融合EEMD与BEMD的SAR图像变化检测新算法

"基于不同经验模态分解的SAR图像变化检测算法通过结合EEMD和BEMD的优势，提出了一种名为FCD-EMD的新算法，旨在提高SAR图像变化检测的准确性，并通过特征选择降低斑点噪声的影响。实验证明该方法在SAR图像处理中具有可行性。" 经验模式分解（EMD）是一种分析非线性、非平稳信号的强大工具，它能够将复杂信号分解为一系列简化的内禀模态函数（IMFs）。在合成孔径雷达（SAR）图像分析中，由于SAR图像数据的非平稳特性，EMD的应用尤为适宜。SAR成像技术广泛用于监测地表变化，如植被覆盖、城市扩张和自然灾害等。 整体经验模态分解（EEMD）是对原始EMD的改进，它通过引入噪声 Ensemble 来克服单次EMD分解的随机性和局部性问题，从而提供更稳定的IMF分量。另一方面，二维经验模态分解（BEMD）则将EMD扩展到二维空间，更好地处理图像数据，提取空间上的变化信息。 FCD-EMD算法结合了EEMD和BEMD的优点，通过融合两种方法分解出的IMF，能够在变化检测中捕获到更全面的信息。EEMD侧重于时间方向上的变化，而BEMD则关注空间上的变化。FCD-EMD通过整合这些信息，提高了检测结果的精度。此外，该算法还引入了特征选择策略，有效地减少了SAR图像中常见的斑点噪声对检测结果的干扰，提升了图像的信噪比。 实验部分，研究者使用实际的SAR图像数据对FCD-EMD算法进行了验证，结果显示该算法能有效识别图像中的变化区域，证明了其在SAR图像变化检测领域的实用性和有效性。该工作发表在《计算机与通信》期刊上，为SAR图像处理和变化检测领域提供了新的思路和技术手段。 FCD-EMD算法是针对SAR图像变化检测的一种创新方法，它利用了EMD家族的不同成员的优势，增强了对非平稳信号的分析能力，同时减少了噪声的影响，对于遥感图像分析和地表变化监测有着重要的理论与实践意义。