有监督上下文相似度图像变化检测-计算机系统应用.pdfVIP

有监督上下文相似度图像变化检测-计算机系统应用.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
有监督上下文相似度图像变化检测-计算机系统应用

计 算 机 系 统 应 用 2016 年 第 25 卷 第 8 期 ① 有监督上下文相似度图像变化检测 高雷阜, 李 超 (辽宁工程技术大学 理学院, 阜新 123000) 摘 要: 图像变化检测中存在变化区域过高估计的问题. 为解决此问题, 提出一种基于上下文相似度的有监督图 像变化检测方法, 用于二时刻高分辨率多光谱卫星图像的变化检测. 利用上下文相关度和像素点相邻部分的局 部斜率和截距来描述变化方向, 然后通过带有局部斜率和截距的支持向量机(SVM)进行图像变化检测. 数值实验 得出了用于高分辨率地震(包括建筑损毁)二元多光谱图像的变化检测的结果. 与已有方法相比, 明显抑制了错分 类现象, 对于解决变化区域过高估计问题是有效的. 关键词: 上下文; 相似度; 有监督; 支持向量机; 变化检测 Image Change Detection with Supervised Context Similarity GAO Lei-Fu, LI Chao (College of Science, Liaoning Technical University, Fuxin 123000, China) Abstract: To deal with the problem that changed areas are overestimated in image change detection, a context-sensitive similarity based supervised image change detection method is proposed and applied in bi-temporal high resolution and multispectral satellite image change detection. It exploits both context-sensitive magnitude and direction of change in the vicinity of each pixel by means of local intercept and slope, and uses support vector machine (SVM) with local intercept and slope for image change detection. The results are from experiments for change detection of high resolution bi-temporal multispectral earthquake images including building damage. It is obvious that the false alarms are mostly reduced, which means it is effective for solving changed area overestimation problems. Key words: context-sensitive; similarity; supervised; SVM; change detection 遥感图像变化检测[1]对于地表目标变化分析具有 单次的分类错误会带入后面的分类, 对最终结果造成 重要的参考价值. 随着图像种类的增加和数据量的大 影响; 而文献[3]的多日期直接对比方法是将二时刻图 规模增涨, 变化检测方法所面临的问题也越来越多. 像集中后一次性进行分类, 错误不会延续. 但传统的 变化检测方法的精确度也亟需提高. 因此, 设计精确 变化检测方法均容易造成变化区域过高估计的问题. 有效的变化检测方法, 尽可能避免错分类和漏分类问 其优势在于不需要大气修正. 题, 成为变化检测研究

文档评论(0)

zhuwo + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档