空间光谱特征与稀疏表示分类器:多时相灾害检测新策略

0 下载量 183 浏览量 更新于2024-08-26 收藏 454KB PDF 举报
本文主要探讨了"结合空间光谱特征和稀疏表示分类器的变化检测"这一主题,针对多时相遥感图像中的灾害影响区域识别问题提出了一个创新的方法。研究背景是2018年第五届地球观测与遥感应用国际研讨会,论文编号为978-1-5386-6642-5/18,价格为$31.00,版权属于IEEE。 该论文作者Qiong Ran、Shizhi Zhao和Wei Li来自北京化工大学信息技术学院,他们提出了一种空间光谱单一类别稀疏表示分类器(OCSRC)。这种分类器的灵感源于早期工作的多类别稀疏表示分类器(SRC),但在此基础上进行了扩展。传统的SRC方法主要依赖于光谱信息,而OCSRC则引入了一个新的概念:将空间光谱特征融入到单一类别的稀疏表示过程中,而非仅仅局限于原始的光谱带。 空间光谱特征的结合使得OCSRC能够更好地捕捉和利用数据中的空间相关性,这对于变化检测任务至关重要,因为灾害影响往往不仅限于单一的光谱响应,还可能表现出空间上的连贯性。通过这种方式,OCSRC能够在处理多时相遥感数据时,更准确地识别出那些与正常情况存在显著差异的区域,比如地震、洪水或其他自然灾害过后的变化区域。 OCSRC方法的工作流程包括以下步骤:首先,对多时相遥感图像进行预处理,提取空间光谱特征;然后,将这些特征输入到稀疏表示框架中,通过寻找最能代表正常状态的稀疏解来构建模型;最后,当新的观测数据与已学习的模式有较大偏差时,就判断可能存在变化,并定位到变化的具体位置。 这篇研究论文在遥感变化检测领域具有重要意义,它展示了如何通过整合空间和光谱信息,提升单一类别稀疏表示分类器的性能,从而有效地识别和追踪地理空间中的灾害影响区域,为灾害预警和应急响应提供有力的数据支持。这项工作不仅有助于提升遥感数据分析的精度,也为后续的研究者们提供了宝贵的理论依据和技术参考。