摘要
针对传统空域和小波域检测算法的相邻像素间相似特征捕捉性能差、方向分辨率低的问题,提出了一种基于非下采样Brushlet变换和各向异性Gabor窗的二维最大类间方差变化检测方法.将非下采样Brushlet域的各向异性Gabor非线性加权均值计算和空域最小化均方误差的线性组合相结合,来获取相干斑噪声抑制后的均值特征,解决了角分辨率低的问题,获得了各个方向、频率和位置的精确定位;利用二维最大类间方差阈值分割来得到最终的变化检测结果.对真实的SAR图像进行了实验,证明了新方法有着较好的检测结果,并能够很好地保留边缘等细节信息.
学科与关键词
关键词
图像变化检测Brushlet变换各向异性阈值分割 image change detectionBrushlet transformanisotropicthreshold segmentation
- 基于孪生卷积网络的SAR图像变化检测陈佳伟; 丁凡; 王蓉芳; 宋笑雪咸阳师范学院学报, 2019, (06): 33-36.
- SAR IMAGE EDGE DETECTION BASED ON IMPROVED WEDGELET TRANSFORMHOU Biao; LIU Pei; JIAO Li Cheng红外与毫米波学报, 2009, 28(5).
- NSCT域统计模型的SAR图像相干斑抑制殷明; 刘卫; 吴江敏测绘科学, 2013, (05): 77.
