APP下载

基于KPCA和Kmeans++的遥感影像变化检测研究

2021-11-10冯永亮申少格

电子设计工程 2021年21期

冯永亮,申少格

(西安文理学院信息工程学院,陕西西安710065)

随着航空航天遥感技术的飞速发展,面对具有“三多”(多传感器、多平台、多角度)和“三高”(高空间分辨率、高光谱分辨率、高时相分辨率)的海量遥感影像数据,如何通过变化检测技术解决4W(When、Where、What object、What change)问题显得尤为迫切[1]。国内外学者陆续从不同的应用角度提出了各种各样的变化检测方法,并已广泛应用于土地利用、植被覆盖、森林变化、灾害检测等领域。但是,目前尚没有一种方法能够适合所有的应用问题。文中针对多光谱遥感影像在低维空间非线性可分这一问题,提出了一种基于KPCA 和Kmeans++的变化检测方法,求取两个时相影像差值的绝对值后,通过KPCA 将低维空间数据转为高维特征向量,进而生成差异图像,接着经过Kmeans++聚类,生成变化结果图像。

1 原理与方法

1.1 遥感影像变化检测

变化检测是通过观察不同时相的地物或现象识别其状态变化的过程[2]。变化检测过程主要分为4 个阶段:预处理阶段、变化检测阶段、阈值分割阶段以及精度评价阶段[3]。首先针对选取的数据进行数据配准和辐射校正等预处理工作,然后根据特征差异生成变化信息,接着生成具有语义特征的变化结果,最后评价变化检测的精度。国内外学者已经从数据时相、分析粒度、先验信息、空间维度、时间尺度等不同的角度对变化检测方法进行了分类[4],其中,变化检测根据分析粒度可分为像素级、特征级以及对象级3 种方式。PCA 主成分分析法就是一种基于像素级的变化检测方法。……

登录APP查看全文