更全的杂志信息网

一种排除D-S证据冲突的遥感影像变化检测方法

更新时间:2016-07-05

0 引言

变化检测技术已成为遥感图像处理与分析领域的研究热点[1],它是通过一定数学方法对两时相影像变化信息进行检测的技术,由于在数据源、维度等方面侧重不同,变化检测存在一定难度。目前,变化检测主要侧重于多影像平台、数学方法、空间特征与物理特征方面研究,很多高精度变化检测方法应运而生,在多平台影像方面,出现了InSAR变化检测[2]和LiDAR影像检测[3,4],均获得了令人满意的检测精度;数学方法是变化检测的本质与核心,传统的变化检测方法为支持向量机法[5]、边缘检测[6,7]等方法,随着数学方法逐渐完善,可利用的数学模型越来越多,如小波变换法[8]、偏最小二乘法[9]、模糊判断法[10]、最小交叉熵法[11]、微粒群方法[12]等等;在空间特征方面,时空模型法[13]与区域特征法[14]被相继提出,这种方法以影像分割为基础进行特征提取与像素对比,考虑了空间地物聚类特征,丰富了变化检测方法;物理特征检测法是针对影像的纹理、梯度特征进行变化检测[15,16],也是一种传统的变化检测方法。采用纹理、梯度检测等单一特征变化检测对匹配要求高,且多数方法是在匹配后进行的,这对于精度和效率而言是不利的[17],因此,目前研究已转向多特征融合检测,如徐俊峰提出的多特征面向对象检测方法[18]、郝睿提出的多特征BP神经网络方法[19]等,虽然多特征检测具有顾及了要素全面性,但同时也带来了数学方法支持问题,因为不同数学方法对各特征权重、阈值确定和不确定性分析有所差异,因此选择合理的数学方法,是多特征融合变化检测的关键问题之一。

D-S(Dempster-Shafer)证据理论在不确定性方面的表述与度量灵活性较强,信任度分配顾及了未知域,在不确定分析中接近于人类专家思维,推理简单、直观,成果易于计算机实现,因此常被用于人工智能不确定性推理。与多数不确定推理理论一样,D-S的理论框架是基于对不确定性的精确数值度量的[20]。D-S理论虽然在不确定问题方面展现了良好的应用前景,然而在遥感影像多特征融合检测应用中,由于外界干扰或传感器可靠性不足,可能会导致高证据冲突[21],这在一定程度上限制了D-S法的应用。根据文献[21]的改进Dempster-Shafer证据理论方法,本文提出了基于改进D-S模型的多特征变化检测方法,利用两时相多特征结构相似度构造出基本概率赋值函数,并运用判定规则确定变化阈值,从而检测出两景不同时相的影像像元变化,避免证据冲突,提高变化检测的精度与效率。

1 D-S证据理论

D-S证据理论是由Dempster在1967年基于多值映射研究而提出的[22],后由Shafer进行完善的,从而形成了D-S理论。D-S证据理论是Bayes理论的推广,其理论思想是,以集合表示命题(事件),以信任区间代替概率,以Dempster组合规则替代Bayes公式。在表达不确定信息方面,D-S理论能具有更科学的表示方法,不确定性推理明显好于Bayes公式。

1.1 mass函数

设不确定性度量集合为Ln,其不确定性从“不可能”到“完全确定”按升序共n个符号值,集合表达为当且仅当ij,若采用ξ为元语言,那么Lnξ。例如,对于由Dempster可将描述定义如下:

问:我从来不相信保健品,朋友读《养生三记》,说挺好的,我借来读,有一点动心,就想去彭祖补品屋看看。那天我和朋友一起去的,她买了一些东西,我买了麦绿素和补氧胶丸。妹妹是乙肝携带者,她吃了麦绿素,感觉乏力和肝区不适的症状没有了。父亲总头疼,吃了补氧胶丸,脑筋清爽,头不疼了。我很认可这些产品,我没有病,只是成天坐办公室,有时提不起精神,睡眠也不太好,可不可以吃麦绿素?

littleimpossible;

certain;

计算特征向量XY的相似度时,其前提应满足如下性质:第一,满足对称型,即SIM(X,Y)=SIM(Y,X);第二,满足相关性,即相似度绝对值接近0时,相似性差,接近于1时,相似性强;第三,满足唯一值性,即存在唯一最大值,当且仅当X=Y时,SIM(X,Y)=1。

(1)

(2)

(3)对于∀Y∈2Θ,若

上式中SUM和SUB分别为求和与求差。事实上,m函数分配的只是假设信任度量,它不仅分给了Θ的基本元素,也分给了Θ的任意子集,这说明D-S理论在信任度分配方面比概率理论更灵活。

1.2 合成法则

在(1)式中,m为辨识框架子集2Θ的基本概率赋值函数(basic probability assignment function,BPAF),m(A)为A的基本概率函数,表示当前证据之下对A的信任度,但不意味着对A任何真子集的信任度。其定义方法是,若A=Θ,则表示m(A)是A的不确定信任度;若AΘ,则m(A)是A的确定信任度;若AΘ,且m(A)>0,则称Am的焦元(Focal Element,F),证据的答案信息均存于二元组(m,F)上,因此(m,F)为证据体。对于基本概率赋值函数,恒有: 这与概率截然不同。

(1)

根据mass函数的定义,假设A为2Θ中的任一集合,必有m(A)∈[0,1],且有式(1)成立。

少年卡勐天真善良,他救助猴王争霸中受伤的小猴子这一情节跟《悬崖上的爱》中岳西救助小猴子如出一辙,但卡勐救助小猴子,收获的是快乐和友情,而不是出于心理补偿。小猴子也十分懂得回报人类的恩情,三番五次在危急时刻救了卡勐一家,这更是让少年卡勐对它有了非比寻常的偏爱。

(1)船员流动性大。以“海巡172”船为例,该船在实施船舶运行服务外包不足1年时间,先后共有6人辞职,尽管辞职的理由各有不同,但已经造成了该船频繁交接,接班人员即使业务能力过硬,但熟悉船舶各类设备和仪器需要一段时间,尤其对于船长、轮机长等关键性岗位的变动,一定程度上影响了船舶适航率,并曾一度处于被动局面,给我处船舶管理工作带来了新的问题。

(2)

(2)式为证据合成法则,其中参数k反映了证据冲突程度。证据合成后,尚需制定判定规则,设A1A2为辨识框架Θ的两个子集, m为组合后的BPAF,在满足m(A1)=max{m(Ai),AiΘ}、m(A2)=max{m(Ai),AiΘi≠1}的前提下,可界定检测变化阈值ε1ε2,最终A1的判定如式(3)所示。

(3)

1.3 证据冲突改进

参数k是证据冲突的度量,遥感影像在多特征任意组合时,证据之间可能会发生冲突,导致D-S证据合成可信度降低,因此需对证据冲突程度进行界定。文献[21]提出了一种证据冲突检验与解决方法,核心思想是通过定义证据平均距离与平均合取冲突判定证据冲突性,平均距离较小的为可信证据,在可信证据中,辨识平均合取冲突较小的证据,则此证据为不冲突证据,余者为不完全可信证据,对不冲突数据进行折扣与合成,可完成有效证据合成。

1.4 结构相似度判定

遥感影像质量评价可采用结构相似度来衡量,结构相似度反映特征向量XY的相似程度。设XY平均值为μXμY,标准差为σXσY,方差为协方差为σXY,那么XY的结构相似度SIM(X,Y)可用下式表示。

(4)

其中αβγ为各分量的权重,f1f2f3为弥补常数,是为了避免分母接近于0时产生数值不稳定而增加的常数。假设分量权重相当,则可令α=β=γ=1,取f3=f2/2,则(4)式可化为(5)式,有利于计算。

假设m1,m2,…,mn为2Θn个BPAF,亦即m1,m2,…,mnn个相互独立的证据,则他们的正交为m=m1m2⊕…⊕mn,其结果是一个新的BPAF,令m(φ)=0,那么:

从服务角度来看,图书馆的传统服务有图书借还、阅览自习、书目数据服务、普通咨询、普通信息服务、信息素养教育、数字资源访问等。新型服务有移动服务、新型空间服务、自主/自助服务、一站式资源发现与获取、智能咨询、创客/新技术体验、数据服务、MOOC教学,以上这些服务内容可以在传统服务的基础上进行升级;另外新型服务还包括数字人文、支撑教学和科研的学科服务、知识/情报服务、机构知识库、科研数据管理、出版服务等。

2018年11月9日下午,在洋河股份有限公司举行了“产区典型风格产品品评会”,由著名白酒专家高景炎主持。与会国家评委及有关人士对苏、鲁、豫、皖四省提供的24个代表产品进行了感官品评,根据感官质量品评结果,其中16个产品获得“2018年度中国黄淮流域白酒核心产区标志产品奖”,8个产品获得“2018年度中国黄淮流域白酒核心产区风格特色奖”。

在GPX IV案中,美国巡回上诉法院支持了国际贸易法院在GPX IV中的判决,但是基于不同的立场。法院认为反补贴法没有授权商务部向中国采取反倾销措施,原因是1988年和1994年修订了反补贴法之后,国会认可了在非市场经济背景下,政府报酬不属于“补贴”[5](P745)。这与乔治城钢铁案中所提出的“经济激励措施”或者“利益”是否构成了“赠款”或者“拨款”有异曲同工之处。问题似乎又回到了原点。

(5)

D-S理论的集合信任分配是通过m函数(mass函数简称)来实现的,设Θ为未识别对象可能产生的结果所构成的集合,称为辨识框架,其子集为2Θ,此时2Θ称为Θ的幂集,对2Θ中的元素进行编号,则mass函数可表示为从2ΘLn的映射,且满足以下条件[20]:

2 步骤与方法

2.1 改进D-S法检测步骤

基于D-S理论改进模型的卫片变化检测步骤包括六个过程,首先将两时相遥感影像进行数据预处理,包括几何配准与辐射校正,获取波段最大值后,依据纹理、边缘等进行特征向量提取。特征向量获取后,进行特征向量结构相似度计算,并检验特征向量的性质是否满足1.4所述的三个性质,然后进行特征向量证据融合,推算出BPAF,并运用D-S理论改进模型进行冲突程度判断,将不冲突证据进行合成,最终完成变化信息提取,同时进行精度评定。遥感影像的变化检测的流程如图1所示。

图1 D-S理论改进模型变化检测流程图

2.2 变化检测精度评定

组合的不同而异。根据特征重要性,不同的特征组合所对应的ω1ω2ω3值如表1所示。在判定时,变化阈值ε1ε2的确定是关键,由于ε2仅需一个较小值即可,因此先预置ε2=0.1,ε1从0.4开始,以0.1为步进直到0.9进行六组组合实验,反复考察ε1ε2与正确率、虚检率、漏检率的关系,得到最佳组合值为ε1=0.8、ε2=0.1。结构相似度弥补常数按(8)式计算,其中L为影像灰度级范围。由实验影像,最终求得f1=0.3、f2=0.9。

(6)

3 实验与分析

3.1 影像数据

实验影像选择的是江苏省某市多光谱快鸟影像,图片大小为500×500像素,获取时间分别为2003年和2005年。该区工业厂房和居民地规则分布,周围环绕大面积空地,目视解译两时相影像,发现该区居民地区域变化明显,两时相影像如图2(a)(b)所示。实验中,选用边缘、纹理、梯度和形态建筑物指数MBI为特征进行多种组合变化检测,特征组合情况如表1所示。

表1 特征组合的权重因子与冲突性

特征组合权重因子ω冲突性备注边缘+梯度(0.9,0.7)否边缘+梯度+MBI(0.6,0.5,0.9)否纹理+边缘(0.75,0.6)否纹理+边缘+MBI—是MBI与纹理冲突梯度+纹理(0.45,0.55)否梯度+纹理+MBI—是MBI与纹理冲突边缘+梯度+纹理(0.6,0.5,0.75)否边缘+梯度+纹理+MBI—是MBI与纹理冲突边缘—否边缘+MBI(0.4,0.85)否纹理+MBI—是MBI与纹理冲突梯度+MBI(0.5,0.8)否

3.2 参数分析

证据冲突检测分为两个过程,可信证据的辨识和不冲突证据的甄选。可信证据辨识首先计算证据的平均证据距离及证据所在证据集的平均距离,并将证据平均距离最小值赋值给最小证据集平均证据距离,然后判断证据的平均证据距离与证据集的平均距离,若前者小于等于后者,则将证据移入到一个可信证据集之中。可信证据辨识结束后,将原始证据集与可信证据集作差,形成差集,对差集中的证据(元素)与可信证据集所有元素进行平均合取冲突计算,将计算结果与可信证据集平均合取冲突进行比较,如果前者小于等于后者,则将差集证据移入到不冲突证据集中,否则将差集证据移入到不完全可信证据集中。不完全可信证据集冲突性未定,因此严格的证据冲突检测不应采用此集中的元素,证据冲突性检测按图3所示的过程执行。

(7)

(7)式中ωi为构建证据的权重因子,随特征

遥感影像变化检测精度可采用正确率、虚检率、漏检率、平均错误率来表示,假设像素变化检测有两种结果,分别是变化和未变化,用Ac表示检测变化像素,Rc表示实际变化像素,Au为检测未变化像素,Ru为实际未变化像素,则正确率为检测结果正确的像素(包括变化与未变化像素)占总像素的比重;虚检率为检测结果发生变化而实际并未变化的像素占总像素的比重;漏检率为检测结果中未变化而实际发生变化的像素占总像素之比重;平均错误率为虚检率与漏检率的平均值,反映错误率指标。四种精度衡量指标的逻辑计算式如公式(6)所示。

(8)

3.3 证据冲突检测

利用结构相似度进行相似性判定,需定义Θ框架,以Y代表检测后发生变化,N代表未发生变化,那么2Θ的非空子集有3个,分别为{Y}、{N}、{Y,N},此时结构相似度Si对应的基本概率分配函数如公式(7)所示。

图2 D-S改进模型的多特征变化检测

图3 证据冲突检测流程图

对表1所示的12种组合进行证据冲突性测验,结果发现在边缘、纹理、梯度和MBI四种特征中,MBI与纹理在证据平均距离与证据集平均距离判定中,直接筛选为不可信证据,表现为相互冲突,组合失败,其原因是MBI是基于纹理特征的方法,证据之间缺少独立性;MBI与边缘、梯度特征不冲突;边缘、纹理、梯度证据也互不冲突。

3.4 变化检测分析

实验时,滑动窗口选择5×5,按步长1个像素偏离,canny边缘检测时标准方差为0. 6,梯度和纹理量化时等级选择12,其它参数值按3.2所设值设定,各组合最终的检测结果如图2(c)-(j)所示。分析可知,多特征检测可发现细微变化,如图2(i)、(j)圈内的地物,但同时存在不稳定现象,可能造成漏检率增高(表2);实验结果同时发现,含有MBI组合精度较高,这说明形态建筑物指数是建筑区影像检测的一个重要参考指标。

雾霾天气是我国粗放经济发展的结果之一,我国必须实施绿色GDP的核算才能有效地转变经济增长模式,促进我国社会经济的可持续发展。绿色GDP的实施是一项非常复杂的工程,需要政府、企业以及整个社会的共同努力。

实验区遥感影像像元为250000个,通过与目视解译成果对比,结合公式(6)提供的精度评定指标,对正确率、虚检率、漏检率和平均错误率进行统计,可得表2所示的变化检测精度。通过分析发现,特征数量越多,正确率越高,两种特征的精度明显高于一种特征,而三种特征精度虽然高于两种特征精度,但提高幅度并不大,如边缘+梯度+MBI比边缘+梯度提高3.6%,边缘+梯度+纹理比梯度+纹理提高2.1%,比纹理+边缘提高0.9%;含有MBI的两种特征检测精度高于其他两种特征组合,如梯度+MBI高于梯度+纹理0.7%,边缘+MBI高于边缘+梯度1.2%,同时,MBI与其他特征融合可检验出较为细致的变化信息(图2(f)),因此MBI在建筑物变化检测中是首要考虑特征,这也印证了前述分析。

表2 变化检测精度

特征组合正确率%虚检率%漏检率%平均错误率%边缘82.73.53.83.6边缘+梯度90.24.25.64.9边缘+梯度+MBI93.81.94.33.1纹理+边缘91.53.94.64.2梯度+纹理90.35.14.64.8边缘+梯度+纹理92.42.74.93.8边缘+MBI91.45.23.44.3梯度+MBI91.05.33.74.5

4 结束语

基于D-S证据冲突改进模型,本文提出了一种融合MBI、边缘、梯度和纹理的多特征证据合成变化检测方法,该法通过计算前后时相影像差分统计指标,求取影像的结构相似度,然后进行证据合成,对合成的证据进行冲突检测,得到合理的特征组合,从而实现了多特征遥感影像变化检测,并获得较高精度。通过实验成果分析,得到以下结论:

配电箱的安装施工也是非常重要的步骤,对于电力系统的运行以及设备的正常使用存在直接的影响。首先,安装开始之前,工作人员应该充分的了解配电箱的基本信息,要掌握其综合性能、高度与宽度尺寸等方面,确保其具备一定的稳定性和坚固性。工作人员应该检查其支撑性能,可以在箱体内部设置一定的物品来进行检测,同时还应该避免其他因素所造成的变形问题存在。配电箱施工结束后,工作人员应该根据标准要求来进行全面的检测与调整,此时需要利用相应的仪器来进行检测,在全部达到了要求之后才能进行运行和使用,从而可以防止在施工中出现严重的安全事故[4]。

初中美术的情感教育是初中美术课程教学过程的重要组成部分,主要是以美术课堂的使用和教学内容为载体。课堂上贯穿着跨学科、计划和系统的思想,以及政治、美术、劳动和道德教育的渗透。通过充分尊重和培养学生的情感素质,学生将形成良好的道德观,为周围创造正面和积极的社会价值。初中美术课程中情感教育的目的是将情感教育与美术知识的学习相结合,达到提高学生美术学习效率,以及明确学习目标的目的,为学生的健康成长提供保障。

(1)基于多特征证据融合的变化检测精度较高,明显优于单特征检测,且特征愈多,精度愈高。三特征组合与双特征相比,精度有所提升,但提升幅度十分有限,易造成漏检,敏感性较强,因此在精度要求不高的前提下,采用双特征检测较为适宜。

(2)该法可检测出多证据之间的冲突性,可将冲突证据定性为不可信证据和不完全可信证据,及时排除不适应特征,优化特征组合,使之趋于合理。

(3)MBI较适宜于建筑物变化检测,无论是两特征还是三特征组合检测,含有MBI特征的组合均具有较高的检测精度。

由于特征在变化检测中可以任意组合,因此本文提出变化检测法具有一定研究与应用意义。然而对于检测出的不完全可信证据,其不定性并没有作进一步区分,这也是今后的研究方向与内容。总之,基于改进D-S证据理论的多特征变化检测既可以排除冲突证据,又可以进行变化检测,是一种顾及证据冲突性的高精度多特征变化检测方法。

参考文献

[1] 李伟.面向对象的遥感变化检测研究[J].北京测绘,2013,(1):11-14,30.

[2] 殷硕文,邵茜.基于地形匹配的InSAR地形变化检测方法研究[J].武汉大学学报(信息科学版),2010,35(1):118-121.

[3] 刘正军,左志权,燕琴等.基于多时相机载LiDAR点云的建筑物三维变化检测[J].测绘通报,2013(12):126-127.

[4] 彭代锋,张永军,熊小东.结合LiDAR点云和航空影像的建筑物三维变化检测[J].武汉大学学报(信息科学版),2015,40(4):462-467.

[5] 潘琛,冯琰,林怡,等.多特征差分核支持向量机模型的湿地变化检测[J].测绘科学,2014,39(12):104-108.

[6] 李伟,官云兰.遥感变化检测方法探讨[J].北京测绘,2011(1):21-24.

[7] 袁修孝,宋妍.基于边缘特征匹配的遥感影像变化检测预处理方法[J].武汉大学学报(信息科学版),2007,32(5):381-384.

[8] 黄世奇,刘代志,胡明星等.基于小波变换的多时相SAR图像变化检测技术[J].测绘学报,2010,39(2):180-186.

[9] 黄杰,王光辉,杨化超,等.结合偏最小二乘法和支持向量机的遥感影像变化检测[J].测绘通报,2016(7):35-38.

[10] 冯文卿,张永军.利用模糊综合评判进行面向对象的遥感影像变化检测[J].武汉大学学报(信息科学版),2016,41(7):875-881.

[11] 黄克凤,於雪琴,黄亮.利用最小交叉熵的多时相影像变化检测[J].测绘科学,2016,41(1):99-102.

[12] 戴芹,刘建波,刘士彬.微粒群优化方法的遥感影像变化检测研究[J].测绘学报,2012,41(6):857-863.

[13] 李亮,舒宁,龚龑.考虑时空关系的遥感影像变化检测和变化类型识别[J].武汉大学学报(信息科学版),2013,38(5):533-537.

[14] 王慕华,张继贤,李海涛等.基于区域特征的高分辨率遥感影像变化检测研究[J].测绘科学,2009,34(1):92-94.

[15] 张剑清,佘琼,潘励.基于LBP/C纹理的遥感影像居民地变化检测[J].武汉大学学报(信息科学版),2008, 33(1):17-11.

[16] 韩飞.光谱梯度差分与面向对象方法相结合的高分辨率遥感影像变化检测[D].四川成都:西南交通大学,2016.

[17] 李德仁.利用遥感影像进行变化检测[J].武汉大学学报(信息科学版),2003,28(特刊):7-11.

[18] 徐俊峰,张保明,郭海涛,等.一种多特征融合的面向对象多源遥感影像变化检测方法[J].测绘科学技术学报,2015,32(5):505-509.

[19] 郝睿,徐俊峰,王庆宝,等.基于BP神经网络的多特征融合变化检测方法[J].海洋测绘,2016,36(1):79-82.

[20] 牟克典,林作铨.定性Dempster-Shafer理论[J].计算机研究与发展,2005,42(11):1833-1842.

[21] 彭颖,沈怀荣,马永一.一种新的冲突证据融合方法[J].兵工学报,2011,32(1):78-84.

[22] DEMPSTER A P. Upper and Lower Probabilities Induced by Multivalued Mapping[J].Annals of Mathematical Statis-tics, 1967, 38(2):325-339.

刘艳,王立富
《北京测绘》 2018年第5期
《北京测绘》2018年第5期文献

服务严谨可靠 7×14小时在线支持 支持宝特邀商家 不满意退款

本站非杂志社官网,上千家国家级期刊、省级期刊、北大核心、南大核心、专业的职称论文发表网站。
职称论文发表、杂志论文发表、期刊征稿、期刊投稿,论文发表指导正规机构。是您首选最可靠,最快速的期刊论文发表网站。
免责声明:本网站部分资源、信息来源于网络,完全免费共享,仅供学习和研究使用,版权和著作权归原作者所有
如有不愿意被转载的情况,请通知我们删除已转载的信息 粤ICP备2023046998号