基于高分辨率TerraSAR-X影像的城市土地利用变化检测

星载合成孔径雷达遥感不受气候条件的限制,能够为地表信息的变化检测提供可靠的数据源。基于2 m分辨率的多时相TerraSAR-X影像,对地表信息变化检测的方法进行探讨,给出了各关键步骤的处理流程。本研究被应用于成都市国土部门的土地执法检查工作,对双流区2008~2009年间的土地利用变化情况进行检测。经实地核查,变化检测结果的精度高于80%,表明该方法行之有效,进一步证实了高分辨率SAR影像在地表信息的变化检测领域具有广阔的应用前景。     

基于图像变化检测的舰船毁伤信息提取问题研究

信息化条件下,舰船毁伤效果评估对舰船毁伤信息的提取提出了更高的要求。文章对基于图像变化检测的舰船毁伤信息提取问题进行了研究,首先对舰船毁伤前后的图像进行配对,然后利用变化检测法对图像变化的纹理特征和几何特征进行检测,提取舰船毁伤评估所需要的毁伤信息。     

基于图像的打击效果评估研究综述

打击效果评估在现代战争中发挥了重要作用,是精确作战体系不可缺少的一部分.论文回顾了打击效果评估的发展历程,从物理级、功能级和系统级三个层次描述了打击效果评估,总结了现有的几种评估方法和评估模型,分析并指出各类方法和模型存在的优势与不足,进一步探讨了基于图像的打击效果评估研究中有待解决的问题.     

基于近似熵的交通流序列趋势变化检测

交通流趋势变化特征分析是交通流预测的基础．为了提取交通流序列随时间推移所呈现出来的宏观变化规律,提出了一种用于检测交通流序列趋势变化的滑动移除近似熵方法．通过对交通流序列趋势规律进行研究,首先将其细分为上升趋势、平稳波动趋势、下降趋势,然后根据不同趋势变化的时间序列复杂程度不同,建立了滑动移除近似熵方法求解其滑动移除近似熵的值,并根据得到的时间序列提取交通流序列趋势变化．最后以北京市四环路某一断面交通流序列为例,用建立的模型对交通流序列趋势变化进行检测,并与滑动t检验方法结果对比．研究结果表明本文提出的方法能够对交通流序列趋势变化进行检测,且检测结果与实际交通流序列趋势变化比较吻合,研究结论可为短时交通流预测建模提供拳者依据．     

GIS辅助下的高分辨率遥感影像变化检测

讨论了一种使用GIS数据辅助高分辨率遥感影像实现变化检测的方法.该方法利用现有的GIS数据生成监督分类的训练样区,采用最大似然法对遥感影像进行分类,分类的结果与GIS数据进行匹配,从而实现变化检测.由于线对象和面对象的不同特征,主要针对面对象来研究GIS辅助遥感影像的变化检测方法.实验表明,该方法对面对象的变化检测具有良好效果.     

基于阴影分析的城区建筑物变化检测方法

简要介绍了利用影像阴影来检测城区建筑物变化的基本原理。首先对两期影像进行阴影的提取，然后根据色彩不变量模型，准确区分建筑物阴影的本影和落影，得到建筑物的落影区；最后通过分析配准后影像的阴影信息，提取建筑物的变化信息。     

基于遥感图像的舰船毁伤效果评估方法研究

提出了一种基于遥感图像变化检测的舰船毁伤效果评估方法,主要包括图像预处理、舰船检测、毁伤前后目标区域提取、特征提取和分级评估五个部分。研究了目标区域提取和变化特征选取等问题,提取几何特征与纹理特征进行分级评估。基于视景仿真技术进行了舰船毁伤效果模拟,采用模拟的图像进行毁伤效果评估仿真实验。实验结果表明,该方法能有效地实现对海上舰船目标的毁伤效果评估。     

QuickBird影像在城市规划监察中的应用

根据高分辨率卫星影像的特点,探讨了利用不同时态的QuickBird数据,采用变化检测的方法,快速提取城市建设不一致信息,在规划审批资料的支持下,实现城市规划建设动态监察的技术和方法。通过对城市规划建设进行动态监察和定量化处理,为城市规划建设管理部门提供精确的城市发展状况分析,及时发现城市违法建设情况,从而提高城市规划建设管理部门查处违法建设行为的力度,实现城市管理的"数字执法"。     

基于欧式距离的多时相遥感图像变化检测

文章以某城市遥感影像为例,把欧式距离的方法运用于多时相遥感影像的变化检测中.分别对单像元与3×3窗口像元做变化检测,比较二者之间的效果,得出利用像元周边信息能够减少噪音,降低破碎度的结论.     

Technique based on image pyramid and bayes rule for noise reduction in unsupervised change detection

In this paper, a technique based on image pyramid and Bayes rule for reducing noise effects in unsupervised change detection is proposed. By using Gaussian pyramid to process two multitemporal images respectively, two image pyramids are constructed. The difference pyramid images are obtained by point-by-point subtraction between the same level images of the two image pyramids. By resizing all difference pyramid images to the size of the original multitemporal image and then making product operator among them, a map being similar to the difference image is obtained. The difference image is generated by point-by-point subtraction between the two multitemporal images directly. At last, the Bayes rule is used to distinguish the changed pixels. Both synthetic and real data sets are used to evaluate the performance of the proposed technique. Experimental results show that the map from the proposed technique is more robust to noise than the difference image.