基于多目標聚類和選擇集成的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間獲得的覆蓋同一區(qū)域的兩幅或多幅遙感圖像進行觀測分析，對比得到圖像之間的差異，進而檢測出該地區(qū)的地物隨時間發(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，首先生成兩時相遙感圖像的差異圖像，然后對差異圖像進行分析處理，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，提出了一種多目標聚類的差異圖分析算法。算法設(shè)計兩個互補的聚類目標函數(shù)評價聚類性能，目標二中引入鄰域像素與中心點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)的單目標聚類算法，可以更好地去除斑點噪聲對聚類結(jié)果的影響，又不會造成細節(jié)的丟失。同時由于建立兩個目標，避免了參數(shù)選擇困難的問題。實現(xiàn)了在

3、圖像分割或分類過程中既保持細節(jié)的完整增強了聚類性能，同時抑制斑點噪聲的目標。使用的進化多目標方法用隨機產(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，使用單一目標進行聚類運行多次才能生成不同的解，利用多目標優(yōu)化方法運行一代即可得到。
　　2.本文引入選擇性集成策略，將多目標聚類的結(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)果進行選擇性集成，得到比單個聚類更好的結(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)果作為評判標準，對各基分類器進行排序；排序后，選擇前10％~30%進行集成，最終獲得一組整合的分割結(jié)果。使用多目標優(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。實際應(yīng)用時，可以根據(jù)實際需要或偏好來選擇其中一個解。其他大多數(shù)的多目標聚類算法是采用第三方選解策略來進行選解，其