《表2 QuickBird影像变化检测评价实验结果》
通过表2定量计算,所有算法的统计Kappa系数相对使用SPOT卫星数据较低,这是由于该组影像土地植被在不同季节,光谱变化大,土地类型更加复杂。在FCM的基础上加入了形态学闭运算,Kappa系数从56.83提高到了58.55,但是精度仍然较低。而当采用MRF以及OBCD算法后整个Kappa系数都到65以上,由此可见高分辨率遥感影像在变化检测过程中结合空间上下文信息特别重要。RC2RF与本文算法的差别主要在于对于光谱上下文信息的结合能力上,本文通过充分抽取两幅影像的光谱—空间信息进而去约束算法,提高了算法的检测准确性,Kappa系数由67.15提升到了72.91。充分说明对于季节变化明显的高分影像,对于光谱—空间信息的利用可以有效提高CRF的算法性能,避免CRF过度依赖空间信息而导致算法性能的下降,消除部分噪声和防止过平滑现象。但是由于图像增大,条件随机场推理所用时间也更多。
图表编号 | XD00163341500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 杨景玉、吴磊、王阳萍、杜晓刚 |
绘制单位 | 兰州交通大学电子与信息工程学院、甘肃省人工智能与图形图像处理工程研究中心、兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院、甘肃省人工智能与图形图像处理工程研究中心、甘肃省轨道交通装备系统动力学与可靠性重点实验室、兰州交通大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |