1 引言 遥感变化检测是指通过对不同时期同一区(3)
2013-07-01 01:52
导读：Fung [29],Gong [30]等先后将主成份变换应用于变化检测中。Qiu[31]等人将分块主分量分析(Multi-Block PCA)法应用于图像变化检测。 Rignot[11]等人利用ERS-1 的重轨影像
Fung [29],Gong [30]等先后将主成份变换应用于变化检测中。Qiu[31]等人将分块主分量分析(Multi-Block PCA)法应用于图像变化检测。
Rignot[11]等人利用ERS-1 的重轨影像进行了不同方法的变换检测，得出，对于单视影像或者是视数较小的多视影像，基于去相关的变换检测方法效果最好。Corri[32]通过计算三幅多时相影像两两之间的相关系数进行变化检测，并提出一种对建筑物变化敏感的检测方法。
Hyung Sup [33]等利用多时相JERS-1SAR 数据，进行了多种方法的变化检测，认为去相关法对于检测物体属性的变化是非常有用的方法。Takashi[34]等用相关系数法以及标准偏差系数法进行了比较，发现，相关系数法提取的区域要小于标准差系数的区域，对于大面积区域，更适合用标准差系数法来进行变化检测。
Roger[35]等利用Seasat 和SIR-B 不同时相图像，用最小距离分类器得到了森林主要变化类型的大小和范围。White [36]对基于模型与基于神经网络方法进行了比较，认为神经网络训练得当，则此方法优于基于模型的方法。Fabio [37]等提取出后向强度、相关参数以及纹理参数特征，进行神经网络监督分类，进行变化检测。Welismiller[38]等采用同时分类法进行了德克萨斯地区海岸带环境变化检测。
White[36]针对SAR 图像的斑点噪声以及配准问题，提出基于图像分割的方法，并利用神经元网络进行对象识别，在此基础上进行变化检测。Craves[39]对多时相ERS-SAR 数据进行了分割，分割后的图像叠加起来进行检测。日本L．Zhu [40]利用分水岭分割实现建筑物提取，在此基础上进行变化检测。瑞典的Hongtao Hu [41]等利用面向对象分割方法，然后进行特征选择，利用神经网络分类提高分类精度，最后进行变化检测。Francesca [42]对多时相SAR 影像进行分割，分割后的图像利用距离测度确定变换图像，进一步设定阈值进行变化检测。
（转载自中国科教评价网http://www.nseac.com） 4.2 国内现状
熊博莅[43]在差值图像基础上对阈值的自动选择算法进行了研究.王超等[44]利用radasat-1数据对蚌埠市进行比值法变化检测。金亚秋[45][46] [47]、廖明生[48],江利明[49],宋妍[50]，王桂婷[51]，申邵洪[52]采用马尔科夫随机场模型描述SAR 比值差异图像的空间上下文信息，进行了基于该模型的变化检测。张路[53]利用顾及上下文关系的贝叶斯理论进行变化区域提取。王桂婷等[54],李杰等[55]进行了基于小波变换的多尺度融合检测方法。
张辉等[56][57]将向量化后的两SAR 图像组成的矩阵进行主分量分解,利用分解后的次分量表征为图像的变化部分。
廖明生[58]利用多时相SAR 影像的比值以及相关系数组成二维图像进行变化检测，此方法比用单一方法检测更加有效。
王永平等[59]对SAR 图像进行聚类分析，对聚类后的图像引入M 距离进行变化检测。黄勇等[60]对原图像进行分块，利用每一块内的纹理特征和灰度特征进行非监督变化检测。黄玉琴[61]把地
统计学纹理应用到SAR 图像分类中，得到城市覆盖区的专题信息。赵小杰[62]计算出不同的纹理特征，用K 近邻法进行聚类后再进行变化检测，并与比值法以及差值法比较，得出该方法适合城区变化检测的结论。
黄勇[63] [64]首先对两幅SAR 图像进行似然比分割，利用距离函数进行变化检测。蔡纯[65]
在模拟退火分割基础上，进行了区域似然比的变化检测。文献[66]用模糊知识分类器进行对象分类,进行分类后比较。Hong Chi[66]用模糊知识分类器进行对象分类,进行分类后比较。
种劲松等 [67][68]利用纹理差值变化检测方法，采用最小错误率的贝叶斯方法对北京地区Radarsat 多时相数据进行变化检测。张军团 [69]着重研究了二阶灰度特征，提出了基于二阶统计特性的SAR 图像变化检测算法，在目标与背景强度差距大的情况取得很好的变化检测效果。
内容来自www.nseac.com
变化检测的各种方法各有优缺点，各有适用范围，实际应用中，哪种好坏没有定论。区域不同、需要不同，方法的选择也不同。
