结合结构相似度的自适应多尺度SAR图像变化检测
目的 结合高斯核函数特有的性质,提出一种基于结构相似度的自适应多尺度SAR图像变化检测算法.方法 本文提出的算法包括差异图像获取、高斯多尺度分解、基于结构相似性的最优尺度选择、特征矢量构造以及模糊C均值分类.首先,通过对多时相SAR图像进行对数比运算获取差异图像,然后,利用基于图像的结构相似度估计高斯多尺度变换的最优尺度,继而在该最优尺度参数下逐像素构建变化检测特征矢量,最后通过模糊C均值聚类方法实现变化像素与未变化像素的分离,生成最终的变化检测结果图.结果 在两组真实的SAR图像数据上测试本文算法,正确检测率分别达到0.995 2和0.962 3,Kappa系数分别为0.8200和0.854 0,相比传统算法有了较大的提高.结论 本文算法充分利用了尺度信息,对噪声的鲁棒性有所提高.实测SAR数据的实验结果表明,本文算法可以智能获取最优分解尺度,显著提高了SAR图像变化检测性能.
变化检测、多尺度信息、结构相似度、特征矢量、模糊C均值聚类
19
TP301.6(计算技术、计算机技术)
国家自然科学基金项目61201338
2014-10-31(万方平台首次上网日期,不代表论文的发表时间)
共7页
1507-1513