在遥感图像多变化检测领域中,后验概率空间变化向量分析(change vector analysis in posterior probability space,CVAPS)是一种得到广泛使用的变化检测方法。然而,CVAPS利用支持向量机来估计遥感图像像素的后验概率向量,易受到遥感图...在遥感图像多变化检测领域中,后验概率空间变化向量分析(change vector analysis in posterior probability space,CVAPS)是一种得到广泛使用的变化检测方法。然而,CVAPS利用支持向量机来估计遥感图像像素的后验概率向量,易受到遥感图像中同物异谱、异物同谱、混合像元等因素的影响,从而难以准确估计复杂像元的后验概率向量的强度和方向,并影响了其后多元变化检测的精度。因此,文章在CVAPS的框架下,提出了一种采用模糊C均值聚类分解混合像元,并耦合上下文敏感的贝叶斯网络,使用角度阈值进行多变化类型检测的方法。当夹角小于一定阈值时,则判定该像素为该标准变化向量所代表的变化类型。实验结果证明该算法具有较高变化检测性能,取得了高于对比算法的精度。展开更多
文摘在遥感图像多变化检测领域中,后验概率空间变化向量分析(change vector analysis in posterior probability space,CVAPS)是一种得到广泛使用的变化检测方法。然而,CVAPS利用支持向量机来估计遥感图像像素的后验概率向量,易受到遥感图像中同物异谱、异物同谱、混合像元等因素的影响,从而难以准确估计复杂像元的后验概率向量的强度和方向,并影响了其后多元变化检测的精度。因此,文章在CVAPS的框架下,提出了一种采用模糊C均值聚类分解混合像元,并耦合上下文敏感的贝叶斯网络,使用角度阈值进行多变化类型检测的方法。当夹角小于一定阈值时,则判定该像素为该标准变化向量所代表的变化类型。实验结果证明该算法具有较高变化检测性能,取得了高于对比算法的精度。
