《表1 SPOT影像变化检测评价实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合自适应空间与CRF的遥感影像变化检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表1给出了定量计算得到的结果，在采用差值法获得差异图后利用FCM所得结果Kappa系数为52.02，而漏检率（MA）最小，算法对像素变化很敏感导致虚检率（FA）最高为19.48。该方法优势在于算法简单，运行时间快，在中低分辨率遥感影像变化检测中被证实有很好的效果，但在高分辨率遥感影像变化检测中精度较低。在采用空间自适应方法获取差异图像后，利用FCM与结合了形态学处理的FCM方法作比较，Kappa系数得到了明显的提高，虚检与漏检像素数目都减少了10%左右，说明形态学处理能够消除FCM算法产生的斑点噪声并消除细小孔洞，并且由于未采用条件随机场，算法运行较快，在采用空间自适应方法中用时50 s左右。MRF方法所得kappa系数为78.78，精度显著提高，但是由于该算法在观测域上假设条件独立，导致算法性能下降，虚检率较高，并且该算法同条件随机场一样需要迭代推理，所用时间较多。OBCD结果与MRF基本一样，但是由于OBCD算法是通过分割算法实现的，能够有效保护边界信息，如图4（d）（e）中红色椭圆虚线内部，很明显图（d）中存在丢失边界信息现象（见电子版）。OBCD方法只考虑到局部区域的空间信息，未能充分利用像素之间的拓扑关系和空间相关性，而且检测结果对于分割算法很敏感，导致检测精度提高不多，该方法在运行中需要提取特征，导致算法运行缓慢。RC2RF算法和本文算法所得结果Kappa系数都在80以上，虚检率和漏检率都降低3%左右。对比图4(f）(g）可以看出，RC2RF方法存在过平滑现象，例如将红色框中的未变化部分被平滑而消失，本文方法很好地保护了边界细节信息。本文算法虽然时间成本最高，但是得到了更好的检测结果。在整体精度、虚检率和Kappa系数上都优于对比算法，充分说明了本文算法在三个方面改进的优势。