基于MSE模型的高分辨率遥感图像变化.pdfVIP

光谱学与光谱分析 。732 3 3 and 第33卷孝3背01 年 SpectralAnalysis Spectroscopy 基于MSE模型的高分辨率遥感图像变化检测 魏立飞1，王海波2 1．武汉大学印刷与包装系，湖北武汉430079 2．武汉大学测绘遥感信息工程国家重点实验室，湖北武汉430079 摘要目前，传统高光谱分辨率遥感图像变化检测方法大多基于单一特征信息进行处理，没有综合影像 所有特征信息，难以检测出完整的变化信息。为此，提出了一种基于多特征流形嵌入模型(multiviewspectral embedding，MSE)的高分辨遥感图像变化检测方法，利用该模型对图像特征变化信息向量中所有的变化信 息进行融合，获得完整的检测结果。实验结果表明，本文方法的检测精度好于传统的变化检测方法，并且稳 定性良好。 关键词高分辨率图像；变化检测；特征向量；MSE模型 中图分类号：TP79文献标识码：A 引 言 1研究方法 随着航天技术的发展，高分辨率遥感图像逐步取代传统 本文引入MSE模型对图像的多特征变化信息进行融合 航空遥感影像，成为主要的对地观测信息源[1]。利用变化检 处理。利用无约束部分优化模型保持特征变化空间低维性， 测技术从影像上提取目标的变化信息，是高分辨率遥感图像 发展机器学习理论建立统一的图像特征矩阵，最后利用 的一项重要应用[2’3]。已广泛应用在土地调查、环境检测、军MSE模型确定各地物特征信息权重，确定最优的融合准则。 事评估等领域[4’5]。 1．1部分优化模型 高分辨率遥感图像具有地物细节明显、信息量丰富、光 本研究中，发展部分优化模型的目的是为保持图像特征 谱混淆严重等特征[516]，单纯将图像灰度特征作为唯一依据的变化信息处于低维空间，简化处理的复杂程度。首先设第 进行变化检测已经无法满足实际需要[7]。选择更为适合、稳 i个特征向量为X“’一[zio，…，叠o]∈R“，其中叠。为该 定的图像特征进行变化检测逐渐成为遥感应用研究热点。目 特征向量的任意点j。为了使得特征信息表征保持在低维空 前，很多国内外专家利用高分辨率遥感图像目标特征信息进 间，需要进行空间映射转换，假设乃n为映射图像：xj。一 行变化检测研究，取得了相应的成果阻n]。但大多数高分辨 巧o，其中F。=[yP，…，正o]∈j—‘”，此时，对于点J，利 率遥感图像变化检测只利用图像单一特征信息，较少综合利 用部分优化可得 用各种特征信息，导致检测结果不完整，精度降低。 f厂(巧订一妨i))’] 为了能充分利用高分辨率遥感图像多特征信息，本文提 … argmintrl lX[硝。一舅{)，…， 出了一种基于MSE的多特征图像变化检测方法。该方法利 L(妒一谬)T-J 用MSE模型对图像中特征变化信息向量进行融合， 获得最终的变化检测结果，从而能够获得更完整的变化 1 检测结果，提高变化检测精度。 硝。一城’]diag(‘o)I= J ar掣n