遥感影像变化检测的目的是在遥感影像的相同视场中，随着时间的变化，即2个不同时刻，相同视场地表的特征影像地物发生变化. 检测的最终目的主要有3方面：确定影像中地物变化与否，确定变化部分的特征是什么以及确定这种变化的整体过程. 利用遥感卫星的周期性的对地表地物的覆盖情况的变化检测技术方法已经被应用到国土资源的监测、环境污染、绿色植被覆盖监控、城市发展变化方向、水资源变化普查及应急防灾减灾等热点方向. 近20年来，变化检测的方法归纳[1]如图1.

（2）财务科负责按照科研经费报销审批流程执行，对科研经费进行核算、监督及管理，建立科研经费明细账户，按规定专款专用。从2016年后严格控制现金支付，设备、材料、实验外协费、国际合作与交流费、劳务费、专家咨询费等通过银行转账结算。

图1　变化检测的方法

近些年，随着高分影像的发展与广泛应用，在高分影像中的地物包含的特征更加丰富，如地物边缘信息更加细腻、纹理信息也更清晰可见. 这也使得要分析的影像的结构更加的复杂，影像目标也会出现同物异谱. 而传统的遥感影像变化检测的技术方法和经典算法，大都是通过单一的对像素级灰度变化处理而得出来的算法，无论是从效率上还是从精度上都难以胜任对高分辨率影像中变化信息的快速、准确提取. 通过对视觉注意机制的研究学习，我们发现人类的大脑对于显著性的东西可以从视觉接受的大量信息中快速的筛选出来. 也有学者对这一方向做了研究，但是准确度不高. 因而本文旨在通过机器感知的算法来模拟人类视觉感知，快速准确的找到显著性变化的区域，达到变化检测的目的.

1　算法的改进

目前的变化检测的方法中用到的视觉显著性方法是itti方法[2]，如图2所示.

图2　Itti流程图

基本思想就是通过高斯函数滤波的作用，对原始影像的亮度、颜色以及方向进行处理，并且建立金字塔模型. 这样做的目的是为了模拟视觉机制的感应，进而通过一种“中心- 周围”对比的方式来筛选显著性目标. 此方法采用的是对不同维度上的金字塔影像做差分，利用这样的方法来消除影像中干扰因素(非目标地物的残余像素)，进而实现筛选的目的. 将3个不同空间的筛选结果融合到一起便得到了每一空间的显著性结果. 最终将3个空间的结果融合在一起就是循环一次的显著性图.

青辰还发现，随着自己和唐玉烟整日在一起，青萝对唐玉烟的敌意，已经不可避免地波及到了自己。她开始对自己不满，甚至于有时候连说话都会凶巴巴地瞪自己一眼。

会上，中国农业大学教授、资源与环境学院副院长江荣风，安徽农业大学党委常委、副校长姚佐文，安徽六国化工副总经理、总工程师沈浩，代表三方签署战略合作协议。

对比真实地物变化图，定量评价指标统计结果如表1.

图3　带通滤波图像的比较

数学学科具有思维的高度抽象性，逻辑严密性等突出特点，考试大纲以体现数学学科特点为前提，要求考试内容包括大学本科数学专业基础课程知识与高中数学知识，包括数学分析，高等代数，解析几何，概率论与数理统计及高中新课标中所规定的必修课全部内容，全面考察相关知识点.

G(x,y,σ1)-G(x,y,σ2).

(1)

图5　不同时像彩色影像

叠加多个滤波器：

(2)

因为此算法是多次叠加，因此ρNσ可以取到无穷大，这样卷积后的结果就相当于我们对影像矩阵计算了它的算术平均值. 如果N=0，高斯标准差σ就会非常小，这样可以用一个二项式滤波器来对它近似，这样做的目的是加快运行速度，优化算法的可行性. 从而本文算法的显著性特征值的定义为S(x,y)=d(Iμ-Iωhc). 其中：Iμ是将要得到的特征影像算数平均计算后的影像，Iωhc是高斯核，d表示欧式距离. 如图4所示.

图4　IG算法结构示意图

2　实验与结果分析

实验数据为3个波段的QuickBird影像. 影像的大小为1 024×768个像素矩阵，并且已经经过配准，其配准的精度为亚像元级. 数据为两时像数据，RGB 彩色合成影像如图5.

实验步骤如下：

1)两时相影像做差分图、比值图，最后再将他们融合成综合的差异图，如图6.

图6　融合过程图

其中漏警率为：

在经历了2008年的金融风暴后，国际经济出现了一段平稳发展的时期，各大经济体稳步发展。我国更是在经济总量上赶超日本成为世界第二，并不断缩短与美国之间的差距。然而，在美国新一届总统执政后，美国的对外政策出现了较为剧烈的波动。其中包括工业回流、资本限制、贸易壁垒等更是对国际财经合作产生了一定的扰动与不良影响。本文依此为基本背景，探究新时期国际财经合作的特点以及具体的作用。并从我国视角下为促进国际财经合作建言献策，希望能够为我国经济的平稳高速发展提供必要依据。

总错误率为：

图7　视觉显著性变化检测结果

运用传统变化检测方法进行对比实验，如最大类间方差法(OTSU)[3]、最大熵法[4]和Itti显著性法的检测结果对比图如图8所示：

对于多时相影像变化检测做出的判断一般有2种情况[5-6]：发生变化的或者没有发生变化. 本文将其定义为变化类与没有变化类，分别用Dc和Dn表示变化检测的结果中两种类别的像素个数；影像中真实地物变化在图中变化类和未变化类像素的总像素个数分别用Tc和Tn表示. 由此我们可以得到，运用变化检测方法正确检测的变化目标像素个数为Fc={Dc∩Tc}，正确检测的未变化目标像素个数为Fn={Dn∩Tn}. 最终的定量结果评价我们采用变化检测评价方法中最常用的3个指标：虚警率、漏警率和总错误率.

图8　检测结果对比图

2)对综合的差异图分别做形态学拉伸与上述本文算法的显著性区域探测.

本文所采用的IG显著性算法由于过程简洁，计算效率要高于传统的Itti算法. 与此同时IG算法尽最大可能在显著图上保留了原影像的分辨率，使得结果不失真. 在此优势的基础上，本文又通过对两时相影像的变化检测的实验结果与OTSU方法、最大熵法和Itti显著法结果进行对比的方式，来验证了本文所提出的算法在对于显著变化目标检测上，不仅在主观上有明显的优势，而且通过虚警率、漏警率和总错误率3个客观评价精度指标的对比，也更加充分地证明了本文方法在显著目标变化检测上优于其他3种方法，且解决了虚警率、漏警率和总错误率不能同时降低的难题. 因此本文所提出的方法对于不同时相的高分遥感影像的变化检测具有很强的实用性. 虽然本文完成了算法的验证，但在更多特征同时变化时仍然需要进一步完善，因此下一步的研究方向为更多变化特征的变化检测.

3)综合显著性变化区域与形态学像素显著变化目标，综合分析得到真实目标变化如图7.

在这种情况下的亮度图像由于连续的高斯平滑降采样会导致从输入图像保留的空间频率定义域的连续减小，也就是说每次平滑操作都相当于减少了影像一半的归一化频谱范围. 通过这样的8次平滑操作后，设原始影像的光谱频率范围在[0，π/256]内. 应用上述算法对影像金字塔进行高斯平滑图像差分，到第4层尺度影像时，他的频域范围就有了新的大小，保留下来的频率范围在[π/256，π/16]. 二维影像的频率在其范围内频域数据的低频分量以及99%高频成分量被丢掉了. 因此，保留从原始输入影像净剩下来的影像只包含了非常少量的细节信息，并且这部分信息表示的是原始影像中的非常模糊的部分. 如图3所示.

4.关于专题教学，专题教学不要贪多求全，不要面面俱到，要突出重点，要有针对性，要解决问题。一方面是面——基本理论和基础知识（系统讲授），知识的系统性、科学性，已够用为度；另一方面是点——重点、难点、疑点、热点（专题讲述），联系社会实际、学生思想实际，要有针对性，以管用为度。

表1　检测结果统计表

检测方法虚警率漏警率总错误率PixelsPFA/%PixelsPMA/%PixelsPTE/%OTSU方法114791.6810527.46125231.77最大熵法89181.32205914.5862680.92Itti显著法36900.5810808.244200.63本文方法18360.264072.7322100.31

3　结论

虚警率为：

参考文献：

为了使得影像的显著图与原影像的分辨率相同，本文采用IG显著性机制，目的是使显著性目标更清晰. 该算法的核心思想是利用影像的亮度与颜色信息，很简洁地计算出显著图，同时还要保留尽可能多的高频信息，使得显著图的边缘能够更清晰，这样会使得我们不仅在主观上还是客观上对影像的分析与判断都会带来很大的帮助. 该算法是通过对多个DoG带通滤波器的叠加得到的. DoG算法:

[1]　程晶, 霍宏, 方涛. 基于主题模型的高分辨率遥感影像变化检测[J]. 计算机工程, 2012, 38(15):204-207.

[2]　Itti L, Borji A. Exploiting local and global patch rarities for saliency detection[A]∥Computer Vision and Pattern Recognition[C]. IEEE, 2012:478-485.

[3]　霍利利. 基于融合和特征提取的遥感图像变化检测[D]. 西安：西安电子科技大学, 2014.

在工况1切换至工况2过程中，电力系统动态响应情况见图5。由图5可知:发电机G3、G7并网后，主汇流排电压和频率经过约10 s振荡后趋稳，电压最大波动低于0.08 p.u.，稳定值约为1.05 p.u.；频率最大波动小于0.03 Hz，稳定值约60.025 Hz。从第145 s开始，推进电机输出功率由极低值，经10 s时间逐渐升至880 kW，主汇流排电压和频率均存在小幅振荡衰减，振荡时间约20 s，电压最大波动约0.01 p.u.，最终稳定在1.04 p.u.；频率最大波动小于0.015 Hz，最终稳定在60.022 Hz。整个切换过程中，电网电压和频率波动范围均满足设计要求。

当前妇幼保健档案管理工作正在向着数字化和信息化方向发展,在档案安全管理工作中漏洞不可避免。一方面是因为档案管理人员没有足够的安全意识和保密意识,容易造成档案信息泄露;另一方面是缺乏对网络安全的重视度 ,档案安全管理容易受到黑客攻击,很大程度上增大妇幼保健档案管理工作难度。

[4]　随银岭. 多时相遥感图像变化检测技术研究[D]. 长沙：国防科学技术大学, 2011.

[5]　Li D. Remotely sensed images and GIS data fusion for automatic change detection[J]. International Journal of Image & Data Fusion, 2010, 1(1): 99-108.

[6]　Bruzzone L, Prieto D F. Automatic analysis of the difference image for unsupervised change detection[J]. IEEE Transactions on Geoscience & Remote Sensing, 2000, 38(3):1171-1182.