-
公开(公告)号：CN110717531A
公开(公告)日：2020-01-21
申请号：CN201910925732.4
申请日：2019-09-27
Applicant: 华东师范大学
Abstract: 本发明公开了一种基于不确定性分析和贝叶斯融合的分类后变化类型检测方法，其步骤为：对两时相遥感影像进行图像预处理；获取影像多源特征，采用随机森林方法进行特征选择，并得到差值影像；利用分形网络演化方法，对影像进行多尺度分割及合并优化，得到分割对象；利用ExT集成算法对两时相影像分别分类，得到两时相影像的独立分类概率结果；通过基于最大期望估计（EM）的CVA方法获取训练样本，利用SVM算法，对差值影像进行处理，得到变化范围概率结果；通过两时相影像独立分类概率结果与变化范围概率结果根据不确定性分析和贝叶斯融合得到像素级变化类型检测结果；将分割对象与像素级变化类型检测结果通过类别判定融合得到分类后变化类型检测结果图。
-
公开(公告)号：CN110969088B
公开(公告)日：2023-07-25
申请号：CN201911058683.5
申请日：2019-11-01
Applicant: 华东师范大学
IPC: G06V10/46 , G06V20/13 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于显著性检测与深度孪生神经网络的遥感影像变化检测方法，其特点是该方法包括：两时相遥感影像的预处理；对差值影像进行归一化处理；多尺度分割及合并优化；显著性检测图的获得；建立双窗口深度孪生卷积网络模型及其训练；将分割对象与像素级变化检测结果通过判定融合，最终得到变化检测结果图。本发明将深度学习成功运用到变化检测领域，减少了高分辨率影像变化检测中存在的“椒盐噪声”，有效提高了变化类型检测的精度。
-
公开(公告)号：CN110969088A
公开(公告)日：2020-04-07
申请号：CN201911058683.5
申请日：2019-11-01
Applicant: 华东师范大学
Abstract: 本发明提供了一种基于显著性检测与深度孪生神经网络的遥感影像变化检测方法，其特点是该方法包括：两时相遥感影像的预处理；对差值影像进行归一化处理；多尺度分割及合并优化；显著性检测图的获得；建立双窗口深度孪生卷积网络模型及其训练；将分割对象与像素级变化检测结果通过判定融合，最终得到变化检测结果图。本发明将深度学习成功运用到变化检测领域，减少了高分辨率影像变化检测中存在的“椒盐噪声”，有效提高了变化类型检测的精度。
-
-
Search Results
3
records
(took 0.015 seconds)
