《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》

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

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。