无监督SAR图像变化检测：MAP与RF结合的方法

"基于MAP和RF的无监督SAR图像变化检测 (2014年)。作者：易昭湘、张雄美、方林波、刘金伟、宋建社。期刊：《北京工业大学学报》2014年10月第40卷第10期。" 本文介绍了一种利用形态学属性断面（MAP）和随机森林（RF）分类器进行无监督的合成孔径雷达（SAR）图像变化检测的新方法。SAR图像在遥感领域中广泛应用，由于其不受光照和天气条件影响，常用于监测地表变化。然而，SAR图像的复杂性使得变化检测成为一项挑战。 首先，该方法通过MAP算法来提取差异图像的几何结构特征。MAP是一种分析图像局部特征的方法，它可以揭示图像的形状、尺寸和方向等信息，帮助构建一个特征向量空间，这个空间可以深入描述图像的结构化信息。 接下来，结合阈值法和偏移因子，该方法能够自动选择训练样本。阈值法通常用于确定图像中的不同区域，而偏移因子有助于确保样本的代表性，避免过度拟合或欠拟合问题。这些样本随后被输入到随机森林（RF）分类器中，RF是一种强大的机器学习模型，它由多个决策树组成，能够处理多维数据，并通过集成学习提高分类准确性。在这个过程中，RF在特征空间中对每个像素进行分类，判断是否存在变化。 最后，为了进一步提高检测精度，研究者应用了数学形态学的方法来滤除虚警，即错误的改变检测结果。数学形态学操作，如开闭运算，可以有效地去除噪声和小物体，从而增强检测结果的可靠性。 实验结果表明，这种方法相较于传统的基于阈值的变化检测方法，不仅能够更准确地检测出变化区域，而且提高了检测精度。这表明，结合MAP和RF的无监督方法对于SAR图像变化检测是一种有效且先进的技术。 关键词涉及：形态学属性断面、SAR图像、变化检测、随机森林和阈值法。这篇文章的分类号为TP751，文献标志码为A，文章编号为0254-0037(2014)10-1484-05，属于工程技术论文类别，发表在2014年10月的《北京工业大学学报》上。