基于状态转移矩阵的变化检测方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (32): 144-147.

• 数据库、信号与信息处理 • 上一篇下一篇

基于状态转移矩阵的变化检测方法

李雪1，舒宁2，王琰2，李亮2

1.中国地震局地震研究所，武汉 430071
2.武汉大学遥感信息工程学院，武汉 430079

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-11 发布日期:2011-11-11

Research of change detection using state transition matrix

LI Xue1，SHU Ning2，WANG Yan2，LI Liang2

1.Institute of Seismology，China Earthquake Administration，Wuhan 430071，China
2.School of Remote Sensing and Information Engineering，Wuhan University，Wuhan 430079，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-11 Published:2011-11-11

摘要/Abstract

摘要： 土地利用变化检测一直是遥感影像变化检测研究的重点。在分析已有变化检测方法的基础上提出了一种基于状态转移矩阵（State Transition Matrix，STM）的变化检测方法。以像斑为分析单位，通过样本像斑的选择与更新对变化检测区域进行分析，利用辅助数据生成的地物变化状态转移矩阵对变化检测结果进行修正。实验证明了该方法的有效性。

关键词: 变化检测, 辅助数据, 状态转移矩阵, 马尔科夫链

Abstract: Land-use has been the focus of the study in the remote sensing image change detection.This paper proposes a change detection method based on the State Transition Matrix（STM）.It uses segments as the unit to analyse the images.After the samples selection and update，the STM，obtained from the auxiliary data，is used to amend the result of the change detection.The experiment shows the effectiveness of the method.

Key words: change detection, auxiliary data, state transition matrix, Markov chain

李雪1，舒宁2，王琰2，李亮2. 基于状态转移矩阵的变化检测方法[J]. 计算机工程与应用, 2011, 47(32): 144-147.

LI Xue1，SHU Ning2，WANG Yan2，LI Liang2. Research of change detection using state transition matrix[J]. Computer Engineering and Applications, 2011, 47(32): 144-147.

[1]	张翠军，安冉，马丽. 改进U-Net的遥感图像中建筑物变化检测[J]. 计算机工程与应用, 2021, 57(3): 239-246.
[2]	蒋世豪，江洪. 基于GDAL的遥感图像变化检测技术[J]. 计算机工程与应用, 2020, 56(16): 169-175.
[3]	赵莹1，潘华2，孙金艳2，莫启3，代飞4. 协同业务过程的随机行为分析方法[J]. 计算机工程与应用, 2019, 55(3): 245-251.
[4]	严智，张鹏，谢川. 基于Jaya的贝叶斯网络结构学习算法研究[J]. 计算机工程与应用, 2019, 55(19): 173-177.
[5]	张岭军，李聪，段云龙. 结合空间邻域信息的SAR图像变化检测[J]. 计算机工程与应用, 2019, 55(15): 185-192.
[6]	冯正英，王世东. 结合MNF变换和Canny算子的遥感影像变化检测[J]. 计算机工程与应用, 2019, 55(14): 266-270.
[7]	高秀娥1，2，李克秋1. 基于马尔科夫链的联合呼叫接入控制算法[J]. 计算机工程与应用, 2017, 53(2): 32-37.
[8]	唐广发，张会林. 人眼疲劳预测技术的研究[J]. 计算机工程与应用, 2016, 52(9): 213-218.
[9]	陈曦1，范敏1，熊庆宇2. 基于马尔科夫链的显著性区域检测算法研究[J]. 计算机工程与应用, 2016, 52(7): 171-175.
[10]	张文宇，孟旋，苏锦旗. 改进熵值法和马尔科夫链的组合预测及应用[J]. 计算机工程与应用, 2016, 52(6): 122-126.
[11]	冷翠平1，王双成1，2，高瑞1. 宏观经济风险分析的动态贝叶斯分类器方法[J]. 计算机工程与应用, 2016, 52(3): 224-229.
[12]	陈思静，张可. VANETs中的车辆移动规律性及轨迹预测研究[J]. 计算机工程与应用, 2016, 52(18): 139-143.
[13]	褚鹏宇，刘澜，尹俊淞，卢维科. 融合时空信息的短时交通流预测[J]. 计算机工程与应用, 2016, 52(12): 246-250.
[14]	李小春，贾春阳，李卫华，全卫澎. 无监督特征优选高分辨率影像变化检测新方法[J]. 计算机工程与应用, 2016, 52(10): 196-200.
[15]	谢文娜，乔平安，潘晓英. 基于多智能体遗传的SAR图像变化检测[J]. 计算机工程与应用, 2015, 51(20): 162-166.

基于状态转移矩阵的变化检测方法

Research of change detection using state transition matrix

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics