基于对象级半监督CV模型的遥感影像变化检测方法.pdf
是雁****找我
亲,该文档总共17页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于对象级半监督CV模型的遥感影像变化检测方法.pdf
本发明提供基于对象级半监督CV模型的遥感影像变化检测方法,包括:对各时相遥感影像进行预处理;将影像叠加后进行多尺度分割,形成同质的影像对象;计算各影像对象的变化强度特征,并对像素进行特征映射,得到变化强度特征图;将对象变化强度特征进行初始聚类,得到隶属度矩阵;采用信息熵度量方法计算每个对象的类别标记信息熵,进而进行类别初始标注,生成类别标记知识;将变化强度特征图作为输入特征,将类别标记知识引入CV模型,构造顾及类别标记知识的能量泛函,建立对象级半监督CV模型;通过求解能量泛函对应的欧拉方程,构造能量约束,
基于非局部CV模型的SAR图像变化检测方法.pdf
本发明公开了一种基于非局部CV模型的SAR图像变化检测方法,实现步骤包括:(1)输入同一区域不同时间的两幅SAR图像构造差异图;(2)在差异图上做矩形轮廓曲线,初始化水平集函数;(3)计算内部区域的灰度均值和外部区域的灰度均值;(4)构建基于非邻域和基于区域信息的总能量函数E;(5)通过梯度下降法最小化E更新水平集函数φ,获得新的水平集函数φ
基于半监督稀疏鉴别嵌入的高光谱遥感影像分类方法.pdf
本发明提供一种基于半监督稀疏鉴别嵌入的高光谱遥感影像分类方法,其采用半监督稀疏鉴别嵌入算法对高光谱遥感影像进行维数简约,结合了近邻流形结构及稀疏性的优点,不仅保留样本间的稀疏重构关系,而且利用稀疏表示的自然判别能力,无需人为地选择近邻参数值,一定程度上缓解了近邻参数选择的困难,同时利用少量有标记训练样本以及部分无标记训练样本来发现蕴藏在高维数据的内在属性以及低维流形结构,能够提高对高光谱遥感影像中地物类别的分类精度;同时,本发明方法通过有区别的对待已标注数据与无标注数据,最大程度的增加相同地物类别的数据点
基于卷积神经网络的遥感影像变化检测方法.pdf
本申请的实施例提供了基于卷积神经网络的遥感影像变化检测方法、装置、设备和计算机可读存储介质。所述方法包括获取连续的多期遥感影像;将所述连续的多期遥感影像,输入至变化检测模型中,确定目标地物的变化区域;所述变化区域为包括目标地物增、减属性的区域;对所述变化区域进行标定,得到所述遥感影像的检测结果。以此方式,提高了遥感影像检测结果的可靠性。
一种基于遗传规划的遥感影像变化检测方法.pdf
一种基于遗传规划的遥感影像变化检测方法,其用于对两幅不同时间的相同区域的遥感影像信息进行变化检测,其包括如下步骤,步骤A,通过计算机获取针对同一区域的不同时间的两幅遥感影像信息,并对两幅遥感影像产品采用同一坐标系进行校正。步骤B,在步骤A所选择的两期遥感影像中,选取不少于100个面状样本来作为样本数据。步骤C,基于步骤B所获得的样本数据,利用遗传规划计算用于两幅遥感影像数据比较的阈值函数,进行两期遥感影像的变化检测。本申请所提供的基于遗传规划的遥感影像变化检测方法,能够充分挖掘不同时相影像特征之间的隐含信