基于主动学习的油气管道沿线地物变化检测(2)
1 基于多源特征融合的主动学习变化检测
1.1 多源特征的融合与差值影像的获取
1.1.1 多源特征提取
随着高分辨率遥感影像空间分辨率的提高,光谱波段信息随之减少,为了充分挖掘并利用高分辨率遥感影像丰富的空间信息,以提高变化检测的精度,提取了纹理和形态特征与光谱特征组合构建变化检测的输入数据。
1.1.2 变化矢量特征的构建
根据纹理特征和形态特征构建的各个像元(i,j)的多源特征向量X(i,j)计算公式为
X(i,j)=[Xs(i,j),Xt(i,j),Xm(i,j)] (1)
式(1)中:Xs(i,j)表示像元的光谱特征;Xt(i,j)表示纹理特征;Xm(i,j)表示形态特征。则差值影像表示为
D(i,j)=X1(i,j)-X2(i,j) (2)
1.2 初始训练样本的获取
(1)利用构建的多源特征数据根据CVA法获取变化强度矢量图,其中变化强度矢量计算公式为
(3)
(2)计算变化强度矢量的均值M、并参考文献[20]求取变化最优阈值。
(3)根据M设定初始阈值T0,T0=M,并利用T0将变化强度矢量图分为两类:
(4)
(4)求取两部分的均值Mu和Mc并计算新的阈值T,T=|(Mu+Mc)/2|。并根据终止条件e比较两阈值的绝对差,如果满足收敛条件,即|T-T0| (5)当e较小,但实际收敛结果e1较大时,即当e1>e时不同的初始阈值T0会产生两个初始阈值Tlast1和Tlast2,即阈值所在的一个范围{Tlast1,Tlast2}。 (6)根据Tlast1和Tlast2将位于初始阈值范围外的影像分为两部分: (5) (7)求取两部分的标准差S1和S2,并计算最终阈值T。 (6) (8)根据阈值T将变化矢量图CD归为变化和非变化像元两部分: (7) 式(7)中,CD(i,j)和f(i,j)分别表示像元(i,j)的变化检测结果和变化矢量。 (9)通过分割对象约束对初始变化检测结果进行不确定性分析。 (8) 式(8)中,n_c和n_uc分别表示任一对象Ri中变化和非变化像元数量;Ni表示对象Ri中像元总个数;e1i+e2i=1。 (10)分别将所有的e1i和e2i从大到小进行排序,数值越大,确定性越大,并从最确定区域随机选择准确率较高的正负训练样本作为初始训练样本。 1.3 多尺度分割 影像分割是指利用遥感影像的光谱、纹理、形状以及空间上下文特征,将图像划分为若干个具有特征一致性且互不重叠的连通区域的过程。 分形网络演化方法(fractal net evolution approach, FNEA)是一种有效的多尺度分割算法,该算法以种子点为起始点,根据像元对象异质性最小的原则,在保证类间平均异质性最小、类内同质性最大的前提下,基于合并相邻像素或小分割对象来实现影像的分割,是一种自上而下的分割算法。对象异质性度量和尺度阈值选择是决定对象合并与终止的条件。其中异质性度量公式为 f=wcolorhcolor+wshapehshape(9) 式(9)中:hcolor表示相邻对象的光谱异质度;hshape表示相邻对象的形状异质度;wcolor和wshape分别表示相邻对象的光谱和形状异质度权重,wshape+wcolor=1。 实验中利用的是易康自带的FNEA算法对两时相叠加后影像进行分割,通过设置分割尺度(scale),紧致度(compactness)和形状(shape)参数对影像进行分割,并且利用空间信息和位置信息提取具有不同标签值(Label)对象的索引来对栅格数据进行处理,对每个对象Ri,利用式(8)对初始变化检测结果进行约束,计算该分割对象属于非变化对象和变化对象的概率,并从最确定变化和非变化区域分别提取正负训练样本作为初始训练样本候选集,利用1.2节方法进行初始训练样本的提取。 1.4 训练样本增选策略 未标记样本的选择对变化检测算法的精度和半监督算法的运行效率具有重要的影响,因此对半监督变化检测算法的训练样本增选策略进行了改进,主要包含增选样本候选集的优化和主动学习策略的选择。 1.4.1 增选样本候选集的构建 增选样本候选集的构建可以有效解决半监督变化检测训练学习过程中的样本标注问题。传统的多分类器集成半监督变化检测算法中,通常选择两个分类器变化检测结果一致的样本作为增选样本候选集,但是由于高分辨率遥感影像变化检测中噪声可能会被误检为伪变化像元,影响增选样本的准确度,因此首先利用多尺度分割对分类器集成变化检测结果进行约束,然后利用已经标注样本的八邻域信息与多分类器变化检测结果进行融合进行增选样本候选集的构建,这样既利用了光谱信息,也有效利用了空间信息,使增选样本结果更加可靠。 文章来源:《油气储运》 网址: http://www.yqcyzz.cn/qikandaodu/2021/0222/367.html
上一篇:油气储运设备的管理、维护举措分析
下一篇:油气储运过程中仪表自动化技术的应用