光谱信息的变化检测方法很难取得理想的效果。将空间信息加入到变化检测中,可提高变化检测的精度,但常用的加入纹理的方法容易产生边缘效应。本文提出一种基于图像分割的变化检测方法,在该方法中使用一种基于组分的多尺度形态学梯度,具有对噪声不敏感、边缘不会变厚等优点;同时与现有方法进行比较。实验结果表明,该方法在加入图像空间信息的同时避免了加入纹理等空间信息所产生的边缘效应,能够有效地提高城市变化检测的精度。 相似文献
4.
Landsat时序变化检测综述 总被引：1，自引：0，他引：1
时序变化检测已成为当前Landsat数据主流的变化检测方法。本文从检测算法对比、时序数据构建和精度评价等方面对Landsat时序变化检测进行回顾和评述,进而提出Landsat时序变化检测当前所存在的问题,及其所面临的挑战。Landsat时序变化检测算法可大致归纳为轨迹拟合法、光谱-时间轨迹法、基于模型的方法3大类,这些算法大多基于森林扰动提出;变化检测常用指标有波段型、植被指数型、线性变换型、组合型4大类,每类指标的优势不同,可综合多类指标以更全面地检测不同扰动类型。尽管Landsat时序变化检测已取得长足发展,但仍然面临诸多挑战,其中最大挑战是缺少一致性的参考数据集进行变化检测精度评价。 相似文献
5.
变化检测一直是遥感研究领域的热点,随着遥感技术的不断发展,新型数据源不断涌现,使传统遥感变化检测方法面临新的挑战。本文以Landsat-8影像为主要数据源,使用影像分割算法,设计2期遥感影像的文档-单词映射,将影像中所有的像元作为视觉单词,利用LDA模型将影像文档从单词空间转换到主题空间进行表达。在此基础上,结合实地调查对变化区域进行检测和验证,形成一套面向对象的LDA模型变化检测方法。研究表明：基于图斑的分析可有效消除以像元尺度进行变化检测产生的椒盐现象;利用LDA模型构建的变化检测方法能较好地实现影像文档特征的统一表达,有效去除2期影像相同地物因光谱差异导致的变化误检验;与差值法和波谱角等常规遥感变化检测方法相比,该方法能有效地减少错漏判,提高遥感影像变化检测的正确率,为中高分辨率遥感影像的变化检测提供新思路。 相似文献
6.
滨海湿地是动态且脆弱的生态系统,遥感变化检测技术为滨海湿地动态变化监测提供了有效手段。为解决像元级变化检测对配准误差敏感及其椒盐现象严重,对象级变化检测受分割参数影响较大且过程繁琐等问题,本文提出了显著图引导的结合像元级与对象级变化检测方法。首先,提取湿地亮度、归一化差异植被指数、归一化差异水体指数三个特征,得到特征差异影像;其次,利用最大对称环绕显著性检测算法生成显著图,采用结合模糊C均值和马尔可夫随机场方法对显著区域进行分割得到初始像元级变化检测结果;最后,在面向对象分割的基础上,通过构建对象的不确定性指数自适应选择训练样本,采用随机森林分类器进行分类得到最终变化检测结果。利用江苏盐城滨海湿地资源三号影像进行实验,结果表明,结合像元级与对象级方法的湿地变化检测总体精度为93.51%,与像元级、对象级方法相比,虚检率分别降低了29.04%和22.78%。 相似文献
7.
针对超宽带（ultra wideband,UWB）传感器在到达时间差（time-difference-of-arrival, TDOA）定位模式下的定位算法存在精度低且发散的问题,提出一种简单迭代最小二乘算法。该算法具有公式简单、定位坐标收敛和定位精度高等优点,其主要思想是先将TDOA定位方程通过勾股定理转化为非标准的最小二乘形式,再结合未知变量之间的等式约束关系,将含有2个未知变量的表达式转化为仅含1个未知变量的表达式,最后采用迭代思想计算出UWB标签的收敛坐标。蒙特卡洛仿真实验结果显示,本文算法在大噪声环境下的定位精度明显优于迭代约束加权最小二乘算法。 相似文献
8.
为提高现有多源影像无监督变化检测方法存在的检测结果易受噪声影响和计算效率低等问题,本文提出了一种基于分层极限学习机影像转换的多源影像变化检测方法。分层极限学习机（Hierarchical Extreme Learning Machine, HELM）通过多层前向编码获得丰富的特征表示,且当特征提取完成即可确定网络参数。本文方法首先通过对合成孔径雷达（Synthetic Aperture Radar, SAR）影像进行对数转换,以获得与光学影像相同的影像噪声分布,并利用影像平滑减少影像噪声对变化检测结果的影响;然后分别对多源影像进行聚类分析,通过对比两时相影像的聚类图获得初始变化检测图,选取初始变化检测图中的未变化区域的像元作为初始训练样本,构建训练样本修正模型修正初始训练样本以提高训练样本的准确性;引入HELM以实现多源影像特征空间转换,获取多时相空间转换影像,提高了算法效率;最后通过对比原始影像和多时相空间转换影像获取变化信息。两组多源影像(Google Earth和哨兵1号影像)的实验结果表明：与现有方法相比,本文方法的Kappa系数分别至少提高了6.19%和8.94%,证明了本文方法对多源影像变化检测的有效性。 相似文献
9.
10.
传统遥感影像变化检测方法依赖人工构建特征,算法设计复杂且精度不高;而将2幅不同时相影像叠加后输入神经网络的遥感影像变化检测方法会造成不同时相的特征相互影响,难以保持原始影像的高维特征,且模型鲁棒性较差。因此,本文提出一种基于改进DeepLabv3+孪生网络的遥感影像变化检测方法,以经典DeepLabv3+网络的编解码结构为基础对网络进行改进：① 在编码阶段利用共享权值的孪生网络提取特征,通过2个输入端分别接收2幅遥感影像,以保留不同时相影像的高维特征;② 在特征融合中用密集空洞空间金字塔池化模型代替空洞空间金字塔池化模型,通过密集连接的方式结合每个空洞卷积的输出,以提高对不同尺度目标分割的精度;③ 在解码阶段中针对不同层级特征图信息差异较大,难以融合的问题,引入基于注意力机制的特征对齐模型,引导不同层级的特征对齐并强化学习重要特征,以提升模型的鲁棒性。应用开源数据集CDD验证本文方法的有效性,并与UNet-EF、FC-Siam-conc、Siam-DeepLabv3+和N-Siam-DeepLabv3+网络对比试验。试验结果表明,本文方法在精确率、召回率、F1值和总体精度上达到87.3%、90.2%、88.4%、96.4%,均高于UNet-EF、FC-Siam-conc、Siam-DeepLabv3+网络和N-Siam-DeepLabv3+网络,检测结果较为完整,对边界的检测也更为平滑,且对尺度变化具有更高的鲁棒性。 相似文献
11.
针对利用遥感影像进行目标变化检测的特点,设计了一套面向单波段高分辨率遥感影像的人工目标的变化检测处理流程,集成运用人工变化检测的影像分析工具,最大限度地发挥自动和人工两种变化检测方式的优点,特别是提出了基于变化目标相似度验证的检测算法,提高了影像变化检测的效率并有效地保证了检测的可靠性。 相似文献
12.
建筑物对象级三维变化检测是城市三维建筑模型更新及违法建筑查违等应用的核心关键技术。针对现有变化检测方法的限制,创新性提出了顾及轮廓特征的建筑物对象级三维变化检测方法,充分利用倾斜实景三维模型来进行变化检测。首先通过高度分析提取建筑物的轮廓线,同时过滤掉植被和地形等无关因素的影响;然后将不同高度的轮廓进行拟合后进行对比检测,并构建三维包围盒。该方法针对建筑物进行变化检测,检测对象单一,语义明确,既避免了对差值DSM滤波时不够彻底,又准确地保留了建筑物的有效信息,同时筛选出了未发生对象级变化的建筑物,可以更高效地对其做进一步的结构级变化检测。 相似文献
13.
针对高分辨率遥感影像变化检测结果较破碎,易产生椒盐噪声、监督训练过程中人工标注成本较高、训练样本冗余以及大量未标注样本信息未有效利用等问题,提出一种超像素与主动学习相结合的高分辨率遥感影像变化检测方法。利用超像素分割算法得到超像素对象,提取其光谱和纹理特征;引入并借助主动学习样本选择策略充分利用未标注样本信息,挖掘不确定性最大、最易错分的样本交由用户人工标注;为保证所选样本的多样性,加入基于余弦角距离的样本相似性度量,以减少样本间信息冗余,在减轻人工标注负担的同时获得良好的分类性能。通过对2组不同场景的遥感影像的实验,表明本文提出的2种方法能够在标注少量训练样本的情况下获得较好的变化检测结果,且加入样本相似性度量的变化检测方法在有效减少人工标注成本和训练样本冗余的同时,能够更快地达到收敛、提升检测质量。 相似文献
14.
针对航空摄影测量中空三加密时数据内业精校正的人工刺点效率低下,误差较大等问题,本文提出了一种基于线段检测（Line Segment Detector,LSD）算法的直角像控点目标检测方法。该方法首先通过Retinex算法增强影像彩色信息;再对影像进行双边滤波,在去除噪声的同时能很好的保留边缘信息;然后使用LSD算法提取线段,并结合最小二乘拟合将线段进行合并;经角度、距离和长度信息筛选出最外沿直角边,最后相交得到直角像控点。采用大疆无人机拍摄的“L”形像控点80景影像,“X”形像控点69景影像进行实验,结果表明,本文算法在复杂背景下的直角像控点检测中具有较高的准确率和精度,整体像控点提取准确率达到93.75%,像控点定位精度可以到2.37个像素,在复杂背景和目标失真的情况下依然能保持很高的准确率,定位精度明显优于人工刺点,相对于Radon和PPHT算法,本文算法的像控点组检测准确率明显提高,表明其检测精度受拍摄角度的影响较小。 相似文献
15.
InSAR相位解缠是利用干涉合成孔径雷达(InSAR)数据,提取数字高程模型,进行精确差分干涉测量的关键技术之一。然而缠绕的差分相位信息在地形陡峭或者坡度变化较大区域的解缠结果会有较大的误差传递的问题,针对此问题将干涉图中的地形坡度表示为距离向和方位向的局部相位频率,利用局部相位频率估计地形坡度和推导缠绕相位梯度概率密度函数(PG-PDF)参数模型,并将参数模型作为非线性最小二乘相位解缠模型约束条件,平滑不满足要求的缠绕相位梯度,经过迭代求解得到的解缠结果可以在消除噪声的同时减少地形因素的欠采样对相位解缠结果的影响,提高相位解缠的精度。最后,利用欧空局ENVISAT ASAR卫星获取的干涉数据进行实验,验证了算法在解缠精度和对地形的适应性方面优于直接加权的相位解缠算法,在频域下顾及地形的方法能有效克服LS对于相位坡度欠估计的缺点,具有较高的精度和稳定性,能够有效地考虑地形坡度的影响,抑制误差传递。 相似文献
16.
近年来,低秩矩阵重建在机器学习、图像处理、计算机视觉与生物信息学等众多科学与工程应用领域中,迅速发展为一个新的研究热点,其主要涉及矩阵填充与稳健主成分分析2大问题,即分别从精确且不完全的采样矩阵元与从大误差矩阵元的分布较为稀疏的观测矩阵中恢复出原始低秩矩阵。鉴此,本文定义了稳健矩阵填充,即从非完全且存在稀疏误差的采样矩阵元中精确恢复出原始低秩矩阵,通过最小化核范数与l1-范数的组合构建了相应的凸优化模型,并提出了一种新颖的增广分部拉格朗日乘数法来求解此类最优化问题。通过将其应用于混合高斯与椒盐噪声去除的问题中表明,此算法对具有规则纹理及相似结构内容等低秩特征的影像中混合噪声的去除效果较好,其能同时去除影像中的椒盐噪声与高斯噪声,且有效保留影像中的纹理细节等信息;当影像中椒盐噪声密度较高而高斯噪声相对较小时,其去噪性能更佳。 相似文献
17.
针对难以实现管道焊缝图像信息准确提取的问题,利用免疫遗传算法优化小波系数,将小波变换与免疫遗传算法引入焊缝图像的处理过程,采用相似性距离分析传统小波、Canny算法、免疫遗传小波等算法优劣性.结果表明:该算法能够有效地抑制噪声干扰,去除图像边缘中的伪影,从而较好地实现图像边缘信息的清晰与细化,体现遗传小波变换算法在精确定位与抗噪声能力上的优越性. 相似文献
18.
地貌识别,对于人类建设,地质构造研究,环境治理等相关领域都有着重要意义。传统的基于像素单元或面向对象的地貌识别方法存在局限性。由于流域小单元具有表面形态的完整性,在地貌演化中具有明确的地理意义,基于流域小单元的地貌识别成为了该领域的一个新热点。然而,基于传统地形因子的地貌识别方法使用的因子往往较为单一或者在地学描述上存在重复性,目前尚无针对流域小单元进行空间结构描述和拓扑关系特征量化的地貌识别研究。基于此,本文基于DEM进行水文分析并通过坡谱方法解决了小流域稳定面积难以确定的问题,在黄土高原样区提取了181个稳定小流域。根据复杂网络理论和地貌学原理提出了流域加权复杂网络的概念和相应的8个定量指标用于流域空间结构的模拟和量化描述。最后采用了基于决策树的XGBoost机器学习算法进行地貌识别,实验对于黄土高原主要地貌类型的识别显现出较好的效果,Kappa系数为86.00%,总体精度达到了88.33%。对于地貌形态特征明显的地貌,复杂网络方法其顾及空间结构和拓扑特征的特性导致了其较高的识别性能,精度和召回率都在90%~100%之间。通过与前人的研究进行对比,其识别结果亦呈现出较高的精度,这些都验证了流域加权复杂网络是一种基于流域小单元地貌识别的高精度且有效的方法。 相似文献
19.
受植被时相变化、传感器畸变、获取时刻大气条件等因素的影响,不同时间获取的遥感影像存在色彩差异,而逐波段的色彩归一化容易引起新的色彩畸变。因此,本文提出一种复合类别支持的多元线性回归遥感影像色彩归一化方法,在输入影像和参考影像逐波段高斯归一化的基础上,进行复合聚类,确定各像元的复合类别;在迭代去除变化像元的基础上,将类别中心作为控制点,建立多元线性回归方程,并据此对输入影像进行处理。2组影像的试验结果表明,本文方法相对于传统方法在整体精度、色彩保持等方面具有较大的优势。 相似文献
20.
建筑物点云表面重建在高精度城市测绘、虚拟现实等领域有十分广泛的应用前景。由于建筑物的几何形态多变,重建算法普遍存在计算速率慢、拟合精度低和模型结构不完整的问题。为此,本文以单体建筑物为研究对象,提出基于加权约束的单体建筑物点云表面重建算法,在表面初始化过程中充分考虑数据对结构拟合的贡献。在此基础上,构建基于正则集的单体建筑物表面重建算法,实现建筑物拟合过程中的加权拟合误差、近邻结构平滑的同步优化。针对多类建筑物三维点云的实验结果表明,相比传统的建筑物重建策略,本文的加权约束方法可根据不同类型的点云数据设计自适应权重,并选择模型拟合中最优的权重函数,在高噪声、低精度点云数据下能得到更高精度的单体建筑物表面模型。 相似文献