基于UDWT融合和聚類的多时相遥感图像变化检测.docxVIP

基于UDWT融合和聚类的多时相遥感图像变化检测 刘小艳，覃亚丽 （浙江工业大学信息工程学院光纤通信与信息工程研究所, 浙江杭州 310023） 摘 要：针对多时相遥感影像变化检测问题，提出了是你首先提出的？一种基于小波融合和模糊聚类的变化检测方法。该方法利用差值图和对数比值图分别进行非抽样小波变化（Undecimated Discrete Wavelet transform ，UDWT），然后将小波系数进行融合，并将融合后的系数用多尺度序列表示。最后利用模糊局部信息C均值聚类（Fuzzy Local-information C-means Clustering ，FLICM）对多尺度特征向量进行聚类分析。FLICM加入了空间邻域信息，对噪声有较好的鲁棒性。实验结果证实了该算法效率更高与谁比？。 是你首先提出的？ 与谁比？ 关键词：小波融合；非抽样小波变换；模糊局部信息C均值聚类；空间邻域信息 中图分类号：TP751.1 文献标识码：A Change Detection of Multi-temporal Remote Sensing Data Based on UDWT and FLICM LIU Xiao-yan，QIN Ya-li （Institute of Fiber Communication Information Engineering, College of Information Engineering,Zhejiang University of Technology, Hangzhou Zhejiang 310023，China） Abstract: This paper proposes a novel technique for change detection in multitemporal satellite images, which is based on wavelet fusion and fuzzy clustering. Firstly, the difference images by differencing operation and log-ratio operation are decomposed using UDWT, then, wavelet coefficient are fused to obtain multiscale representation. The final change detection map is achieved by clustering the multiscale feature vectors using FLICM algorithm. FLICM clustering considers the spatial-contextual information, it has good robustness for noise. Experimental results show that the proposed approach is more efficient. Key words: wavelet fusion；undecimated discrete wavelet transform(UDWT) ；fuzzy local-information C-means clustering(FLICM) ；the spatial-contextual information 1 引言 变化检测是遥感应用的重要内容之一。近年来，随着人类活动的加剧，全球环境发生了很大的变化，致使研究的兴起，基于遥感图像的变化检测在许多领域得到了广泛应用，如城市扩展、植被变化、湿地变化[1]、灾害检测[2][，3]等。通常，变化检测是指对涉及到的已配准的同一区域内的遥感图像必须是不同时间同一区域内的遥感图像检测其变化。在变化检测的处理技术方面，基于监督变化检测需要地表真实数据作为训练集，而得到地面参考数据是一件很困难的任务，并且受分类器制约的影响非常大。无监督变化检测方法不需要任何先验信息，就可以对两幅多时相图像直接进行比较。所以，无监督的变化检测方法在许多实际应用方面受到青睐，是目前实际应用中更常用的方法。 最常用的无监督的变化检测方法一般分为两步[4]。第一，获取差异影像；第二，对差异影像分析和处理检测变化区域的位置。区分差异影像中变化和非变化问题可以看为图像分割问题。常用的方法是对差异图的灰度直方图去取阈值来提取变化信息，但该方法过于依赖差异影像数据的统计模型。因此本文提出了？一种自由分布的？变化检测方法，该方法结合差值图和对数比值图各自特点，利用非抽样小波多尺度融合得到新的多尺度序列，然