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

        ?

        粒子群算法及多閾值指數(shù)熵的遙感影像變化檢測方法研究

        2018-07-23 00:51:56王銘佳吳俐民
        測繪工程 2018年7期
        關(guān)鍵詞:變化檢測像素閾值

        黃 亮, 王銘佳,吳俐民

        (1.昆明理工大學(xué) 國土資源工程學(xué)院,云南 昆明 650093;2.昆明市測繪管理中心,云南 昆明 650050)

        多時相遙感影像變化檢測是利用同一區(qū)域但不同時期的遙感影像,定量地分析和識別出地表覆蓋變化的特征、過程和區(qū)域。其中,對于對地表宏觀變化進(jìn)行動態(tài)監(jiān)測,仍主要采用LANDSAT 4~8和MODIS為代表的中、低空間分辨率遙感影像作為主要數(shù)據(jù)源。目前,采用中、低空間分辨率遙感影像進(jìn)行地表宏觀變化動態(tài)監(jiān)測已應(yīng)用于諸多領(lǐng)域,如城市擴(kuò)張[1]、土地利用現(xiàn)狀/土地覆蓋變化[2-3],河流及湖泊時空演變[4]、土地石漠化演變[5]等。

        幾十年來,諸多國內(nèi)外研究人員針對中、低空間分辨率遙感影像變化檢測技術(shù)開展了大量研究,并提出很多有效的方法。這些方法主要包括兩種思路:分類后比較和直接比較法[6]。其中,直接比較法是對兩幅具有相同地理區(qū)域但不同時期的遙感影像進(jìn)行逐像素比較得到可靠的變化檢測圖的方法[7],由于該方法具有便于理解,易于實(shí)現(xiàn)的優(yōu)點(diǎn),因而被廣泛用于中、低空間分辨率遙感影像變化檢測。直接比較法涉及的關(guān)鍵技術(shù)有差異影像構(gòu)造和變化閾值選取。目前,變化閾值選取方法有很多[8],如:Ridler and Calvard algorithm[9]、Tsai (1984) algorithm[10]、Otsu algorithm[11]、Rosin algorithm[12]、Maximum Shannon Entropy Method[13]等。這些方法中,基于熵概念的方法是一種頗受研究者關(guān)注的閾值選取方法[14],但以Shannon熵為代表的信息熵存在信息易丟失的問題。為了解決該問題,Pan and Wu提出了一種雙閾值指數(shù)熵的閾值選取辦法,并取得了較為理想的分割效果,減少了信息的損失[15]。對于細(xì)節(jié)復(fù)雜,目標(biāo)地物較多的圖像,采用多閾值分割可更有效地分割出背景和多個目標(biāo)[16]。綜合考慮遙感源和運(yùn)算量,本文選取三閾值指數(shù)熵來對構(gòu)造的差異影像進(jìn)行分割獲取變化區(qū)域。

        針對多時相遙感影像變化檢測的需要,本文提出基于多閾值指數(shù)熵的遙感影像變化檢測方法。同時,針對指數(shù)熵方法因閾值數(shù)量增加,而帶來的閾值選取難和運(yùn)算量增大的問題,本文引入粒子群算法,提出一種基于粒子群算法及多閾值指數(shù)熵的遙感影像變化檢測新方法。采用粒子群優(yōu)化算法尋找三閾值指數(shù)熵的最優(yōu)閾值,并將得到的閾值用于差異影像分割,從而識別差異影像中變化區(qū)域和非變化區(qū)域。實(shí)驗(yàn)結(jié)果表明,該方法能準(zhǔn)確分割差異影像得到變化區(qū)域,是一種有效、可行的變化檢測方法。

        1 基本原理

        1.1 三閾值指數(shù)熵法基本原理

        假定原始差異影像大小為M×N,灰度級取0,1,…,L-1,假定閾值t將影像分為目標(biāo)(變化類)和背景(非變化類)兩大類,Pi為灰度級i的像素出現(xiàn)的概率,則目標(biāo)部分的熵為[15]

        (1)

        背景部分熵為

        (2)

        最佳閾值t*滿足:

        T(t*)=Argmax0

        Hunchange(t)}.

        (3)

        將指數(shù)熵法擴(kuò)展到三閾值分割時,則有3個閾值t1,t2和t3;將圖像分為4類C0,C1,C2和C3,其中:

        C0={0,2,…,t1},

        C1={t1+1,t1+2,…,t2},

        C2={t2+1,t2+2,…,t3},

        C3={t3+1,t3+2,…,L-1}。

        (4)

        (5)

        (6)

        (7)

        其中:

        H(C1)+H(C2)+H(C3)}.

        (8)

        1.2 PSO基本原理

        PSO[17]是一種有效的全局尋優(yōu)算法,是由Kennedy和Eberhart于1995年提出的。該算法起源于一種簡單的社會模擬現(xiàn)象,最初設(shè)想是模擬對鳥群覓食的過程,后來學(xué)者們漸漸將PSO作為一種優(yōu)化工具進(jìn)行廣泛的應(yīng)用。PSO優(yōu)化算法和其他的優(yōu)化算法類似,即將尋優(yōu)的參數(shù)組合成群體,通過對環(huán)境的適應(yīng)度來將群體中的個體向好的區(qū)域移動。與其他算法的不同之處在于,PSO優(yōu)化算法在描述個體時,將其看作D維空間中一個沒有提及的微粒(點(diǎn)),在每一次迭代中,通過將微粒的歷史最佳位置——個體極值pbest和群體的歷史最佳位置——全局極值gbest結(jié)合起來, 來更新每個粒子的速度和位置。

        (9)

        (10)

        式中:k為迭代次數(shù);xi,vi分別為第i個隨機(jī)粒子的位置和速度;c1,c2為學(xué)習(xí)因子,通常c1=c2=2;r1,r2為介于(0,1)之間的隨機(jī)數(shù);w為權(quán)重。

        PSO算法概念簡單、容易實(shí)現(xiàn),搜索速度快范圍大,與其它優(yōu)化算法相比,它的優(yōu)點(diǎn)較為突出。

        2 研究方法

        假定f和g分別為T1和T2時期獲取的同一地理區(qū)域經(jīng)幾何配準(zhǔn)的兩幅遙感影像,影像大小均為M×N像素。由于由配準(zhǔn)誤差引起的虛檢像素基本分布在邊緣附近1個像素的范圍內(nèi),為了保證變化檢測精度,本文在前期對兩幅遙感影像進(jìn)行精確配準(zhǔn),將配準(zhǔn)誤差控制在0.6個像素。f={f(x,y),1≤x≤M,1≤y≤N}和g={g(x,y),1≤x≤M,1≤y≤N},f(x,y)和g(x,y)分別表示影像中第x行、第y列的灰度值。為了實(shí)現(xiàn)利用粒子群算法及三閾值指數(shù)熵的遙感影像非監(jiān)督變化檢測方法,其流程圖如圖1所示。

        1)差異影像構(gòu)造。采用灰度差值法構(gòu)造差異影像。圖像差值法是指對T1和T2時相的遙感影像中對應(yīng)的像素值進(jìn)行減法運(yùn)算。采用的差值法為

        D(x,y)=255-|f(x,y)-g(x,y)|,

        (11)

        0≤f(x,y)≤255,0≤g(x,y)≤255.

        (12)

        式中:f(x,y)和g(x,y)分別為不同時相影像上第x行、第y列像素的灰度值;D(x,y)為用灰度差值法構(gòu)造的差異影像。若一個像素未發(fā)生改變,則D(x,y)=255,反之,如果這個像素的變化程度越大,那么D(x,y)就離0越近。

        3)變化檢測精度評價(jià)。為了定量定性的評價(jià)提出方法的有效性,本文通過總體錯誤率、虛檢率和漏檢率3個指標(biāo)來定量評價(jià)變化檢測的精度[18]。

        圖1 提出方法流程

        3 實(shí)驗(yàn)結(jié)果與分析

        3.1 實(shí)驗(yàn)數(shù)據(jù)

        為了驗(yàn)證提出方法的可行性和準(zhǔn)確性,選取一組多時相遙感影像作為實(shí)驗(yàn)數(shù)據(jù)。實(shí)驗(yàn)區(qū)為鄱陽湖某局部區(qū)域,獲取時間分別為1989年7月(如圖2(a))所示和2010年1月(如圖2(b))所示。兩期影像均為空間分辨率為30 m的Landsat-5遙感影像。影像數(shù)據(jù)來源于中國科學(xué)院數(shù)據(jù)云網(wǎng)站中的地理空間數(shù)據(jù)云。兩期遙感影像的大小均為510像素×510像素,變化區(qū)域參考圖如圖3(a)所示,黑色區(qū)域?yàn)樽兓瘏^(qū)域。其中,變化的像素為69 413像素,未變化的為190 687像素,參考影像主要是通過人工解譯而得到。

        實(shí)驗(yàn)設(shè)計(jì)了2組對比實(shí)驗(yàn),第1組是本文方法與利用FCM算法[19]的非監(jiān)督變化檢測方法[20]進(jìn)行對比;第2組是本文方法與利用雙閾值指數(shù)熵、三閾值指數(shù)熵的非監(jiān)督變化檢測方法進(jìn)行對比。

        3.2 實(shí)驗(yàn)結(jié)果分析

        圖3(b)為利用FCM算法的非監(jiān)督變化檢測方法得到的結(jié)果圖,圖3(c)是采用本文方法得到的結(jié)果圖。圖3(d)、3(e)和3(f)分別對應(yīng)于圖3(a)、3(b)和3(c)中的矩形框區(qū)域。實(shí)驗(yàn)分別對以上兩種方法進(jìn)行精度評價(jià),結(jié)果如表1所示。從表1可見,采用本文方法,虛檢的變化像素為6 712像素,虛檢率為3.52%;總體錯檢像素13 612像素,總體錯檢率為5.23%。從縱向來比較,本文方法相較于FCM法來說,虛檢的像素?cái)?shù)少了7 692個,總體錯檢像素少了5 628個,總體錯檢率低了2.17%。對比圖3中的3幅變化圖可以看出,F(xiàn)CM法將較多未變化支流錯檢為變化區(qū)域,導(dǎo)致了錯檢率的上升;而本文方法對部分支流給出了正確的識別。在虛檢率、漏檢率以及總體錯檢率3項(xiàng)指標(biāo)中,本文方法在虛檢率和總體錯檢精度2項(xiàng)指標(biāo)中優(yōu)于FCM法。實(shí)驗(yàn)表明,本文方法是一種有效地、可行的變化檢測方法。

        圖4(a)是采用雙閾值指數(shù)熵的非監(jiān)督變化檢測方法得到的結(jié)果圖,圖4(b)是采用三閾值指數(shù)熵的非監(jiān)督變化檢測方法得到的結(jié)果圖,圖4(c)是采用本文方法得到的結(jié)果圖。圖4(d)、4(e)和4(f)分別對應(yīng)于圖4(a)、4(b)和4(c)中的矩形框區(qū)域。實(shí)驗(yàn)分別對以上3種方法進(jìn)行精度評價(jià),結(jié)果如表2所示。從表2可見,本文方法相較于雙閾值指數(shù)熵法,總體錯檢率有小幅降低。雖然本文方法和傳統(tǒng)三閾值指數(shù)熵法都是采用三閾值指數(shù)熵對差異影像進(jìn)行分割,但由于閾值選取方法的差異,選取的閾值也不同,變化檢測結(jié)果存在較大差異。提出方法存在較低的虛檢率,而傳統(tǒng)三閾值指數(shù)熵法則是存在較低的漏檢率。本文方法相較于傳統(tǒng)三閾值指數(shù)熵法,總體錯檢率降低了2.21%。對比圖4中的三幅變化圖可以看出,本文方法得到的變化結(jié)果圖略優(yōu)于雙閾值指數(shù)熵法,明顯優(yōu)于三閾值指數(shù)熵法的變化結(jié)果圖。

        在運(yùn)算時間方面,由于提出方法采用了PSO優(yōu)化算法,有效地提高了算法的運(yùn)算速度,保證了算法的高效性。采用提出方法的運(yùn)行時間為1.980 5 s,而采用傳統(tǒng)三閾值指數(shù)熵法則用了29.028 4 s。實(shí)驗(yàn)結(jié)果表明,采用提出方法可大幅提高運(yùn)算速度。

        圖3 第1組對比實(shí)驗(yàn)變化檢測

        圖4 第2組對比實(shí)驗(yàn)變化檢測

        變化檢測方法虛檢率/%漏檢率/%總體錯檢率/%FCM法 14 404像素7.554 836像素6.9719 240像素7.40本文方法6 712像素3.526 900像素9.9413 612像素5.23

        表2 第2組實(shí)驗(yàn)虛檢率、漏檢率以及總體錯檢率

        4 結(jié) 論

        對于細(xì)節(jié)復(fù)雜、目標(biāo)地物較多的影像,采用多閾值可提高閾值分割的精度,但閾值數(shù)量的增加勢必會增加計(jì)算難度和運(yùn)算量,從而造成大量時間的耗費(fèi)。針對該問題,采用PSO算法選取三閾值指數(shù)熵法的最優(yōu)閾值,并將其用于對構(gòu)造的差異影像進(jìn)行分割獲取多時相遙感影像變化區(qū)域。本文以1989年和2010年獲取的鄱陽湖某局部區(qū)域空間分辨率為30 m的Landsat-5遙感影像作為實(shí)驗(yàn)數(shù)據(jù)源。經(jīng)實(shí)驗(yàn)驗(yàn)證,粒子群算法能快速、有效地搜索到全局最優(yōu)的三個變化閾值,且得到的變化檢測結(jié)果具有較高精度,正確率高達(dá)94.77%,優(yōu)于FCM法、雙閾值指數(shù)法及傳統(tǒng)三閾值指數(shù)法。同時在運(yùn)行時間上,提出方法相較于傳統(tǒng)三閾值指數(shù)法有大幅提高。

        本文提出的方法主要適用于中、低空間分辨率遙感影像,可用于流域時空變化分析、農(nóng)村聚落分析、城市擴(kuò)張分析、土地利用現(xiàn)狀/土地覆蓋變化、土地石漠化演變等。

        猜你喜歡
        變化檢測像素閾值
        趙運(yùn)哲作品
        藝術(shù)家(2023年8期)2023-11-02 02:05:28
        用于遙感圖像變化檢測的全尺度特征聚合網(wǎng)絡(luò)
        像素前線之“幻影”2000
        基于多尺度紋理特征的SAR影像變化檢測
        小波閾值去噪在深小孔鉆削聲發(fā)射信號處理中的應(yīng)用
        “像素”仙人掌
        基于稀疏表示的視網(wǎng)膜圖像對變化檢測
        基于自適應(yīng)閾值和連通域的隧道裂縫提取
        基于Landsat影像的黃豐橋林場森林變化檢測研究
        比值遙感蝕變信息提取及閾值確定(插圖)
        河北遙感(2017年2期)2017-08-07 14:49:00
        孩交精品xxxx视频视频| 国产zzjjzzjj视频全免费| 天天综合亚洲色在线精品| 天天躁日日躁狠狠躁一区| 久久精品国产99精品国偷| 尤物蜜芽福利国产污在线观看| 日韩精品av在线一区二区| 亚洲日产乱码在线中文字幕| 女同精品一区二区久久| 欧美成人精品a∨在线观看| 精品少妇人妻av一区二区| 欧美国产日产一区二区 | 最新国产福利在线观看精品| 麻豆亚洲av永久无码精品久久| 亚洲欧美日韩高清中文在线 | 色噜噜亚洲男人的天堂| 377p日本欧洲亚洲大胆张筱雨| 国产精品永久免费视频| 国产91 对白在线播放九色| 亚洲青涩在线不卡av| 一个人午夜观看在线中文字幕| 亚洲精品一区二区国产精华液 | 亚洲国产综合人成综合网站| 国产美女三级视频网站| 一区二区三区日本视频| 狂猛欧美激情性xxxx大豆行情| 亚洲av无码专区亚洲av伊甸园 | 国产高清在线91福利| 青青草在线成人免费视频| 日本国产精品久久一线| 成人一区二区免费中文字幕视频| 麻麻张开腿让我爽了一夜| 久久亚洲国产中v天仙www| 少妇高潮紧爽免费观看| 韩国日本一区二区在线| 狠狠色噜噜狠狠狠777米奇| 久久综合国产乱子伦精品免费| 中文亚洲日韩欧美| 国产三级黄色片子看曰逼大片| 91三级在线观看免费| 正在播放强揉爆乳女教师|