摘要：针对多时相遥感影像变化检测存在数据不确定性、检测精度不高等问题,提出了一种结合变化向量分析(CVA)和直觉模糊C均值聚类算法(IFCM)的多时相遥感影像变化检测方法.首先通过CVA构建两个时相遥感影像的差异影像;然后采用直觉模糊C均值聚类算法对差异影像进行聚类得出变化区域和未变化区域;最后对变化检测结果进行二值化处理并进行精度评价.选取两个时相的高分一号遥感影像和Szada数据集影像作为实验数据.实验结果表明,采用提出的方法可有效解决传统方法存在的数据不确定性问题,变化检测精度达到了95.92%和92.70%,是一种可行的遥感影像变化检测方法.研究结果可用于森林动态变化监测、土地复垦利用规划变化分析以及灾损评估.

摘要：针对高分辨率遥感影像信息丰富,地物变化复杂,导致变化检测结果精度较低问题。提出融合变化向量分析(CVA)与深度学习的高分辨率遥感影像变化检测方法。首先,采用CVA变化检测方法提取遥感影像上变化区域、非变化区域以及不确定区域;然后,利用改进的小型U型网络模型(Unet)进行遥感影像变化检测区域提取;最后,利用影像空间信息对提取的变化区域进行后处理,以减少漏检、虚检以及“椒盐噪声”影响。实验结果表明,该方法比仅使用小型Unet网络或CVA算法可更准确地检测出遥感影像中的变化地物。

摘要：根据耕地在作物全生长季内光谱特征变化频繁,其他地物光谱特征相对稳定或有规律变化的区别,基于多时相TM图像,结合相关地物的变化检测成果,提出了一种耕地信息提取方法,即首先利用改进的归一化差值水体指数(mordified normalized difference water index,MNDWI)剔除水体,然后利用基于分类后验概率变化向量分析方法剔除其他非耕地植被及人工地面,再利用面积阈值结合众数滤波方法去除噪声,最终得到耕地信息。将该方法在北京市通州区进行试用,总体识别精度达到93.3%,得到的耕地信息对修正原有耕地矢量图上的错分和漏分有重要作用。