The invention provides a method for detecting large scale time series remote sensing image change area. In this detection method, the detection problem of large scale time series of high resolution remote sensing image change area into image time series change information labeling problem and achieve fast positioning of large scale time series image change area, reduce the large scale remote sensing image change detection is enhanced in large scale time series image interpretation and practical the interpretation of the.
【技术实现步骤摘要】
本专利技术涉及遥感
，尤其涉及一种大尺度时间序列遥感图像变化区域的检测方法。
技术介绍
大尺度高分辨率时间序列遥感图像变化区域检测是实现土地类型长期变化跟踪分析的关键基础，特别是随着近年来遥感数据爆炸式增加，高分辨率遥感图像数据量极大，直接对大尺度高分辨率时间序列遥感图像进行有监督变化检测处理困难较大：需要对每个时间序列图像均提供训练样本，耗时费力，可操作性不强。多示例学习方法(Multi-InstanceLearning，简称MIL)是近年来提出的一种方便的图像分类、标注方法。与传统的图像标注方法相比，多示例学习方法在分类器训练过程中不需要对每一个图像区域进行标记，只需要对包的标记进行标记，指示包中是否包含示例标记，因此，在分类器训练中比较简单方便，实际可操作性比较强。从多示例学习思想出发，将大尺度高分辨率时间序列遥感图像变化区域检测问题转化为图像区域时间序列变化信息标注问题，降低了有监督变化检测对训练样本的要求：只需要标记是否发生了变化，不需要标记哪里发生了变化，从而极大地提高了针对大尺度高分辨率时间序列遥感图像的有监督变化检测方法的可操作性。
技术实现思路
(一)要解决的技术问题鉴于上述技术问题，本专利技术提供了一种大尺度时间序列遥感图像变化区域的检测方法，以提高了针对大尺度高分辨率时间序列遥感图像的有监督变化检测方法的可操作性。(二)技术方案本专利...
【技术保护点】
一种大尺度时间序列遥感图像变化区域的检测方法，其特征在于，包括：步骤A，将大尺度时间序列遥感图像，即在同一区域不同时间获取的n幅大尺度遥感图像，进行配准处理，得到配准后的n幅大尺度遥感图像{X1，X2，...，Xn}；步骤B，将经配准处理后的在同一区域不同时间获取的n幅大尺度遥感图像{X1，X2，...，Xn}按照时间序列(t1，t2，…，tn)排列，按照预设大小的窗口将每个时相上的图像均匀分割成不重叠的k个图像区域将同一位置上的图像区域按照时间序列排列其中，i＝1、2、……，n；j＝1、2、……、k；步骤C，以每个时间序列图像区域为多示例学习中词袋，以词袋中连续两个时间点上的图像区域为多示例学习中的示例，通过“图像区域‑示例，图像序列‑词袋”的映射，在大尺度时间序列遥感图像上完成多示例学习框架的构造；步骤D，以图像区域为单位对每个图像区域提取颜色特征、纹理特征，SIFT特征以及熵特征，以每个图像区域为单位构造特征向量；对词袋中的每个示例计算特征向量；以及步骤E，利用训练样本对多示例学习框架中的分类器进行训练，得到最佳分类器参数设置；利用已训练的多示例分类器，对测试集进行测试，给出k个...
【技术特征摘要】
1.一种大尺度时间序列遥感图像变化区域的检测方法，其特征在于，
包括：
步骤A，将大尺度时间序列遥感图像，即在同...
【专利技术属性】
技术研发人员：陈克明，周志鑫，郭建恩，付琨，张道兵，
申请(专利权)人：中国科学院电子学研究所，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。