针对传统变化检测方法存在的缺陷,将最小噪声比率变换(M in imum Noise Fraction,MNF)和多元变化检测(Mu ltivariate A lteration Detection,MAD)方法应用于东营市城市扩展分析。从MNF和MAD变换获得的影像中提取的二值图像可知,检测结...针对传统变化检测方法存在的缺陷,将最小噪声比率变换(M in imum Noise Fraction,MNF)和多元变化检测(Mu ltivariate A lteration Detection,MAD)方法应用于东营市城市扩展分析。从MNF和MAD变换获得的影像中提取的二值图像可知,检测结果总体精度达到90.1%,Kappa系数为0.802,证明了本文方法在变化区域检测方面的可操作性和有效性。展开更多
后验概率变化矢量分析(change vector analysis in posterior probability space,CVAPS)方法没有顾及到遥感影像波段之间和多时相之间的光谱相关性,可能会造成信息丢失而降低影像变化检测的精度。因此,结合多元变化检测(multivariate ch...后验概率变化矢量分析(change vector analysis in posterior probability space,CVAPS)方法没有顾及到遥感影像波段之间和多时相之间的光谱相关性,可能会造成信息丢失而降低影像变化检测的精度。因此,结合多元变化检测(multivariate change detection,MAD)技术与CVAPS方法,提出一种改进的土地利用/覆盖变化(land use/cover change,LUCC)分类自动更新方法。首先,引入MAD技术来降低多光谱影像波段间相关性的影响,从而改善对像元变化检测的精度,增强LUCC分类自动更新过程中训练样本的可靠性,提高LUCC分类自动更新的精度;然后,为减少分类图中"椒盐"噪声的影响,进一步利用迭代马尔科夫随机场(iterative Markov random field,IR-MRF)模型进行分类后空间邻域处理,以提高自动更新的精度。以福建省长汀县2013年获取的Landsat8影像数据以及相应的LUCC分类图为基准,利用2003年获取的Landsat5影像,对长汀县2003年的LUCC进行更新。实验结果表明,该方法的自动更新总体精度能够达到80%,比单独采用CVAPS方法的自动更新精度提高了约3%。展开更多
文摘针对传统变化检测方法存在的缺陷,将最小噪声比率变换(M in imum Noise Fraction,MNF)和多元变化检测(Mu ltivariate A lteration Detection,MAD)方法应用于东营市城市扩展分析。从MNF和MAD变换获得的影像中提取的二值图像可知,检测结果总体精度达到90.1%,Kappa系数为0.802,证明了本文方法在变化区域检测方面的可操作性和有效性。
文摘后验概率变化矢量分析(change vector analysis in posterior probability space,CVAPS)方法没有顾及到遥感影像波段之间和多时相之间的光谱相关性,可能会造成信息丢失而降低影像变化检测的精度。因此,结合多元变化检测(multivariate change detection,MAD)技术与CVAPS方法,提出一种改进的土地利用/覆盖变化(land use/cover change,LUCC)分类自动更新方法。首先,引入MAD技术来降低多光谱影像波段间相关性的影响,从而改善对像元变化检测的精度,增强LUCC分类自动更新过程中训练样本的可靠性,提高LUCC分类自动更新的精度;然后,为减少分类图中"椒盐"噪声的影响,进一步利用迭代马尔科夫随机场(iterative Markov random field,IR-MRF)模型进行分类后空间邻域处理,以提高自动更新的精度。以福建省长汀县2013年获取的Landsat8影像数据以及相应的LUCC分类图为基准,利用2003年获取的Landsat5影像,对长汀县2003年的LUCC进行更新。实验结果表明,该方法的自动更新总体精度能够达到80%,比单独采用CVAPS方法的自动更新精度提高了约3%。
