《表1 不同图像的变化检测结果评估》
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
《基于l_1范数主成分分析的极化SAR图像变化检测》
第一组图像变化检测如图7所示,定量评估结果如表1所示。由于在该数据集中,存在海域、湿地和浅滩区域,受海浪、风吹以及雨天因素影响发生变化,这些区域成为低信噪比的干扰区域。MRF FCM算法虽然能最大程度的检测出图像的变化,漏检率较低,但是其抗噪能力不好,易受干扰区域的影响,在视觉效果上显示的虚警较多,造成较多的误检,从而使得Kappa系数较低,变化检测性能较差。PCA-k-means算法可以减少干扰因素的影响,但是变化区域检测不完整,从而影响检测效果。这是因为在提取变化区域边缘时,由于该区域周围存在未变化区域,2范数的PCA方法在提取主成分时将此区域误认为未变化区域,以至于漏检率过高,Kappa系数较差。本文方法采用基于1范数的PCA模型,降低了变化区域边缘周围未变化信息的影响,可以更有效的提取变化信息,降低漏检率,相比于MRF FCM方法,可以更好地抑制干扰信息,获得较高的检测精度。
图表编号 | XD0096693600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 黄晨霞、殷君君、杨健 |
绘制单位 | 北京科技大学计算机与通信工程学院、北京科技大学计算机与通信工程学院、清华大学电子工程系 |
更多格式 | 高清、无水印(增值服务) |