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
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
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。
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%。
