基于多目標(biāo)聚類和選擇集成的SAR圖像變化檢測方法.pdf

1、遙感圖像變化檢測是通過對不同時(shí)間獲得的覆蓋同一區(qū)域的兩幅或多幅遙感圖像進(jìn)行觀測分析，對比得到圖像之間的差異，進(jìn)而檢測出該地區(qū)的地物隨時(shí)間發(fā)生的變化信息。目前圖像變化檢測算法的研究方法一般流程是，首先生成兩時(shí)相遙感圖像的差異圖像，然后對差異圖像進(jìn)行分析處理，將差異圖像分成變化類和未變化類兩類，得到最終的檢測結(jié)果。聚類就是其中對差異圖進(jìn)行分類的方法之一。
　　本文針對已有聚類技術(shù)在圖像分割中的不足，提出了一種無監(jiān)督的基于于非支配鄰域免

2、疫算法的多目標(biāo)模糊聚類算法和選擇性集成策略的SAR圖像變化檢測算法：
　　1.首先，提出了一種多目標(biāo)聚類的差異圖分析算法。算法設(shè)計(jì)兩個(gè)互補(bǔ)的聚類目標(biāo)函數(shù)評價(jià)聚類性能，目標(biāo)二中引入鄰域像素與中心點(diǎn)像素之間的灰度差和歐式空間距離加權(quán)作為聚類算法的相似性度量，在聚類過程中結(jié)合空間鄰域信息。算法相比于傳統(tǒng)的單目標(biāo)聚類算法，可以更好地去除斑點(diǎn)噪聲對聚類結(jié)果的影響，又不會(huì)造成細(xì)節(jié)的丟失。同時(shí)由于建立兩個(gè)目標(biāo)，避免了參數(shù)選擇困難的問題。實(shí)現(xiàn)了在

3、圖像分割或分類過程中既保持細(xì)節(jié)的完整增強(qiáng)了聚類性能，同時(shí)抑制斑點(diǎn)噪聲的目標(biāo)。使用的進(jìn)化多目標(biāo)方法用隨機(jī)產(chǎn)生的初始抗體種群代替初始的聚類中心，降低了傳統(tǒng)聚類分割方法對初始聚類中心的敏感度，使用單一目標(biāo)進(jìn)行聚類運(yùn)行多次才能生成不同的解，利用多目標(biāo)優(yōu)化方法運(yùn)行一代即可得到。
　　2.本文引入選擇性集成策略，將多目標(biāo)聚類的結(jié)果視為不同權(quán)值的同態(tài)分類器分類的結(jié)果，對初步分類的結(jié)果進(jìn)行選擇性集成，得到比單個(gè)聚類更好的結(jié)果。本文所提出的選擇性集

4、成策略，首先將所有聚類結(jié)果進(jìn)行簡單的投票集成；然后根據(jù)一次集成的結(jié)果作為評判標(biāo)準(zhǔn)，對各基分類器進(jìn)行排序；排序后，選擇前10％~30%進(jìn)行集成，最終獲得一組整合的分割結(jié)果。使用多目標(biāo)優(yōu)化聚類產(chǎn)生的結(jié)果是一組非支配解集，得到的是一組聚類中心，由聚類中心可以得到不同的分割結(jié)果。從多目標(biāo)優(yōu)化角度來講，結(jié)果之間相互支配，沒有優(yōu)劣性可言。實(shí)際應(yīng)用時(shí)，可以根據(jù)實(shí)際需要或偏好來選擇其中一個(gè)解。其他大多數(shù)的多目標(biāo)聚類算法是采用第三方選解策略來進(jìn)行選解，其