中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2014年
10期
1507-1513
,共7页
崔莹%熊博莅%蒋咏梅%匡纲要
崔瑩%熊博蒞%蔣詠梅%劻綱要
최형%웅박리%장영매%광강요
变化检测%多尺度信息%结构相似度%特征矢量%模糊C均值聚类
變化檢測%多呎度信息%結構相似度%特徵矢量%模糊C均值聚類
변화검측%다척도신식%결구상사도%특정시량%모호C균치취류
change detection%multi-scale information%structure similarity%feature vector%fuzzy C-means clustering
目的 结合高斯核函数特有的性质,提出一种基于结构相似度的自适应多尺度SAR图像变化检测算法.方法 本文提出的算法包括差异图像获取、高斯多尺度分解、基于结构相似性的最优尺度选择、特征矢量构造以及模糊C均值分类.首先,通过对多时相SAR图像进行对数比运算获取差异图像,然后,利用基于图像的结构相似度估计高斯多尺度变换的最优尺度,继而在该最优尺度参数下逐像素构建变化检测特征矢量,最后通过模糊C均值聚类方法实现变化像素与未变化像素的分离,生成最终的变化检测结果图.结果 在两组真实的SAR图像数据上测试本文算法,正确检测率分别达到0.995 2和0.962 3,Kappa系数分别为0.8200和0.854 0,相比传统算法有了较大的提高.结论 本文算法充分利用了尺度信息,对噪声的鲁棒性有所提高.实测SAR数据的实验结果表明,本文算法可以智能获取最优分解尺度,显著提高了SAR图像变化检测性能.
目的 結閤高斯覈函數特有的性質,提齣一種基于結構相似度的自適應多呎度SAR圖像變化檢測算法.方法 本文提齣的算法包括差異圖像穫取、高斯多呎度分解、基于結構相似性的最優呎度選擇、特徵矢量構造以及模糊C均值分類.首先,通過對多時相SAR圖像進行對數比運算穫取差異圖像,然後,利用基于圖像的結構相似度估計高斯多呎度變換的最優呎度,繼而在該最優呎度參數下逐像素構建變化檢測特徵矢量,最後通過模糊C均值聚類方法實現變化像素與未變化像素的分離,生成最終的變化檢測結果圖.結果 在兩組真實的SAR圖像數據上測試本文算法,正確檢測率分彆達到0.995 2和0.962 3,Kappa繫數分彆為0.8200和0.854 0,相比傳統算法有瞭較大的提高.結論 本文算法充分利用瞭呎度信息,對譟聲的魯棒性有所提高.實測SAR數據的實驗結果錶明,本文算法可以智能穫取最優分解呎度,顯著提高瞭SAR圖像變化檢測性能.
목적 결합고사핵함수특유적성질,제출일충기우결구상사도적자괄응다척도SAR도상변화검측산법.방법 본문제출적산법포괄차이도상획취、고사다척도분해、기우결구상사성적최우척도선택、특정시량구조이급모호C균치분류.수선,통과대다시상SAR도상진행대수비운산획취차이도상,연후,이용기우도상적결구상사도고계고사다척도변환적최우척도,계이재해최우척도삼수하축상소구건변화검측특정시량,최후통과모호C균치취류방법실현변화상소여미변화상소적분리,생성최종적변화검측결과도.결과 재량조진실적SAR도상수거상측시본문산법,정학검측솔분별체도0.995 2화0.962 3,Kappa계수분별위0.8200화0.854 0,상비전통산법유료교대적제고.결론 본문산법충분이용료척도신식,대조성적로봉성유소제고.실측SAR수거적실험결과표명,본문산법가이지능획취최우분해척도,현저제고료SAR도상변화검측성능.
