高分遥感影像信息处理与信息提取PPT课件.ppt

* 像素级变化检测 传统的基于像元的变化检测方法，仅从像元本身的光谱特征进行分析，能够描述与提取的特征非常有限，进而造成变化检测效果欠佳。 我们从图中所标注的区域可以看出，该区域没有发生变化，但是却误检为变化区域，并且结果图中存在大量的“椒盐”噪声。 (a)第一时相数据 （b）第二时相数据 （c）结果图 * 基于多特征证据融合的变化检测 高空间分辨率遥感图像所具有的地物细节明显、光谱混淆现象严重的特点造成单纯依据图像灰度特征的变化检测方法变得不太适用。为此，依据更为稳定的图像特征，进行高空间分辨率遥感图像的变化检测，逐渐成为研究的热点。 不同的视觉特征反映了图像不同侧面并互为补充，单独使用某一特征进行变化检测都有可能造成漏检或误检 ，为此，应该考虑综合利用多特征进行变化检测。本方法对边缘、纹理、梯度等多证据进行证据融合，实现了多种变化证据的综合利用。 * 证据理论简介 证据理论作为一种数学工具，它允许人们对不精确、不确定性问题进行建模，并进行推理。证据理论可以根据各源信息对系统整体进行归纳和估计，做出正确的决策。 证据理论是建立在一个非空集合 U上的理论，称为U辨别框架 ，它由一系列互斥且穷举的元素组成。对于问题域中任意命题 A，都应属于幂集 2U，则可在2U上定义一个基本概率赋值函数(BPAF) m：2U → [0,1]，使m满足 m(Φ)=0 * 证据理论简介 对于不同的证据源，证据理论采用正交和来组合这些证据源。 设m1，m2， ? ，mn是n个基本概率赋值函数，则其正交和为： m=m1?m2 ?? ?mn 且定义为 m(?)=0 （ ） 其中 k反映了证据的冲突程度 。 * 4.3 技术步骤 多特征提取 * 技术步骤 定义BPAF * 技术步骤 多证据融合 * 实验与分析 （a）数据一03年ALOS数据 （b）数据一05年ALOS数据 （c）数据二03年ALOS数据 （d）数据二05年ALOS数据 * (a)梯度、纹理和边缘特征融合的检测结果 (b)边缘和梯度特征融合的检测结果 (c)纹理和边缘特征融合的检测结果 (d)纹理和梯度特征融合的检测结果 三种证据源的各种组合方式比较 检测出了主要变化区域，但较敏感 检测出了主要变化区域 检测出了主要变化区域，存在误检 存在误检和漏检 * (e)边缘特征的检测结果 (f)梯度特征的检测结果 (g)纹理特征的检测结果 (h)基于相似度验证的方法检测结果 三种证据源的各种组合方式比较 漏检严重 漏检严重 误检严重 漏检严重 * 变化检测方法 变化像元数 检测出的变化像元数及检测概率 检测出的非变化像元数及虚警概率 相似度验证方法 55093 25015 45.4% 1012 1.8% 边缘和梯度特征融合方法 55093 50057 90.8% 5178 9.3% 梯度、纹理和边缘特征融合方法 55093 51239 93.0% 5627 10.2% 变化检测结果分析 从上表可以看出基于相似度验证的方法检测概率只有45.4%，而梯度、纹理和边缘特征三者进行融合检测方法与边缘、梯度特征二者进行融合检测方法的检测概率都在90%以上。 可以看出，梯度、纹理和边缘特征三者进行融合的检测结果与边缘、梯度特征二者进行融合的检测结果相对较好，都检测出了该区域的主要变化区域，但梯度、纹理和边缘特征三者进行融合对变化较为敏感。 2002-10-25 * 2002-10-25 * 2002-10-25 * 2002-10-25 * 2002-10-25 * * * Road width variance is small and road width change is likely to be slow. 2) Road direction changes are likely to be