亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        聯(lián)合概率密度空間的遙感自適應(yīng)變化檢測(cè)方法

        2016-02-23 05:30:41沈占鋒吳田軍王衛(wèi)紅
        測(cè)繪學(xué)報(bào) 2016年1期
        關(guān)鍵詞:迭代法

        吳 煒,沈占鋒,吳田軍,王衛(wèi)紅

        1. 浙江工業(yè)大學(xué)計(jì)算機(jī)學(xué)院,浙江 杭州310023; 2. 中國(guó)科學(xué)院遙感與數(shù)字地球研究所,北京 100101; 3. 長(zhǎng)安大學(xué)理學(xué)院,陜西 西安 710064

        Joint Probability Space Based Self-adaptive Remote Sensing Change Detection Method

        WU Wei1,SHEN Zhanfeng2,WU Tianjun3,WANG Weihong1

        1. College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310023,China; 2. Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences,Beijing 100101,China; 3. College of Science, Chang’an University,Xi’an 710064,China;

        ?

        聯(lián)合概率密度空間的遙感自適應(yīng)變化檢測(cè)方法

        吳煒1,沈占鋒2,吳田軍3,王衛(wèi)紅1

        1. 浙江工業(yè)大學(xué)計(jì)算機(jī)學(xué)院,浙江 杭州310023; 2. 中國(guó)科學(xué)院遙感與數(shù)字地球研究所,北京 100101; 3. 長(zhǎng)安大學(xué)理學(xué)院,陜西 西安 710064

        Foundation support: The National Natural Science Foundation of China (No.41301473);National Science and Technology Major Project (No.03-Y30B06-9001-13/15-01).The National Natural Science Foundation of Zhejiang Province of China(No. LZ14F020001)

        摘要:多種因素引起的輻射特征變化,將造成閾值法變化檢測(cè)的誤檢。對(duì)此,本文提出了一種聯(lián)合概率密度空間的多閾值自適應(yīng)變化檢測(cè)方法。首先,將影像從像素空間轉(zhuǎn)化到聯(lián)合概率密度空間,將變化地物定義為聯(lián)合概率密度空間的離群點(diǎn),并采用迭代方法將其提取,然后映射回原始影像后確定變化區(qū)域。選取兩種典型應(yīng)用進(jìn)行試驗(yàn),結(jié)果表明,本文方法在正確率、誤檢率和漏檢率方面優(yōu)于傳統(tǒng)方法,具有較好的穩(wěn)健性。

        關(guān)鍵詞:非監(jiān)督變化檢測(cè); 聯(lián)合概率密度; 自適應(yīng)多閾值;迭代法

        遙感技術(shù)因具備大面積同步觀測(cè)能力、獲取的數(shù)據(jù)具有快速、客觀等特征,而被廣泛用于土地覆被變化、城市監(jiān)測(cè)、災(zāi)害評(píng)估等領(lǐng)域。作為上述各類應(yīng)用的基礎(chǔ),變化檢測(cè)是在遙感影像配準(zhǔn)基礎(chǔ)上,通過(guò)一定的相似性度量確定變化區(qū)域,提取地物變化信息[1]。根據(jù)實(shí)現(xiàn)方法和檢測(cè)結(jié)果的差異,可以分為非監(jiān)督和監(jiān)督兩類方法[2]。

        非監(jiān)督方法是在構(gòu)建兩期影像相似性(差異)度量函數(shù)基礎(chǔ)上,根據(jù)變化區(qū)域的光譜差異大小,通過(guò)閾值分割確定變化區(qū)域。因此,相似性度量和閾值選取是其中的關(guān)鍵。在相似性度量方面,差值、比值是最先使用的相似性度量;隨后,克服不同時(shí)相影像間輻射特征差異的歸一化植被指數(shù)[3]以及利用多波段信息的主成分分析[4]等被相繼引入;變化向量分析將影像從灰度空間轉(zhuǎn)化為極坐標(biāo)空間,利用極徑和極角分別表示變化的幅度和類型[5];而針對(duì)僅利用光譜信息的不足,學(xué)者們發(fā)展了考慮局部區(qū)域空間特征的變化檢測(cè)方法,如Hopefield神經(jīng)元方法[6];通過(guò)多證據(jù)融合,將紋理、形狀等多種高級(jí)特征同時(shí)用于變化檢測(cè)的相似性度量[7]。在閾值選取方面,直方圖分割、雙(多)閾值方法簡(jiǎn)單,且在很多應(yīng)用中取得了較好的效果[8],但變化地物與未變化類別混合嚴(yán)重時(shí)精度較低,對(duì)此,能夠自動(dòng)學(xué)習(xí)影像變化特征的水平集[9]等智能方法得到應(yīng)用。

        監(jiān)督方法是在選取變化樣本的基礎(chǔ)上,利用神經(jīng)網(wǎng)絡(luò)[10]、蟻群優(yōu)化[11]、慢特征分析[12]等進(jìn)行特征訓(xùn)練和檢測(cè),以提取變化區(qū)域。分類后比較是其中常用的一類監(jiān)督變化檢測(cè)方法,它是在兩期影像選取樣本后進(jìn)行監(jiān)督分類,再通過(guò)比較分類結(jié)果來(lái)確定地表變化信息。受誤差傳遞的影響,精確的變化檢測(cè)前提是兩期影像均能被正確分類[13],為此,動(dòng)態(tài)證據(jù)理論等用于減少不同時(shí)相分類結(jié)果合成的不確定性[14]。為了減少樣本選擇的工作量,主動(dòng)學(xué)習(xí)、復(fù)合分類等方法也被用于不同時(shí)相的影像之間的亮度變化模式的學(xué)習(xí)中[15],而潛分析[16]、頻繁序列分析[17]等方法則被用于提取時(shí)間序列影像上的土地覆被變化語(yǔ)義信息,是一種廣義的變化檢測(cè)方法。

        從以上分析可以看出,監(jiān)督方法大部分能夠獲得地表覆被轉(zhuǎn)移矩陣,主要面向精確的地表覆被演變分析,而非監(jiān)督方法則將地表快速劃分為變化和未變化區(qū)域,在缺乏研究區(qū)先驗(yàn)知識(shí)的情況下,是從遙感影像中快速提取變化區(qū)域的必要手段,而且可進(jìn)一步挖掘和分析地表覆被的變化信息。然而,當(dāng)前的非監(jiān)督方法普遍是對(duì)整景影像采用相同的相似性度量和變化提取規(guī)則,成功應(yīng)用的前提在于不同類型的地物變化具有相同或者相似的亮度變化幅度。而輻射條件、植被時(shí)相變化、地物變化等多種因素導(dǎo)致變化與未變化地物是交織在一起的,限制了傳統(tǒng)的變化檢測(cè)方法的精度。鑒于此,本文將影像轉(zhuǎn)換到聯(lián)合概率密度空間,以便自適應(yīng)地確定變化區(qū)域,提高變化檢測(cè)精度。

        1本文方法

        變化檢測(cè)是要利用輻射特征,準(zhǔn)確識(shí)別出地表覆被類型發(fā)生改變的區(qū)域。而根據(jù)應(yīng)用的不同,一些方法探索自然地物的時(shí)間變化,而部分方法則是研究地表類型的改變,本文僅討論后一種情形,即考慮地物類型發(fā)生變化的情況。

        在不考慮地物變化的理想情況下,同一地區(qū)不同時(shí)間獲取的兩期影像可假定是獨(dú)立同分布的(independent and identically distributed,IID),即兩期影像亮度所組成的變量序列具有相同的概率分布,且互相獨(dú)立。而實(shí)際上,被動(dòng)遙感成像是一個(gè)復(fù)雜的電磁輻射與地表相互作用的過(guò)程,受多種因素的綜合影響。

        遙感器接收的地物反射輻射度量R可表示為

        R=f(Es,Et,Er)

        (1)

        式中,Es表示輻射、大氣、傳感器畸變等系統(tǒng)因素,所有像素服從相同的變化規(guī)律;Et表示植被、水體(受葉綠素、泥沙等因素的影響)等自然地物隨時(shí)相的改變;Er表示人類和自然作用使得地表覆被發(fā)生改變;f表示上述因素的綜合作用。

        閾值法非監(jiān)督變化檢測(cè)是基于Er導(dǎo)致的亮度變化相對(duì)于Es和Et較大的假設(shè),依據(jù)一定的優(yōu)化函數(shù)來(lái)尋找最優(yōu)的分割閾值。很多情況下,輻射校正后的殘差(∈Es)、植被、水體等時(shí)相變化(∈Et)與地物變化(∈Er)導(dǎo)致的地物輻射特征變化相近,從而使得上述多種類型引起的輻射變化交織在一起,閾值法難以有效區(qū)分。

        聯(lián)合概率密度表達(dá)了地物在兩期影像上的亮度值變化的統(tǒng)計(jì)規(guī)律[18],相對(duì)于傳統(tǒng)的相似性度量具有更豐富的信息,已成功用于變化檢測(cè)[18]、大區(qū)域影像鑲嵌的色彩一致性處理[19]等領(lǐng)域。基于此,本文提出一種聯(lián)合概率空間的自適應(yīng)非監(jiān)督變化檢測(cè)方法,試圖利用聯(lián)合概率空間的多閾值克服傳統(tǒng)閾值分割方法無(wú)法區(qū)分不同因素造成像元灰度變化的缺陷,減少對(duì)自然地物時(shí)相變化的誤檢,提高變化檢測(cè)精度。

        為了敘述方便,定義如下符號(hào):It1和It2為同一地區(qū)兩期不同時(shí)間獲取的影像,t1

        1.1聯(lián)合概率密度空間及其變化定義

        遙感影像以掃描方式記錄了地表的電磁輻射特征,受Es、Er和Et等因素的影響,可以將其看成是描述地表電磁輻射的一個(gè)隨機(jī)變量。因此,兩期影像It1和It2進(jìn)而可看成是描述地表輻射特征的二維隨機(jī)變量,表征了對(duì)應(yīng)波段之間的亮度值的轉(zhuǎn)換關(guān)系,其分布特征便可用聯(lián)合概率密度表示。由于影像獲取過(guò)程中的采樣對(duì)地表輻射值進(jìn)行了離散化,所設(shè)的聯(lián)合概率密度事實(shí)上是一個(gè)離散型的二維隨機(jī)變量,因此可表示為

        (2)

        式中,P(x,y)和N(x,y)表示影像It1和It2對(duì)應(yīng)位置處亮度值分別為x和y的像素出現(xiàn)的概率和頻數(shù),概率密度P(x,y)構(gòu)成了一個(gè)以X和Y為值域的二維空間,即聯(lián)合概率密度空間。

        圖1是某地區(qū)2006年和2008年一組ALOS影像近紅外波段的聯(lián)合概率密度圖,受到Es、Et和Er3種輻射特征變化因素的影響,不同區(qū)域的概率密度值隨之發(fā)生變化(顏色由紅到藍(lán)表示密度逐漸降低)。為了說(shuō)明問(wèn)題的方便,將聯(lián)合概率密度空間標(biāo)記出A、B、C3個(gè)區(qū)域。其中,在A區(qū)域,It1和It2兩期影像的輻射亮度值相似;形態(tài)上以直線l為軸,基本對(duì)稱分布,近似為橢圓形狀;橢圓中心概率密度較高,隨著遠(yuǎn)離直線l而逐漸降低。該區(qū)域主要是地表類型保持穩(wěn)定的區(qū)域,僅在遠(yuǎn)離直線l的邊緣有少量變化的地物。B、C區(qū)域遠(yuǎn)離直線l分布,形態(tài)不規(guī)則,例如B區(qū)域在It1上亮度值相對(duì)集中,而It2分布分散;C區(qū)域恰好與B區(qū)域相反,該區(qū)域內(nèi)地物亮度變化大,概率密度較小且不規(guī)律,主要為變化地物。

        根據(jù)以上分析,聯(lián)合概率密度分布空間上的變化地物可定義為概率值較小[18],且分布在遠(yuǎn)離直線l的空間區(qū)域點(diǎn),即離群點(diǎn)(outlier)。據(jù)此定義,變化檢測(cè)問(wèn)題轉(zhuǎn)化為從聯(lián)合概率密度空間進(jìn)行離群點(diǎn)檢測(cè)。為此,本文提出一種迭代方法確定離群點(diǎn)以提取變化像素。需要說(shuō)明的是,本文為方便起見(jiàn)將聯(lián)合概率密度空間標(biāo)記為A、B、C3個(gè)區(qū)域,并利用多閾值方法提高變化檢測(cè)精度,而并不需要區(qū)分各種因素導(dǎo)致的地物變化。

        1.2迭代的變化區(qū)域檢測(cè)

        如上所述,將聯(lián)合概率密度空間上地物變化的像素看成是遠(yuǎn)離直線l的離群點(diǎn)。本文通過(guò)a倍均方差迭代識(shí)別技術(shù)實(shí)現(xiàn)變化像素的檢測(cè),具體實(shí)現(xiàn)流程包含3個(gè)關(guān)鍵步驟:提取對(duì)稱軸l,確定l上每個(gè)亮度值處的變化邊緣以及計(jì)算影像上的變化區(qū)域。詳細(xì)實(shí)現(xiàn)流程如下。

        1.2.1提取對(duì)稱軸l

        記對(duì)稱軸所在直線l為y=kx+b,其中y為影像It2上的亮度值,x為影像It1上的亮度值。根據(jù)直線l上概率密度之和盡可能大以及直線兩側(cè)的概率盡可能均勻兩個(gè)準(zhǔn)則,采用枚舉法提取直線l,即從聯(lián)合概率密度空間任取兩點(diǎn),將滿足上述兩個(gè)條件的最優(yōu)解作為結(jié)果,詳細(xì)實(shí)現(xiàn)流程參見(jiàn)文獻(xiàn)[19]。

        1.2.2確定l上每個(gè)亮度值處的變化邊緣

        (3)

        (4)

        (5)

        按照式(6)和(7)確定離群點(diǎn)

        (6)

        (7)

        式(6)表示對(duì)于?qi∈Qpi,計(jì)算距離μy最遠(yuǎn)的點(diǎn);式(7)表示距離均值μy在a倍標(biāo)準(zhǔn)差之外的點(diǎn),a是一個(gè)待設(shè)置的參數(shù),設(shè)置方法及其對(duì)結(jié)果的影響在試驗(yàn)部分予以詳細(xì)討論。

        將同時(shí)滿足式(6)和式(7)的點(diǎn)作為離群點(diǎn)進(jìn)行剔除,然后根據(jù)式(3)、(4)、(5)重新計(jì)算(μy,σy),若沒(méi)有滿足式(6)和式(7)的離群點(diǎn)或者達(dá)到最大迭代次數(shù),則迭代結(jié)束。記迭代中止時(shí)Qpi上、下邊緣的兩個(gè)點(diǎn)分別為qpiT、qpiB。

        對(duì)于?pi∈P,都得到一組點(diǎn)與之對(duì)應(yīng),將所有與pi對(duì)應(yīng)的點(diǎn)按照以下順序連接,構(gòu)成封閉的空間A

        A={qp1T,qp2T,…,qpnT,qpnB,…,qp2B,qp1B}

        (8)

        軌跡A內(nèi)部封閉區(qū)域?yàn)榈匚镱愋筒蛔兊膮^(qū)域,而軌跡外的區(qū)域?yàn)榈匚镒兓瘏^(qū)域。

        若采用傳統(tǒng)的單一閾值,確定的變化區(qū)域如圖2中虛線所示,虛線外部區(qū)域?yàn)樽兓袼?,而?nèi)部區(qū)域?yàn)槲醋兓袼?。本文方法相?dāng)于一種多閾值的方法,根據(jù)不同灰度值處的亮度分散情況(標(biāo)準(zhǔn)差)自適應(yīng)確定分割閾值,從而精細(xì)地刻畫(huà)不同類別地物受輻射特征變化的差異影響,以期獲得更高的二值化精度。

        1.2.3計(jì)算影像上的變化區(qū)域

        經(jīng)過(guò)步驟(3)之后,變化檢測(cè)結(jié)果在聯(lián)合概率密度空間上表示為

        (9)

        對(duì)It1和It2對(duì)應(yīng)位置上亮度值為(x,y)的點(diǎn)進(jìn)行判斷,若位于A區(qū)域內(nèi),則作為不變像素,并將結(jié)果用1表示,不變像素構(gòu)成的集合為Ω;反之,作為變化像素,用0表示,并構(gòu)成變化像素集合Φ。

        2試驗(yàn)

        2.1數(shù)據(jù)與試驗(yàn)方法

        為了驗(yàn)證算法的有效性,選取大小分別為1000×1000像素和800×800像素的LandSat TM5影像和ALOS多光譜影像各一組進(jìn)行試驗(yàn),分別記為試驗(yàn)1和試驗(yàn)2。試驗(yàn)1的兩期LandSat TM5影像獲取時(shí)間分別為2002年11月4日和2009年11月23日,位于湖北省宜昌市的三峽大壩地區(qū),土地覆被變化主要由大型水利樞紐設(shè)施修建和蓄水引起,造成地面低洼處被淹沒(méi)及其相關(guān)變化;試驗(yàn)2的ALOS影像獲取日期分別為2007年9月31日和2009年10月31日,位于浙江省諸暨市,地表覆被變化驅(qū)動(dòng)因素主要為城市建設(shè)將耕地、林地、水面等開(kāi)發(fā)為城市建設(shè)用地。兩組試驗(yàn)代表了土地覆被變化和城市監(jiān)測(cè)的典型應(yīng)用,LandSat影像6、4、2波段的假彩色合成及ALOS影像的真彩色分別如圖3所示。兩組影像均進(jìn)行了幾何校正,配準(zhǔn)精度達(dá)到亞像素級(jí)。

        由于采用直線l對(duì)稱軸作為距離標(biāo)準(zhǔn),相當(dāng)于進(jìn)行了一次相對(duì)輻射校正,能夠消除兩期影像上的線性輻射差異,因此,本試驗(yàn)直接采用原始灰度值而未進(jìn)行相對(duì)輻射校正。使用上述3個(gè)波段逐波段變化檢測(cè),獲得二值結(jié)果,然后通過(guò)邏輯乘運(yùn)算得到最終檢測(cè)結(jié)果,即對(duì)于某一像素所有波段均檢測(cè)為變化才最終判定為變化,這種方法對(duì)于椒鹽噪聲具有一定的抑制作用,能獲得較平滑的處理結(jié)果。

        為了對(duì)變化檢測(cè)結(jié)果進(jìn)行評(píng)價(jià),采用目視解譯方法,手動(dòng)提取地物變化信息,作為地表變化真值。試驗(yàn)2中地表覆被類型變化復(fù)雜,單純的目視解譯難以獲取準(zhǔn)確的變化信息,筆者選取了Google Earth上試驗(yàn)日期相近的2007年2月2日和2009年10月2日兩期高分辨率數(shù)據(jù)來(lái)輔助判別。

        2.2試驗(yàn)結(jié)果及其比較

        試驗(yàn)中,設(shè)置a=2,最大迭代次數(shù)為100。其中,試驗(yàn)1檢測(cè)結(jié)果如圖4(a)所示,紅色表示變化區(qū)域而灰色表示背景(未變化區(qū)域)。可以看出:水利設(shè)施修建、蓄水造成的地表淹沒(méi)、下游泥沙淤積的地表覆被變化均得到了有效檢測(cè)。值得注意的是,右上側(cè)的沙坪水庫(kù)因蓄水原因造成的水面變化也得到有效檢測(cè)。圖4(b)為目視方法的變化檢測(cè)結(jié)果,紅色和灰色分別表示正確檢測(cè)的目標(biāo)和背景、綠色表示漏檢、藍(lán)色表示誤檢,通過(guò)對(duì)比可知,孤立的誤檢測(cè)和漏檢測(cè)的情況較少,主要出現(xiàn)在變化與未變化區(qū)域的過(guò)渡區(qū)域。

        試驗(yàn)2中地表覆被類型變化多樣,如農(nóng)地、林地轉(zhuǎn)為建設(shè)用地(道路和建筑物修建)、河道疏通、湖泊筑壩等導(dǎo)致水面的變化。采用與試驗(yàn)1相同的渲染方法,本文方法與目視解譯的檢測(cè)結(jié)果如圖4(c)和圖4(d)所示??梢钥闯觯焊鞣N地表覆被類型變化區(qū)域均得到了有效檢測(cè),誤檢測(cè)和漏檢測(cè)情況較少。

        在信息提取和目標(biāo)識(shí)別中,一般用P表示目標(biāo)物的數(shù)目,而N表示非目標(biāo)物的數(shù)目,采用TP表示算法檢測(cè)為目標(biāo)物且經(jīng)驗(yàn)證為目標(biāo)物的數(shù)目,TN表示算法檢測(cè)為非目標(biāo)物且經(jīng)驗(yàn)證為非目標(biāo)物的數(shù)目,F(xiàn)P是算法檢測(cè)為目標(biāo)物而經(jīng)驗(yàn)證為非目標(biāo)物的數(shù)目(誤檢),F(xiàn)N表示算法檢測(cè)為非目標(biāo)物但經(jīng)驗(yàn)證為目標(biāo)物的數(shù)目(漏檢)。在此基礎(chǔ)上定義了正確率(TR)、誤檢率(FAR)、漏檢率(OAR)3個(gè)指標(biāo),即

        (10)

        (11)

        (12)

        下面將本文方法與變化向量分析法以及文獻(xiàn)[18]中聯(lián)合概率密度方法進(jìn)行算法精度比對(duì)。變化向量分析[5]是通過(guò)將影像從灰度空間轉(zhuǎn)為極坐標(biāo)空間,并尋找閾值進(jìn)行非監(jiān)督變化檢測(cè),記為CVA方法;文獻(xiàn)[18]方法也是將變化定義在聯(lián)合概率密度空間,以此作為相似性度量,并采用局部混合信息指標(biāo)自動(dòng)確定閾值提取變化區(qū)域,記為PD方法。采用上述兩種方法及本文方法,在相同的影像上進(jìn)行試驗(yàn),以像素為單位,統(tǒng)計(jì)上述3個(gè)指標(biāo),其中a值分別設(shè)置為1.5、2、2.5,結(jié)果如表1。由表1可以看出:本文方法在a=2時(shí),TR、FAR、OAR3個(gè)指標(biāo)均優(yōu)于對(duì)比方法;而a=1.5和a=2.5時(shí),TR與對(duì)比方法相近。

        表1 變化檢測(cè)精度對(duì)比

        進(jìn)一步選取典型區(qū)域,比較各種地物的變化檢測(cè)細(xì)節(jié),圖4(a)中L區(qū)域放大后如圖5(a)—(c)所示,可以看出本文檢測(cè)結(jié)果與水體邊緣結(jié)合緊密,具有較高的定位精度。特別注意白框內(nèi)區(qū)域,山體陰影是水體檢測(cè)中的混淆地物,CVA方法由于僅利用極徑作為變化的衡量指標(biāo),造成了漏檢,而本文方法充分利用不同地物變化幅度,能夠有效檢測(cè);圖4中M區(qū)域如圖5(d)—(f)所示,變化為湖泊疏浚和筑壩,由于待檢測(cè)影像上湖面部分區(qū)域存在植被,光譜特征變化相對(duì)于其他區(qū)域較小,PD方法利用相同閾值對(duì)整景影像檢測(cè),造成了漏檢,同時(shí)左上角綠地轉(zhuǎn)為裸地的變化也被漏檢;圖4中N區(qū)域如圖5(g)—(i)所示,變化由建筑物修建引起,靠近邊緣處輻射特征變化幅度相對(duì)較小,PD方法發(fā)生了漏檢。以上說(shuō)明本文方法能夠區(qū)分灰度變化較小的地物,具有更好的靈敏性和穩(wěn)健性。

        2.3參數(shù)設(shè)置方法

        參數(shù)a的值是本文方法成功的關(guān)鍵之一,為了分析和評(píng)價(jià)a值對(duì)結(jié)果的影響,將a設(shè)置在區(qū)間[1,3],以步長(zhǎng)0.1進(jìn)行變化。試驗(yàn)1和試驗(yàn)2的正確率、誤檢率和漏檢率變化情況如圖6,可以看出:①a=2.0左右(試驗(yàn)1,a=1.8;試驗(yàn)2,a=2.2),正確率最高、誤檢率最低,結(jié)果具有最好的可信度;②隨著a減小,漏檢率逐漸降低,也造成誤檢率逐漸升高;③由于直線l附近聯(lián)合概率密度較高,隨著a值較小,漏檢率、正確率和誤檢率變化速率減慢;④a為2附近的較寬區(qū)域內(nèi),結(jié)果的正確率均較高,與傳統(tǒng)方法相比具有相似的精度,且具有較高的魯棒性。

        根據(jù)以上分析,為獲得較高的檢測(cè)正確率,建議設(shè)置a為2。另外,在實(shí)際應(yīng)用中,也可以根據(jù)不同的應(yīng)用需求,調(diào)整a的值,以獲得不同的誤檢率和漏檢率,如城市違建執(zhí)法檢查中需要盡可能找出靶區(qū),避免漏檢,此時(shí)可以將a值設(shè)置較大,盡可能找出發(fā)生變化的疑似區(qū)域,進(jìn)而通過(guò)實(shí)地察看驗(yàn)證計(jì)算機(jī)檢測(cè)結(jié)果。

        3結(jié)論

        針對(duì)單閾值非監(jiān)督變化檢測(cè)的不足,本文提出了一種聯(lián)合概率密度空間的自適應(yīng)變化檢測(cè)方法,將變化像素定義為聯(lián)合概率密度空間的離群點(diǎn),通過(guò)迭代確定多個(gè)最優(yōu)閾值進(jìn)行識(shí)別。與當(dāng)前原理相近的方法比較,本文方法由于充分考慮了不同地物的輻射特征變化幅度,能夠一定程度克服兩期影像上的非線性輻射差異,在正確率、誤檢率和漏檢率方面具有一定的優(yōu)勢(shì),同時(shí),所需設(shè)置的參數(shù)較少且檢測(cè)結(jié)果魯棒性較好,是一種較為理想的變化檢測(cè)方法。

        然而,通過(guò)上述試驗(yàn)探索,發(fā)現(xiàn)本文研究也存在一些不足,表現(xiàn)在:①本文方法雖然利用統(tǒng)計(jì)模型并取得了較好的效果,但對(duì)其數(shù)學(xué)物理意義的深入分析和討論不足;②本文方法是逐波段進(jìn)行變化檢測(cè)后再通過(guò)邏輯乘獲得最終結(jié)果的,更理想的方式是將n波段影像作為一個(gè)n元隨機(jī)變量,然后在n×n維聯(lián)合概率密度空間中去定義變化區(qū)域并發(fā)展變化提取方法;③自然地物時(shí)相變化在很多應(yīng)用中是研究的對(duì)象,而本文方法不能區(qū)分該類型的變化,同時(shí),本文方法是一種逐像素的非監(jiān)督變化檢測(cè),未能充分利用對(duì)象級(jí)的變化特征及其挖掘變化所表達(dá)的地學(xué)意義;④試驗(yàn)雖然選擇了不同分辨率、不同變化類型的數(shù)據(jù),并表現(xiàn)出了較好的精度和穩(wěn)健性,但遙感數(shù)據(jù)及地物變化模式多樣,方法的廣泛適用性仍有待進(jìn)一步研究和探索分析。

        圖1 聯(lián)合概率密度圖 Fig.1 The joint probabilityspace

        圖2 變化區(qū)域提取方法Fig.2 The change areaextraction method

        圖3 試驗(yàn)使用的原始影像Fig.3 The original images of experiments

        圖4 變化檢測(cè)結(jié)果Fig.4 The change detection result

        注:(a)、(d)、(g)表示變化前的影像與本文方法檢測(cè)結(jié)果的疊加;(b)、(e)、(h)表示變化后的影像與本文方法的變化檢測(cè)結(jié)果的疊加;(c)、(f)、(i)為本文檢測(cè)與對(duì)比方法的比較,紅色區(qū)域內(nèi)為對(duì)比方法結(jié)果,黃色為本文方法結(jié)果,(c)為CVA方法,(f)、(i)為PD方法)圖5 局部區(qū)域的疊加放大顯示Fig.5 The change detection result of local details

        圖6 參數(shù)a對(duì)試驗(yàn)結(jié)果的影響Fig.6 The result accuracy effected by parameter a

        參考文獻(xiàn):

        [1]LU Dengsheng, MAUSEL P, BRONDZIO E, et al. Change Detection Techniques[J]. International Journal of Remote Sensing, 2004, 25(12): 2365-2401.

        [2]RADKE R J, ANDRA S, AL-KOFAHI O, et al. Image Change Detection Algorithms: A Systematic Survey[J]. IEEE Transactions on Image Processing, 2005, 14(3): 294-307.

        [3]LYON J G, YUAN Ding, LUNETTA R S, et al. A Change Detection Experiment Using Vegetation Indices[J]. Photogrammetric Engineering and Remote Sensing, 1998, 64(2): 143-150.

        [4]BYRNE G F, CRAPPER P F, MAYO K K. Monitoring Land-cover Change by Principal Component Analysis of Multitemporal Landsat Data[J]. Remote Sensing of Environment, 1980, 10(3): 175-184.

        [5]BOVOLO F, BRUZZONE L. A Theoretical Framework for Unsupervised Change Detection Based on Change Vector Analysis in the Polar Domain[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(1): 218-236.

        [6]GHOSH S, BRUZZONE L, PATRA S, et al. A Context-sensitive Technique for Unsupervised Change Detection Based on Hopfield-type Neural Networks[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(3): 778-789.

        [7]汪閩, 張星月. 多特征證據(jù)融合的遙感圖像變化檢測(cè)[J]. 遙感學(xué)報(bào), 2010, 14(3): 558-570.

        WANG Min, ZHANG Xingyue. Change Detection Using High Spatial Resolution Remotely Sensed Imagery by Combining Evidence Theory and Structural Similarity[J]. Journal of Remote Sensing, 2010, 14(3): 558-570.

        [8]胡召玲. 廣義高斯模型及KI雙閾值法的SAR圖像非監(jiān)督變化檢測(cè)[J]. 測(cè)繪學(xué)報(bào), 2013, 42(1): 116-122.

        HU Zhaoling. An Unsupervised Change Detection Approach Based on KI Dual Thresholds under the Generalized Gauss Model Assumption in SAR Images[J]. Acta Geodaetica et Cartographica Sinica, 2013, 42(1): 116-122.

        [9]BAZI Y, MELGANI F, AL-SHARARI H D. Unsupervised Change Detection in Multispectral Remotely Sensed Imagery with Level Set Methods[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(8): 3178-3187.

        [10]戴芹, 馬建文, 歐陽(yáng)赟, 等. 利用貝葉斯網(wǎng)絡(luò)進(jìn)行遙感變化檢測(cè)[J]. 中國(guó)圖象圖形學(xué)報(bào), 2005, 10(6): 705-709.

        DAI Qin, MA Jianwen, OUYANG Yun, et al. Remote Sensing Change Detection Using Bayesian Networks[J]. Journal of Image and Graphics, 2005, 10(6): 705-709.

        [11]戴芹, 劉建波, 劉士彬. 微粒群優(yōu)化方法的遙感影像變化檢測(cè)研究[J]. 測(cè)繪學(xué)報(bào), 2012, 41(6): 857-863, 885.

        DAI Qin, LIU Jianbing, LIU Shibing. Remote Sensing Image Change Detection Using Particle Swarm Optimization Algorithm[J]. Acta Geodaetica et Cartographica Sinica, 2012, 41(6): 857-863, 885.

        [12]WU Chen, DU Bo, ZHANG Liangpei, et al. Slow Feature Analysis for Change Detection in Multispectral Imagery[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(5): 2858-2874.

        [13]SERRA P, PONS X, SAURD.Post-classification Change Detection with Data from Different Sensors: Some Accuracy Considerations[J]. International Journal of Remote Sensing, 2003, 24(16): 3311-3340.

        [14]LIU Zhunga, DEZERT J, MERCIER G, et al. Dynamic Evidential Reasoning for Change Detection in Remote Sensing Images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(5): 1955-1967.

        [15]DEMIR B, BOVOLO F, BRUZZONE L. Detection of Land-cover Transitions in Multitemporal Remote Sensing Images with Active-learning-based Compound Classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(5): 1930-1941.

        [16]VADUVA C, COSTACHIOIU T, PATRASCU C, et al. A Latent Analysis of Earth Surface Dynamic Evolution Using Change Map Time Series[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(4): 2105-2118.

        [17]JULEA A, MéGER N, BOLON P, et al. Unsupervised Spatiotemporal Mining of Satellite Image Time Series Using Grouped Frequent Sequential Patterns[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(4): 1417-1430.

        [18]GUEGUEN L, SOILLE P, PESARESI M. Change Detection Based on Information Measure[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(11): 4503-4515.

        [19]吳煒, 沈占鋒, 李均力, 等. 聯(lián)合概率密度脊提取的影像鑲嵌色彩一致性處理方法[J]. 測(cè)繪學(xué)報(bào), 2013, 42(2): 247-252.

        WU Wei, SHEN Zhanfeng, LI Junli, et al. Ridge of Joint Probability Density Based Color Normalization Method for Image Mosaic[J]. Acta Geodaetica et Cartographica Sinica, 2013, 42(2): 247-252.

        (責(zé)任編輯:張艷玲)

        修回日期: 2015-09-13

        First author: WU Wei(1985—),male PhD,lecturer, majors in remote sensing information processing and analysis.

        E-mail: wuwei@zjut.edu.cn

        Corresponding author: WANG Weihong

        E-mail: wwh@zjut.edu.cn

        Joint Probability Space Based Self-adaptive Remote Sensing Change Detection Method

        WU Wei1,SHEN Zhanfeng2,WU Tianjun3,WANG Weihong1

        1. College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310023,China; 2. Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences,Beijing 100101,China; 3. College of Science, Chang’an University,Xi’an 710064,China;

        Abstract:A variety of factors has led to radiometric variations of the land cover, which severely limits the threshold based change detection method performance. To overcome this problem, we propose a joint probability density space based self adaptive multi-threshold change detection approach. Firstly, the two images of the same geographic area acquired at different time are transformed into the joint probability space. In which, the land cover change pixels are defined as outliers and identified by an iterative method. Then, the extracted outliers are mapped back to the original image space and determine the change area. To illustrate the performance of the proposed method, an experimental analysis on two classical applications is reported and discussed, results show that the proposed method over performed the state of art method in true rate, false alarm rate and omit alarm rate, with high stability.

        Key words:unsupervised change detection;joint probability density;self-adaptive multi threshold;iterative method

        通信作者:王衛(wèi)紅

        作者簡(jiǎn)介:第一 吳煒(1985—),男,博士,講師,研究方向?yàn)檫b感信息處理與分析。

        收稿日期:2014-09-17

        基金項(xiàng)目:國(guó)家自然科學(xué)基金(41301473); 國(guó)家科技重大專項(xiàng)(03-Y30B06-9001-13/15-01);浙江省自然科學(xué)基金(LZ14F020001)

        中圖分類號(hào):P237

        文獻(xiàn)標(biāo)識(shí)碼:A

        文章編號(hào):1001-1595(2016)01-0073-07

        引文格式:吳煒,沈占鋒,吳田軍,等.聯(lián)合概率密度空間的遙感自適應(yīng)變化檢測(cè)方法[J].測(cè)繪學(xué)報(bào),2016,45(1):73-79.DOI:10.11947/j.AGCS.2016.20140484.

        WU Wei,SHEN Zhanfeng,WU Tianjun,et al.Joint Probability Space Based Self-adaptive Remote Sensing Change Detection Method[J]. Acta Geodaetica et Cartographica Sinica,2016,45(1):73-79.DOI:10.11947/j.AGCS.2016.20140484.

        猜你喜歡
        迭代法
        迭代法求解一類函數(shù)方程的再研究
        H-矩陣線性方程組的一類預(yù)條件并行多分裂SOR迭代法
        用加速度和位移反饋修正無(wú)阻尼振動(dòng)系統(tǒng)的一種迭代法
        步進(jìn)迭代法井地聯(lián)合地震資料拓頻處理
        Jacobi迭代法與Gauss-Seidel迭代法
        多種迭代法適用范圍的思考與新型迭代法
        修正無(wú)阻尼結(jié)構(gòu)系統(tǒng)的一種有效迭代法
        基于分段迭代法的PMU的優(yōu)化配置研究
        迭代法求解約束矩陣方程AXB+CYD=E
        預(yù)條件SOR迭代法的收斂性及其應(yīng)用
        亚洲高清在线观看免费视频| 人妻少妇久久中文字幕一区二区| 国农村精品国产自线拍| 亚洲公开免费在线视频| 国产91久久精品成人看网站| 日日麻批免费40分钟无码| 精品无码人妻一区二区三区品| 欧美成人精品三级在线观看| 日本熟女视频一区二区三区| 人人人妻人人人妻人人人| 亚洲综合欧美在线一区在线播放 | 无码一区二区三区中文字幕| 乱人伦中文字幕成人网站在线| 亚洲AV无码成人精品区日韩密殿| 精品亚洲一区二区三洲 | 国产国拍精品av在线观看按摩| 在线观看亚洲AV日韩A∨| 国产一区二区三区免费在线播放| 国产精品高清网站| 日日猛噜噜狠狠扒开双腿小说| 亚洲黄色性生活一级片| 久久精品国产在热亚洲不卡| 国模冰莲自慰肥美胞极品人体图| 又黄又爽又高潮免费毛片| 丰满人妻AV无码一区二区三区| 免费在线视频亚洲色图| 人妻少妇中文字幕乱码| 亚洲综合色一区二区三区小说| 国产成人精品中文字幕| 久久亚洲av成人无码电影 | 亚洲一区二区三区美女av| 成年美女黄网站色大免费视频| 男女啪啪免费体验区| 亚洲AV无码一区二区一二区色戒| 一本色道久久亚洲av红楼| 国产精品激情| 亚洲Va中文字幕久久无码一区 | 无码人妻一区二区三区免费手机| 国产精品一区二区三区三| 在线播放真实国产乱子伦| 精品久久久久久久久久久aⅴ|