《表2：PLS与EM算法支持下的遥感影像变化检测》

  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

《PLS与EM算法支持下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2给出了不同算法的变化检测精度。由表2可知，文中提出的基于PLS和局部EM算法变化检测结果的正确率最高，漏检率和误检率最低。这是由于PCA方法仅考虑影像内部的相关性，缺少对多时相影像间的相关性的考虑，而且PCA-EM算法对多时相影像相对辐射校正的结果有较高要求；对多时相影像的多波段的重组影像进行MAD变换，虽然消除了多时相影像间的相关性，解决了构造差异影像问题，但是难以解决变化信息有效集中的问题。PLS变换考虑多时相影像间的线性关系，提取影像间相关性较高的成分，有效地消除了影像间的多重共线性，从而解决了变化信息有效集中的问题，为整体上提高变化检测正确率提供必需信息。另外，将局部EM（最大期望）确定阈值方法与全局EM确定阈值方法进行对比，试验结果表明全局EM阈值确定方法对差异影像直方图拟合效果差，而局部EM阈值方法对于小比例变化区域，能准确确定变化检测阈值，减少了自动阈值算法的不确定性。总之，本文提出的PLS-局部EM算法变化信息基本都能检测出来，更加符合真实情况，提取信息结果比较理想。