公开(公告)号：CN103226825A

公开(公告)日：2013-07-31

申请号：CN201310090791.7

申请日：2013-03-20

申请人： 西安电子科技大学

发明人： 缑水平 ,  焦李成 ,  余田田 ,  马文萍 ,  马晶晶 ,  朱虎明

IPC分类号： G06T7/00

摘要： 本发明公开了一种基于低秩稀疏模型的遥感图像的变化检测方法，主要解决现有技术中构造差异图信息丢失严重的问题。其实现过程是：首先，用对数比值法从变化前后的遥感图像中提取出初始变化区域；其次，用该初始变化区域与变化前后图像，构造模拟遥感图像序列；然后，用低秩稀疏分解算法，将模拟遥感图像序列分解为低秩矩阵，稀疏矩阵和噪声矩阵三个部分；最后，用模糊C均值的方法对稀疏矩阵最后一列的列向量进行分类，得到最终的变化检测结果图。本发明具有检测精度高，信息丢失和累积误差少的优点，可用于目标检测与识别，图像分割以及机器学习领域。

公开(公告)号：CN102663740A

公开(公告)日：2012-09-12

申请号：CN201210078273.9

申请日：2012-03-22

申请人： 西安电子科技大学

发明人： 缑水平 ,  余田田 ,  焦李成 ,  朱虎明 ,  刘芳 ,  王爽 ,  徐聪

IPC分类号： G06T7/00

摘要： 本发明公开了一种基于图切的SAR图像变化检测方法，主要解决现有技术中检测精度低的问题。其实现过程是：将变化前后的SAR图像用图切的方法进行分块预处理；然后用分块后的变化前后的SAR图像，分别构造变化前邻接图和变化后邻接图；连接两个邻接图的对应顶点，将两个邻接图融合得到变化前后SAR图像的二维图；最后用NJW谱聚类的方法对二维图进行切割，得到变化后图像各块的标签，将变化后图像中表示了变化区域的一类数据块提取出来，得到最终的变化检测结果图。本发明避免了已有技术中构造差异图对图像进行降唯，所造成的信息丢失和累积误差，提高了变化检测的检测精度。

公开(公告)号：CN103226826B

公开(公告)日：2015-09-30

申请号：CN201310090795.5

申请日：2013-03-20

申请人： 西安电子科技大学

发明人： 缑水平 ,  焦李成 ,  余田田 ,  马晶晶 ,  马文萍 ,  朱虎明

IPC分类号： G06T7/00

摘要： 本发明公开了一种基于局部熵的视觉注意模型的遥感图像的变化检测方法，主要解决现有技术中变化检测漏检率高的问题。其实现过程是：首先，对变化前后的遥感图像分别提取灰度和方向特征，得到变化前后图像在每个特征空间内的特征图像；其次，用变化前后特征图像构造前后高斯金字塔，并在前后高斯金字塔之间进行“中央-差值”运算，得到每个特征空间下的特征图；然后，分别对不同特征空间内的特征图计算局部熵，并将不同特征空间内的加熵特征图进行加权融合，得到视觉注意模型显著图；最后，用模糊C均值的方法对显著图进行分类，得到最终的变化检测结果图。本发明避免了已有技术中的信息丢失和累积误差等问题，提高了变化检测的检测精度。

公开(公告)号：CN102663740B

公开(公告)日：2014-05-14

申请号：CN201210078273.9

申请日：2012-03-22

申请人： 西安电子科技大学

发明人： 缑水平 ,  余田田 ,  焦李成 ,  朱虎明 ,  刘芳 ,  王爽 ,  徐聪

IPC分类号： G06T7/00

摘要： 本发明公开了一种基于图切的SAR图像变化检测方法，主要解决现有技术中检测精度低的问题。其实现过程是：将变化前后的SAR图像用图切的方法进行分块预处理；然后用分块后的变化前后的SAR图像，分别构造变化前邻接图和变化后邻接图；连接两个邻接图的对应顶点，将两个邻接图融合得到变化前后SAR图像的二维图；最后用NJW谱聚类的方法对二维图进行切割，得到变化后图像各块的标签，将变化后图像中表示了变化区域的一类数据块提取出来，得到最终的变化检测结果图。本发明避免了已有技术中构造差异图对图像进行降唯，所造成的信息丢失和累积误差，提高了变化检测的检测精度。

公开(公告)号：CN103226826A

公开(公告)日：2013-07-31

申请号：CN201310090795.5

申请日：2013-03-20

申请人： 西安电子科技大学

发明人： 缑水平 ,  焦李成 ,  余田田 ,  马晶晶 ,  马文萍 ,  朱虎明

IPC分类号： G06T7/00

摘要： 本发明公开了一种基于局部熵的视觉注意模型的遥感图像的变化检测方法，主要解决现有技术中变化检测漏检率高的问题。其实现过程是：首先，对变化前后的遥感图像分别提取灰度和方向特征，得到变化前后图像在每个特征空间内的特征图像；其次，用变化前后特征图像构造前后高斯金字塔，并在前后高斯金字塔之间进行“中央-差值”运算，得到每个特征空间下的特征图；然后，分别对不同特征空间内的特征图计算局部熵，并将不同特征空间内的加熵特征图进行加权融合，得到视觉注意模型显著图；最后，用模糊C均值的方法对显著图进行分类，得到最终的变化检测结果图。本发明避免了已有技术中的信息丢失和累积误差等问题，提高了变化检测的检测精度。

公开(公告)号：CN103226825B

公开(公告)日：2015-09-30

申请号：CN201310090791.7

申请日：2013-03-20

申请人： 西安电子科技大学

发明人： 缑水平 ,  焦李成 ,  余田田 ,  马文萍 ,  马晶晶 ,  朱虎明

IPC分类号： G06T7/00

摘要： 本发明公开了一种基于低秩稀疏模型的遥感图像的变化检测方法，主要解决现有技术中构造差异图信息丢失严重的问题。其实现过程是：首先，用对数比值法从变化前后的遥感图像中提取出初始变化区域；其次，用该初始变化区域与变化前后图像，构造模拟遥感图像序列；然后，用低秩稀疏分解算法，将模拟遥感图像序列分解为低秩矩阵，稀疏矩阵和噪声矩阵三个部分；最后，用模糊C均值的方法对稀疏矩阵最后一列的列向量进行分类，得到最终的变化检测结果图。本发明具有检测精度高，信息丢失和累积误差少的优点，可用于目标检测与识别，图像分割以及机器学习领域。