基于主动学的高分辨率遥感影像变化检测方法及系统

摘要

本发明提供一种基于主动学的高分辨率遥感影像变化检测方法及系统，包括先将复杂时相的遥感影像分割成多个超像素，然后将所得超像素分割边界应用于另一时相遥感影像中；对各时相遥感影像，分别提取超像素特征集，计算相似性度量指标，选择初始样本，并进行标注；基于主动学的监督分类，包括基于高斯分类模型，根据已标注的样本作为训练集训练分类器，并在分类结果中根据预测均值及预测方差选出可信度最低的样本进行标注，将新标注的样本加入训练集中重新训练分类器，不断重复此过程，直至满足迭代条件时结束，得到最终的检测结果。本发明可以通过迭代地选择“最有价值”的样本，使检测结果逐渐接近真实变化，提高检测效率。

主权项

一种基于主动学习的高分辨率遥感影像变化检测方法，其特征在于，包括以下步骤：步骤1，超像素分割，包括对于不同时相遥感影像，设有某时相的遥感影像边界更复杂，先将该时相的遥感影像分割成多个超像素，然后将所得超像素分割边界应用于另一时相遥感影像中；步骤2，超像素特征提取，包括对各时相遥感影像，分别取各超像素的外接矩形范围并计算该区域的颜色特征和结构特征，组合后共同构成该时相遥感影像的超像素特征集；步骤3，相似度计算，包括对两时相遥感影像中相应位置的超像素计算直方图交叉核作为该对超像素的相似性度量指标；步骤4，初始样本选择，包括根据步骤3所得超像素对的直方图交叉核值采用预设的策略选择初始样本，并进行标注；步骤5，基于主动学习的监督分类，包括基于高斯分类模型，根据已标注的样本作为训练集训练分类器，并在分类结果中根据预测均值及预测方差选出可信度最低的样本进行标注，将新标注的样本加入训练集中重新训练分类器，不断重复此过程，直至满足迭代条件时结束，得到最终的检测结果。