光学精密工程
光學精密工程
광학정밀공정
OPTICS AND PRECISION ENGINEERING
2014年
10期
2832-2839
,共8页
张雄美%易昭湘%田淞%宋建社
張雄美%易昭湘%田淞%宋建社
장웅미%역소상%전송%송건사
合成孔径雷达图像%图像变化检测%形态学属性断面%阈值法%支持向量机
閤成孔徑雷達圖像%圖像變化檢測%形態學屬性斷麵%閾值法%支持嚮量機
합성공경뢰체도상%도상변화검측%형태학속성단면%역치법%지지향량궤
Synthetic Aperture Radar(SAR) image%image change detection%Morphological Attribute Profile (MAP)%thresholding%Support Vector Machine (SVM)
针对传统合成孔径雷达(SAR)图像变化检测方法存在误差大、检测率低等问题,提出了一种基于形态学属性断面(MAP)的SAR图像变化检测方法.该方法利用MAP算法提取差异图像的几何结构特征,构造深入描述图像结构化信息的特征向量空间;在利用阈值法对图像进行分割的基础上,引入偏移因子,实现训练样本的自动选取;最后,用支持向量机(SVM)在多维特征空间中对图像进行变化类与非变化类的分类.实验结果显示:本文算法的检测结果优于基于高斯模型的KI阈值法(GM_KI)、基于广义高斯模型的KI阈值法(GGM_KI)和大津法(Otsu)等3种阈值法的检测结果,Kappa系数保持在0.87以上;当峰值信噪比(PSNR)介于[29,44]dB时,抗噪性能指标保持在0.97以上.这些结果证明了文中方法的有效性和优越性.
針對傳統閤成孔徑雷達(SAR)圖像變化檢測方法存在誤差大、檢測率低等問題,提齣瞭一種基于形態學屬性斷麵(MAP)的SAR圖像變化檢測方法.該方法利用MAP算法提取差異圖像的幾何結構特徵,構造深入描述圖像結構化信息的特徵嚮量空間;在利用閾值法對圖像進行分割的基礎上,引入偏移因子,實現訓練樣本的自動選取;最後,用支持嚮量機(SVM)在多維特徵空間中對圖像進行變化類與非變化類的分類.實驗結果顯示:本文算法的檢測結果優于基于高斯模型的KI閾值法(GM_KI)、基于廣義高斯模型的KI閾值法(GGM_KI)和大津法(Otsu)等3種閾值法的檢測結果,Kappa繫數保持在0.87以上;噹峰值信譟比(PSNR)介于[29,44]dB時,抗譟性能指標保持在0.97以上.這些結果證明瞭文中方法的有效性和優越性.
침대전통합성공경뢰체(SAR)도상변화검측방법존재오차대、검측솔저등문제,제출료일충기우형태학속성단면(MAP)적SAR도상변화검측방법.해방법이용MAP산법제취차이도상적궤하결구특정,구조심입묘술도상결구화신식적특정향량공간;재이용역치법대도상진행분할적기출상,인입편이인자,실현훈련양본적자동선취;최후,용지지향량궤(SVM)재다유특정공간중대도상진행변화류여비변화류적분류.실험결과현시:본문산법적검측결과우우기우고사모형적KI역치법(GM_KI)、기우엄의고사모형적KI역치법(GGM_KI)화대진법(Otsu)등3충역치법적검측결과,Kappa계수보지재0.87이상;당봉치신조비(PSNR)개우[29,44]dB시,항조성능지표보지재0.97이상.저사결과증명료문중방법적유효성화우월성.
