基于CRF模型的高分辨率遥感影像变化检测

doi:10.13474/j.cnki.11-2246.2017.0281

测绘通报 ›› 2017, Vol. 0 ›› Issue (9): 28-31.doi: 10.13474/j.cnki.11-2246.2017.0281

基于CRF模型的高分辨率遥感影像变化检测

魏立飞^1,2, 牟紫微^1,2, 王晓燕³, 李丹丹⁴

1. 湖北大学资源环境学院, 湖北武汉 430062;
2. 区域开发与环境响应湖北省重点实验室, 湖北武汉 430062;
3. 华中师范大学城市与环境科学学院, 湖北武汉 430079;
4. 农业部农业信息技术重点实验室, 北京 100081

收稿日期:2017-01-05 修回日期:2017-04-25 出版日期:2017-09-25 发布日期:2017-10-12
作者简介:魏立飞(1979-),男,博士,讲师,主要研究方向为城市遥感及遥感影像智能化处理.E-mail:weilifeihb@163.com
基金资助:
国家自然科学基金（61201341）；干旱气象科学研究基金（IAM201512）；数字制图与国土信息应用工程国家测绘地理信息局重点实验室开放研究基金（GCWD201407）；安徽省智慧城市与地理国情监测重点实验室开放基金（2016-K-02Z）。

Change Detection of High Resolution Remote Sensing Image Based on CRF Model

WEI Lifei^1,2, MOU Ziwei^1,2, WANG Xiaoyan³, LI Dandan⁴

1. Faculty of Resources and Environmental Science, Hubei University, Wuhan 430062, China;
2. Hubei Key Laboratory of Regional Development and Environmental Response, Wuhan 430062, China;
3. The College of Urban & Environmental Sciences, Central China Normal University, Wuhan 430079, China;
4. Key Laboratory of Agri-informatics, Ministry of Agriculture, P.R.China, Beijing 100081, China

Received:2017-01-05 Revised:2017-04-25 Online:2017-09-25 Published:2017-10-12

摘要/Abstract

摘要： 针对传统高分辨率遥感影像变化检测方法大多直接利用光谱信息进行计算，导致检测精度不高的缺陷，提出了一种基于条件随机场模型（CRF）的高分辨率遥感影像变化检测方法。该方法利用CRF模型融合差值影像的光谱项和空间项，在融合过程中，引入EM迭代策略不断更新影像检测结果，提高变化检测精度。试验结果表明，本文方法的分类精度好于传统方法，并且稳定性良好。

关键词: 高分辨率遥感影像, 变化检测, CRF模型, 迭代计算

Abstract: For the traditional high resolution remote sensing image change detection methods mostly using spectral information to calculate directly,thus the accuracy of the detection result is not high,this paper proposes a high resolution remote sensing image change detection method based on conditional random field model(CRF).The method fuses the spectrum and space of difference image with CRF model,in the process of fusion,introducing the EM iterative strategy constantly updated the detection result,improve the change detection accuracy.The experimental results show that the classification accuracy of this method proposed in this paper is better than the traditional method,and having good stability.

Key words: high resolution remote sensing image, change detection, CRF model, Iterative calculation

中图分类号:

P237

魏立飞, 牟紫微, 王晓燕, 李丹丹. 基于CRF模型的高分辨率遥感影像变化检测[J]. 测绘通报, 2017, 0(9): 28-31.

WEI Lifei, MOU Ziwei, WANG Xiaoyan, LI Dandan. Change Detection of High Resolution Remote Sensing Image Based on CRF Model[J]. 测绘通报, 2017, 0(9): 28-31.

参考文献

[1] 陶超,谭毅华,蔡华杰,等.面向对象的高分辨率遥感影像城区建筑物分级提取方法[J].测绘学报,2010,39(1):39-45.
[2] 孙显,付琨.高分辨率遥感图像理解[M].北京:科学出版社,2011.
[3] 李亮,舒宁,王凯,等.融合多特征的遥感影像变化检测方法[J].测绘学报,2014,43(9):945-953.
[4] 黄世奇,刘代志,胡明星,等.基于小波变换的多时相SAR图像变化检测技术[J].测绘学报,2010,39(2):180-186.
[5] 钟家强,王润生.基于自适应参数估计的多时相遥感图像变化检测[J].测绘学报,2005,34(4):331-336.
[6] 刘大伟,韩玲,韩晓勇.基于深度学习的高分辨率遥感影像分类研究[J].光学学报,2016,36(4):298-306.
[7] 黄昕,张良培.基于光谱变化与融合的IKONOS多光谱影像分类[J].武汉大学学报(信息科学版),2007,32(6):502-505.
[8] MYINT S W,LAM N,TYLOR J.An Evaluation of Four Different Wavelet Decomposition Procedures for Spatial Feature Discrimination within and around Urban Areas[J].Transactions in GIS,2002,6(4):403-429.
[9] INGLADA J.Automatic Recognition of Man-made Objects in High Resolution Optical Remote Sensing Images by SVM Classification of Geometric Image Features[J].ISPRS Journal of Photogrammetry and Remote Sensing,2011,62(62):236-248.
[10] ZHONG Y,LIU W,ZHAO J.Change Detection Based on Pulse-Coupled Neural Networks and the NMI Feature for High Spatial Resolution Remote Sensing Imagery[J].IEEE Geoscience and Remote Sensing Letters,2015,12(3):537-541.
[11] 申邵洪,赖祖龙,万幼川.基于融合的高分辨率遥感影像变化检测[J].测绘通报,2009(3):16-19.
[12] ZHONG P,WANG R S.Modeling and Classifying Hyperspectral Imagery by CRFs with Sparse Higher Order Potentials[J].IEEE Transactions on Geoscience and Remote Sensing,2011,49(2):688-705.
[13] 何楚,石博,蒋厚军,等.条件随机场的多极化InSAR联合相位解缠算法[J].测绘学报,2013,42(6):838-845.

[1]	潘建平, 付占宝, 程卫华, 陆世安, 李鑫, 孙博文, 黄桂萍. 基于地表类型的山地海绵城市生态建设评估[J]. 测绘通报, 2022, 0(5): 84-88.
[2]	陈智朗, 付振华, 朱紫阳, 王慧慧, 刘沁雯, 杨钰灵, 许耿然. 基于HRNet的高分辨率遥感影像建筑物变化信息提取[J]. 测绘通报, 2022, 0(5): 126-132.
[3]	阮明浩, 卢永华, 刘玉贤, 汤圣君, 王伟玺, 张宇琦, 李游. 激光与倾斜点云精确配准与无缝融合[J]. 测绘通报, 2022, 0(4): 6-10.
[4]	潘建平, 李鑫, 孙博文, 胡勇, 李明明. 基于注意力密集连接金字塔网络的新增建设用地变化检测[J]. 测绘通报, 2022, 0(3): 41-46,59.
[5]	杨景玉, 贾多科, 王阳萍. 基于超像素分割与CRF的高分辨率遥感影像变化检测[J]. 测绘通报, 2022, 0(2): 25-30,49.
[6]	乐颖, 夏元平. 基于比值法的多源多时相数据城区变化检测[J]. 测绘通报, 2022, 0(2): 56-61.
[7]	车子杰, 高飞, 吴兆福, 李振轩. 基于改进U-Net网络的多源遥感影像洪涝灾害信息提取与变化分析[J]. 测绘通报, 2022, 0(1): 26-32.
[8]	杨素妨, 杜林. 多特征流形鉴别嵌入的高分辨率遥感影像分类[J]. 测绘通报, 2021, 0(9): 37-42.
[9]	耿万轩, 周维勋, 金双根. 基于LDCNN特征提取的多核SVM高分辨率遥感影像场景分类[J]. 测绘通报, 2021, 0(8): 14-21.
[10]	周秀华, 李乃强. 基于多种相似度特征的道路实体融合方法[J]. 测绘通报, 2021, 0(8): 102-105,157.
[11]	苏艺凡, 党建武, 王阳萍, 杨景玉. 改进的区间二型模糊聚类遥感影像变化检测[J]. 测绘通报, 2021, 0(7): 44-51,58.
[12]	刘海飞, 杨敏华, 王晶, 徐刚, 陈杰. 利用结构面对象的高分遥感影像建筑物变化检测[J]. 测绘通报, 2021, 0(6): 16-20.
[13]	聂倩, 七珂珂, 赵艳福. 融入超像素分割的高分辨率影像面向对象分类[J]. 测绘通报, 2021, 0(6): 44-49.
[14]	张伟良, 刘琦, 吴长彬, 杨光迪. 基于孪生神经网络的土地利用现状年度变化检测[J]. 测绘通报, 2021, 0(3): 91-95,104.
[15]	陈利燕, 林鸿, 吴健华. 融合随机森林和超像素分割的建筑物自动提取[J]. 测绘通报, 2021, 0(2): 49-53.

基于CRF模型的高分辨率遥感影像变化检测

Change Detection of High Resolution Remote Sensing Image Based on CRF Model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价