APP下载

自适应距离和模糊拓扑优化的模糊聚类SAR影像变化检测

2018-06-05王建明史文中

测绘学报 2018年5期
关键词:检测

王建明,史文中,邵 攀,

1. 武汉大学遥感信息工程学院,湖北 武汉 430079; 2. 香港理工大学土地测量及地理资讯学系,香港 九龙

遥感变化检测是对地观测应用中的关键技术[1]。因合成孔径雷达(synthetic aperture radar,SAR)具有全天时、全天候和能够穿透某些地物等成像优势[2],SAR影像变化检测技术受到了越来越多的关注[1-7]。

最常用的变化检测一般基于“差分影像”[8],该方法首先通过对比两期影像生成差分影像,然后通过分析差分影像获取地表变化信息。本文的重点是分析差分影像,其本质是一个二分类问题[9],即将差分影像划分为未变化和变化两类。

模糊C均值[10](fuzzy C-means,FCM)具有无须建立模型、性能稳定以及对数据不确定性建模等优势[11],能够实现对差分影像的有效分割,在遥感变化检测领域有着广泛的应用[5,9,12-17]。文献[13]利用FCM通过TM(thematic mapper)影像进行火灾和湖水变化检测,取得了良好的检测效果。但因FCM未考虑空间信息,其对噪声比较敏感,为此,许多学者从不同角度将空间信息引入FCM中,提出许多改进算法[5,11]。

为提高FCM的运行效率和对噪声的稳健性,文献[18]提出上下文敏感的快速模糊C均值算法(fast generalized FCM,FGFCM)。文献[16]将FGFCM引入变化检测中,提高了FCM对较小变化区域的检测性能。为确保对噪声不敏感同时,保留更多细节信息,文献[11]通过定义一个全新的模糊因子Gkn增强了FCM的目标函数,提出模糊局部信息C均值聚类算法(fuzzy local information C-means,FLICM)。文献[14]将FLICM应用到SAR影像变化检测中,取得了良好的检测效果。针对Gkn的不足,文献[5]对其进行优化,提出增强的FLICM算法(reformulated FLICM,RFLICM),实现了对差分影像空间信息的更有效利用。……

登录APP查看全文

猜你喜欢

检测
QC 检测
小波变换在PCB缺陷检测中的应用