基于Relief-PCA特征选择的遥感图像变化检测

面向对象的变化检测技术在高分辨率遥感图像领域已经得到广泛地应用。由于遥 感图像受光照、大气环境等成像条件的影响,图像特征的质量也参差不齐,筛选出高质量的特 征成为对象级遥感图像变化检测的关键。针对此问题,提出了一种基于 Relief-PCA 特征选择的 对象级遥感图像变化检测方法。首先,对原始图像进行多尺度分割获得目标对象,并提取对象 的光谱特征与纹理特征;然后,利用对数比值法获得变化矢量,再使用 Relief-PCA 特征选择的 方法对图像的对象特征进行筛选与降维;最后,计算并生成 CVA 变化强度图,利用 Otsu 方法 对变化强度图进行阈值分割得到最终的变化检测结果。实验表明：与已有方法相比,该方法的 变化检测精度更高,误检率和漏检率更低。     

基于边缘增强的遥感图像变化检测技术

遥感图像变化检测技术是遥感技术中最广泛最基本的应用之一。为此作者经过大量对已有图像的实验,提出一种基于边缘增强的遥感图像变化检测技术,通过选择适当的卷积算子对图像进行锐化增强与使用Sobel算子对图像进行边缘增强相结合,总结出了快速有效变化检测处理方法。     

新的基于Laplacian的特征选择方法

在各种特征选择方法中,Lasso的方法取得了广泛的研究和应用。然而,利用Lasso进行特征选择的一个主要缺点是只考虑了样本和类标签之间的相关性,却忽略了样本自身的内在关联信息,而这些信息有助于诱导出更具有判别力的特征。为了解决这个问题,提出了一种新的基于Laplacian的特征选择方法,称之为Lap-Lasso。提出的Lap-Lasso方法首先包含一个稀疏正则化项,用于保证只有少数量特征能被选择。另外,引入了一个新的基于Laplacian的正则化项,用于保留同类样本之间的几何分布信息,从而帮助诱导出更具判别力的特征。在UCI数据集的实验结果验证了Lap-Lasso方法的有效性。     

高光谱图像变化检测技术研究进展

相对于自然图像和多光谱图像,高光谱图像包含丰富的空间—光谱信息,不仅能够保留目标的空间信息,还能够获取高度可辨别的光谱信息。因此,如变化检测、目标追踪等高光谱图像处理技术在对地观测任务中得到了广泛应用。然而,在高光谱图像变化检测的过程中仍然存在许多问题与挑战。如高光谱图像的高维复杂性、光谱差异性以及存在光谱混合等问题,影响变化检测效果。得益于深度学习理论的深入研究,高光谱图像变化检测技术研究得到了极大的发展。本文对现有基于深度学习的变化检测方法进行全面分析总结,按照高光谱图像采集条件是否相同,将其分为同构高光谱图像变化检测以及异构高光谱图像变化检测。其中,从特征提取的网络结构优化和特征提取前混合像素处理两个角度,又将同构高光谱图像变化检测方法进一步分为基于时序依赖和空谱信息提取的方法以及基于端元提取和解混的方法,分别总结各类方法的特点和局限性,并讨论未来的研究重点。此外,面对不同传感器获取的异构高光谱图像数据,现有的方法基于图论学习图像的结构关系,并基于图像变换将其转换至公共域从而进行变化检测处理。本文从高光谱图像变化检测领域的新设计、新方法和应用场景出发,通过综合国内外前沿文献来梳理该领域的主要发展,重点论述高光谱图像变化检测领域的发展现状、前沿动态、热点问题及趋势。     

基于聚类分析的SAR图像变化检测

针对传统变化检测方法用于合成孔径雷达(SAR)图像时不能有效地降低背景变化导致的检测虚警,提出了基于聚类分析的SAR图像变化检测方法。该方法对聚类后SAR图像像素类间变化引入Mahal-anobis距离(M距离),结合变化阈值的选择来分析图像中变化像素的M图,进而实现SAR图像变化检测。仿真结果说明:该方法不仅能克服自然和背景变化给检测带来的困难,而且,不受传感器位置的影响,能有效地对不同时刻的SAR图像进行变化检测。     

遥感图像变化检测综述

主要介绍了变化检测的基本理论。首先简述和分析了遥感图像变化检测的基本概念,指出变化检测的本质是一类模式分类问题;然后全面回顾了现有变化检测方法,将其归纳为像素级、特征级和目标级三大类,详细论述了各种方法的基本原理和特点并对其适用范围和优缺点进行了总结。     

基于DBN与对象融合的遥感图像变化检测方法

在高分辨率光学遥感图像变化检测中,多数面向对象的方法只能利用简单的特征组合得到对象特征,难以进行高层特征的设计和提取。针对该问题,提出一种基于深度置信网络和对象融合的图像变化检测方法。将变化检测转化为二分类问题,并把图像像素作为分类单元,在特征学习和分类阶段设计多尺度的图像特征学习和分类方法,以充分利用图像目标的上下文信息。在此基础上设计基于对象的分类融合方法,对利用深度置信网络分类得到的结果进行融合,从而减小局部噪声的影响。在QucikBird影像数据集上的实验结果表明,该方法可有效提高图像变化检测的准确率。     

基于特征增强的光学遥感图像建筑物变化检测

遥感图像变化检测是识别同一区域前后时段两张图像之间像素级变化,能够精确判断目标区域状态变化。现有的遥感图像变化检测方法是在不同时间流中引入注意力机制来强化变化区域图像特征,并将其叠加以实现特征融合,不能有效地挖掘与应用不同时间流特征之间的关系。基于特征提取网络,提出一种在时间维度上基于像素位置偏移的图像特征差异增强方法。该方法可学习不同时相图像特征之间对应区域的像素变化偏移量,增强单时相特征图中发生变化区域和无关区域之间的特征差异。在此基础上,构建一个针对光学遥感图像中建筑物变化的检测框架,以ResNet18网络和多层感知机结构分别作为编码器、解码器,在LEVIR-CD、LEVIR-CD+和S2Looking 3个公开数据集上进行实验,结果表明,基于特征增强的图像变化检测方法的F1值分别为90.74%、86.11%和62.25%,相比目前最优的BIT方法分别提高了1.43、3.31和0.4个百分点。     

基于GDAL的遥感图像变化检测技术

由于GDAL（Geospatial Data Abstraction Library）具有快速读取多种格式的遥感图像且能有效解析空间元数据等特点,利用它开发遥感图像处理算法具有明显的优势。结合GDAL及相应算法,开发了一套复杂地形山区植被遥感变化检测的技术,其中包括利用阴影消除植被指数（Shadow Elimination Vegetation Index,SEVI）反演植被长势;利用图像差值法及最大类间方差法（OTSU）来提取植被长势明显变化点位;利用[K]均值聚类自动分割识别变化区域。将该方法用于武夷山自然保护区和闽江源自然保护区2016-2017年Landsat8 OLI遥感图像的植被长势变化检测,结果表明,这套遥感图像变化检测技术切实可行,能够有效识别遥感图像变化区域,并在复杂地形山区的植被长势监测中具有良好的应用价值。     

基于EBPNN模型的遥感图像变化检测研究

对不同时段获取的特定图像进行自动变化检测是遥感图像研究的主要问题;通过自适应中值滤波(AMF)去除遥感图像中的噪声,结合Tamura和Law掩模方法提取图像中的次级特征,并将研究区域划分为植被、水域和城区三类,利用增强型反向传播神经网络(EBPNN)对特征提取结果进行分类并实现不同时期遥感图像的变化检测;与现有的FFNN和CNN分类技术相比,利用EBPNN进行分类可以有效地检测出图像中的变化且具有更好的检测性能。     

基于拉普拉斯特征映射高光谱遥感影像降维及其分类

在进行高光谱遥感影像监督分类过程中,结合高光谱数据非线性的特点和流形学习强大的非线性处理能力,提出一种基于拉普拉斯特征映射(LE)降维和最佳指数法(OIF)波段组合选择训练样本进行SVM分类的策略,首先对高光谱遥感影像波段进行优化,利用拉普拉斯特征映射法(LE)对波段优选后的影像进行降维,利用OIF选择波段组合叠加进行训练样本选择。在此基础上采用支持向量机(SVM)进行分类处理,取得了优于PCA的效果。实验证明了流形学习是一种行之有效的高光谱遥感数据特征提取方法。     

Constant false alarm rate detection of saccadic eye movements in electro-oculography

The analysis of eye movements has proven to be valuable in both clinical work and research as well as in other fields besides medicine. The detection of saccadic eye movements and the extraction of related saccade parameters, such as maximum angular velocity, amplitude, and duration, are usually performed during the analysis of electro-oculographic (EOG) signals. This article considers a saccade detection method that is based on the constant false alarm rate technique, in which the detection sensitivity is continuously adjusted on the basis of the observed signal in order to keep the number of false alarms constant. The method is computationally efficient, it can operate autonomously without user intervention, and it is capable of detecting saccades in a sequential fashion. Therefore, the method finds potential use in applications that require automated analysis of electro-oculographic signals. Because of the constant false alarm rate property, the method can also perform in situations where ideal measurement conditions cannot be guaranteed and noise presents a considerable problem.     

The constant false alarm rate property in transformed noncoherent detection processes

Recently a transformation approach for noncoherent radar detector design has been introduced, where the classical constant false alarm rate detectors for Exponentially distributed clutter are modified to operate in any clutter intensity model of interest. Recent applications of this approach have introduced new decision rules for target detection in Pareto and Weibull distributed clutter. These transformed detectors tended to lose the constant false alarm rate property with respect to one of the clutter parameters. A closer examination of this transformation process yields conditions under which the constant false alarm rate property can be retained. Based upon this, a new model for X-band maritime radar returns is investigated, and corresponding detectors are developed. The relative merits of this new development are investigated with synthetic and real X-band data.     

长度归一化扫描的合成孔径雷达图像船舶尾迹恒虚警率检测

提出一种基于长度归一化扫描的合成孔径雷达(SAR)图像船舶尾迹检测算法.存在距离向运动分量的船舶在SAR图像上会发生方位向偏移,那么尾迹的起点必在方位向上这一偏移量范围内.根据这一物理事实,将尾迹检测的搜索范围限定在可能为尾迹的线段上,从而提高了检测效率.算法通过利用线性积分和长度归一化这两个方法将矩形滑动窗口下的线性特征检测转化为了点特征检测,并通过经典的虚警率(CFAR)检测理论实现检测结果的输出.利用COSMO-SkyMed数据对该算法进行了实验验证,实验结果表明,该算法在尾迹检测上具有检测能力强、速度快的优点,船舶速度反演具有较高精度.     

Constant false alarm rate detection in Pareto Type II clutter

Recent investigations have shown that the Pareto class of models provide a valid approximation for the statistical structure of the backscattering from the sea, for high resolution X-band maritime surveillance radar. This has stimulated the research and development of non-coherent radar detection processes for operation in such a clutter model environment. Using data from Defence Science and Technology Group's X-band radar the application of a Pareto Type I clutter model has been justified, which has facilitated the development of sliding window decision processes. However it has been found that when these detectors are applied to synthetic target detection in real data there are some issues resulting in substantial detection losses. In order to rectify this it is necessary to investigate the development of radar detection schemes under a Pareto Type II clutter model assumption. Using a transformation approach for radar detector design it will be shown that it is possible to construct detection processes that achieve the constant false alarm rate property with respect to the Pareto shape parameter, as in the Pareto Type I case, while requiring a priori knowledge of the Pareto scale parameter. Performance analysis includes application to real X-band clutter returns with synthetic target models.     

基于BAG误匹配的JPEG窜改图像的被动检测算法

当JPEG图像被窜改时,通过检测人工的块状网格BAG(block artifact grid)误匹配的痕迹,可以判定待检测图像是否被窜改过,但这种算法有较高的虚警率,提出一种改进算法。首先利用BAG误匹配原理检测图像,再在疑似窜改区域检测竖直方向和水平方向上是否同时存在相邻BAG的边缘,从而将窜改区域与偶发噪声点区域分开,最后对全图进行形态学处理,进一步消除噪声。实验证明,该算法可以在有效检测窜改区域的情况下,降低算法的虚警率,在数字图像的被动检测领域有广泛的应用前景。     

基于改进拉普拉斯能量和的快速图像融合

为了得到优质的融合图像,提出了一种改进的拉普拉斯能量和（New Sum of Modified Laplacian,NSML）多聚焦图像融合算法。该算法在传统SML计算每个像素点的变步长拉普拉斯算子值仅有的水平和垂直方向的基础上,增加了斜对角线上的四个方向。同时通过分析NSML算法的计算过程,发现存在大量的重复计算,从而提出了基于积分图像的快速NSML图像融合方法。该方法通过简化NSML的计算过程,大大减少了图像融合处理过程消耗的时间,提高了图像融合的效率。实验结果表明,快速NSML方法在达到极佳融合图像质量的同时,提升了算法的实时性。     

人工免疫在未知木马检测中的应用研究*

针对传统木马检测技术比较被动这一缺陷,提出一种基于人工免疫原理的木马检测方法。利用人工免疫具有自适应以及免疫学习能力的特点,将人工免疫原理应用到木马检测中。分析了数据来源特征,给出了计算抗体与抗原或抗体与抗体之间相似度以及抗体的适应度公式,建立了一个木马检测系统模型;实验测试了利用人工免疫的方式检测木马能有效提高木马检测的检测率,减少误报率。     

基于异质信息的入侵检测警报过滤机制

通常误用检测所定义的攻击特征仅限于单一信息,如网络信息或主机信息,而由单一信息所产生的警报,由于针对某些攻击无法精确做出判断,所以误报比例相对较高。针对基于误用检测的网络入侵检测系统,建立了一个警报过滤机制。经过分析,可以找出攻击成功时所需具备的环境条件以及所会呈现的各种不同来源性质的攻击特征,入侵检测系统可据此在发现可疑入侵时,加以及时确认核查。通过运用这些异质信息,可明显减少误报的发生,提高了入侵检测报警的正确率。     

一种基于聚类的异常检测方法

利用数据挖掘技术对网络中的海量数据进行分析从而发现入侵行为已成为目前异常检测研究的重点.为了进一步提高入侵行为检测的质量,提出了一种改进的异常检测算法.该方法首先将训练数据集转换为标准的单位特征度量空间,然后利用改进算法对数据进行划分,以找到聚类中心.最后对改进算法进行了性能分析与比较,实验结果表明:算法具有良好的稳定...