,常采用特征级变换检测技术,特征级的优点在于检验结果准确性高, 定量分析评估分级容易,缺点在于先验条件往往需要人工参与,难度和任务量较高;另一种是没有先验条件的变化检测,这类检测方法直接对图像预处理后的图像进行变化检测,通过像素级上的检测技术,最大化接近特征级检测的结果。它的优点在于条件限制低,能够实现一定程度的自动化,是科学研究的难点和热点方向,缺点在于准确性不高,检测结果误差有可能影响评估分级结果。Р除了上述的像素级和特征级变化检测算法之外,还有一种决策级变化检测[8], 决策级变化检测本质上是将一些决策理论判定准则结合变化检测来达到特征级检测的结果,其原理是使用类似 D_S 证据理论、贝叶斯网络理论等决策理论,对像素级变化检测的结果进行判别,从而得到更好的检测结果。本文侧重于像素级变化检测的研究,并在此基础上研究一些数据融合算法,优化测量结果。Р图 1-2?基于变化检测的毁伤评估细分结构图Р变化检测还有其它的一些传统分类方法,根据变化检测和配准的时间顺序不同,可分为两类[9]:①先配准再进行变化检测;②变化检测和图像配准同时进行。根据变化检测的思想策略,还可以将其为七类:算术运算法、变换法、分类法、模型法、GIS 法、视觉分析法、其它方法。影像对 GIS 法和视觉语义分析是专门的两门分支学科,本文中具体研究的方法主要是针对算术运算法、变化法以及分类法。Р论文中主要的数据来源是遥感可见光图像,针对遥感图像,目前主要采用的经典变化检测方法有[10]:①算术运算法,包括比值法、差值法、变化向量法,这类方法优点是简单直接,计算量相对较小,缺点是需要高度的精确配准和适当的灰度校正;②先分类后比较法,对获得的目标图像先通过分类算法进行分类,根据分类前后的类别差异得到目标的性质变化,此类方法优点在于容易得到定性变化,缺点是容易受到分类精度影响;③植被指数法,这类方法对于植被变化研究
全文预览
