针对传统变化检测方法应用于高分辨率遥感影像变化检测时出现的变化信息分散、椒盐噪声影响严重等问题,将面向对象技术和迭代加权多变量变化检测方法结合起来,提出了一种面向对象的迭代加权多变量变化检测方法(iteratively reweighted m...针对传统变化检测方法应用于高分辨率遥感影像变化检测时出现的变化信息分散、椒盐噪声影响严重等问题,将面向对象技术和迭代加权多变量变化检测方法结合起来,提出了一种面向对象的迭代加权多变量变化检测方法(iteratively reweighted multivariate alternative detection,IR-MAD)。该方法主要通过结合卡方分布的概率密度函数和面向对象技术来对传统多变量变化识别方法(multivariate alternative detection,MAD)进行改进,卡方分布的概率密度函数对变化信息进行融合以获取信息集中的IR-MAD变量。此外,在对影像进行分割时结合叠置分割技术获取边界一致、同质性较好的影像对象。实验表明,面向对象IR-MAD方法能够有效集成变化信息,准确提取变化区域,同时较好地保持变化目标的结构与形状,减少椒盐噪声的影响,检测结果具有较高的可靠性。展开更多
文摘针对传统变化检测方法应用于高分辨率遥感影像变化检测时出现的变化信息分散、椒盐噪声影响严重等问题,将面向对象技术和迭代加权多变量变化检测方法结合起来,提出了一种面向对象的迭代加权多变量变化检测方法(iteratively reweighted multivariate alternative detection,IR-MAD)。该方法主要通过结合卡方分布的概率密度函数和面向对象技术来对传统多变量变化识别方法(multivariate alternative detection,MAD)进行改进,卡方分布的概率密度函数对变化信息进行融合以获取信息集中的IR-MAD变量。此外,在对影像进行分割时结合叠置分割技术获取边界一致、同质性较好的影像对象。实验表明,面向对象IR-MAD方法能够有效集成变化信息,准确提取变化区域,同时较好地保持变化目标的结构与形状,减少椒盐噪声的影响,检测结果具有较高的可靠性。
