10.3969/j.issn.1001-506X.2019.10.09
基于l1范数主成分分析的极化SAR图像变化检测
为提高极化合成孔径雷达(synthetic aperture radar,SAR)图像变化检测算法的鲁棒性以及检测精度,提出基于范数主成分分析(linorm principal component analysis,l1-PCA)模型的变化检测算法.首先,采用基于Hotelling-Lawley复矩阵迹变化检测算子构造差异图;其次,采用l1-PCA模型获取差异图的变化信息,使得每个像素以一个特征向量来表示;最后,使用k-means算法对变化信息进行聚类,得到变化检测结果.该方法是一种非监督变化检测方法,相比于基于2范数的PCA检测方法,l1-PCA在特征提取方面具有更高的鲁棒性,并且可以进一步提高变化检测精度.基于RADARSAT-2卫星获取的3幅图像进行的实验结果表明,相较于其他两种典型算法,所提算法更加稳定,精确度更高.
极化合成孔径雷达图像、变化检测、阈值分割、l1-PCA
41
TP751.1(遥感技术)
国家自然科学基金61771043;中央高校基本科研业务费专项资金FRF-TP-18-013A2;北京科技大学与台北科技大学学术合作专题研究计划TW2019010资助课题
2019-11-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
2214-2220