XiaoMi-AI文件搜索系统
World File Search System变化检测
遥感图像变化检测 - Canada.ca
人们对地球表面最新信息的需求与日俱增，因为此类信息为大量应用提供了基础，包括本地、区域和全球资源监测、土地覆盖和土地利用变化监测以及环境研究。遥感卫星数据提供了获取不同分辨率土地信息的机会，并已广泛用于变化检测研究。利用遥感数据，已经开发了大量变化检测方法和技术，而且新技术还在不断涌现。本文首先讨论传统的基于像素和（主要是）面向统计的变化检测技术，这些技术主要关注光谱值，而大多忽略了空间背景。接下来是对基于对象的变化检测技术的回顾。最后，简要讨论了图像处理和遥感数据变化检测中的空间数据挖掘技术。比较了不同技术的优点和问题。强调了图像数据量和多个传感器的指数级增长的重要性以及变化检测技术发展面临的相关挑战。随着超高分辨率 (VHR) 遥感图像的广泛使用，基于对象的方法和数据挖掘技术在变化检测方面可能具有更大的潜力。� 2013 国际摄影测量和遥感学会 (ISPRS) 由 Elsevier B.V. 出版。保留所有权利。
Blaschke-T.-2005-基于变化检测的框架...
随着高分辨率卫星图像和机载数码相机数据的出现，包含上下文信息的方法越来越常用。在图像分析中包含空间维度的一种方法是识别相对同质的区域并将其视为对象。虽然分割并不是一个新概念，但基于图像分割的应用程序数量最近正在显著增加。同时，新的方法挑战也随之出现。标准变化检测和精度评估技术主要依赖于对单个像素的统计评估。对于显示形状、边界、同质性或拓扑信息的图像对象，这种评估并不令人满意。在基于多时间对象的图像分析中，必须评估这些描述现实世界对象的额外信息维度。本文确定了与多时间对象识别相关的问题，并提出了基于图像对象的变化检测框架。为简单起见，该框架将 n 维问题分解为两个主要方面，即几何和主题内容。这两个方面可以与以下问题相关联：某个分类对象是否发生了几何变化、类别变化，还是两者兼而有之？我们什么时候才能将一个数据集中的对象识别为另一个数据集中的同一个对象？我们是否需要用户定义或特定于应用程序的阈值来表示几何重叠、形状-面积关系、质心移动等？本文阐明了对象变化检测的一些具体挑战，并将 GIS 功能纳入图像分析。
Blaschke-T.-2005-基于变化检测的框架...
随着高分辨率卫星图像和机载数码相机数据的出现，包含上下文信息的方法越来越常用。在图像分析中包含空间维度的一种方法是识别相对同质的区域并将其视为对象。虽然分割并不是一个新概念，但基于图像分割的应用程序数量最近正在显著增加。同时，新的方法挑战也随之出现。标准变化检测和精度评估技术主要依赖于对单个像素的统计评估。对于显示形状、边界、同质性或拓扑信息的图像对象，这种评估并不令人满意。在基于多时间对象的图像分析中，必须评估这些描述现实世界对象的额外信息维度。本文确定了与多时间对象识别相关的问题，并提出了基于图像对象的变化检测框架。为简单起见，该框架将 n 维问题分解为两个主要方面，即几何和主题内容。这两个方面可以与以下问题相关联：某个分类对象是否发生了几何变化、类别变化，还是两者兼而有之？我们什么时候才能将一个数据集中的对象识别为另一个数据集中的同一个对象？我们是否需要用户定义或特定于应用程序的阈值来表示几何重叠、形状-面积关系、质心移动等？本文阐明了对象变化检测的一些具体挑战，并将 GIS 功能纳入图像分析。
Blaschke-T.-2005-基于变化检测的框架...
随着高分辨率卫星图像和机载数码相机数据方法的出现，包含上下文信息的方法被更广泛地使用。在图像分析中包含空间维度的一种方法是识别相对同质的区域并将其视为对象。虽然分割不是一个新概念，但基于图像分割的应用程序数量最近正在显著增加。同时，出现了新的方法挑战。标准变化检测和准确性评估技术主要依赖于统计评估单个像素。对于表现出形状、边界、同质性或拓扑信息的图像对象，此类评估并不令人满意。在基于多时间对象的图像分析中，必须评估描述现实世界对象的这些额外信息维度。本文确定了与多时间对象识别相关的问题，并提出了基于图像对象的变化检测框架。为简单起见，该框架将 n 维问题分解为两个主要方面，即几何和主题内容。这两个方面可以与以下问题相关联：某个分类对象是否在几何上、类别上或两者上发生了变化？我们何时可以将一个数据集中的对象识别为另一个数据集中的同一对象？我们是否需要用户定义或特定于应用程序的阈值来进行几何重叠、形状面积关系、质心移动等？本文阐明了对象变化检测的一些具体挑战，并将 GIS 功能纳入图像分析。
Blaschke-T.-2005-基于变化检测的框架...
随着高分辨率卫星图像和机载数码相机数据的出现，包含上下文信息的方法越来越常用。在图像分析中包含空间维度的一种方法是识别相对同质的区域并将其视为对象。虽然分割并不是一个新概念，但基于图像分割的应用程序数量最近正在显著增加。同时，新的方法挑战也随之出现。标准变化检测和精度评估技术主要依赖于对单个像素的统计评估。对于显示形状、边界、同质性或拓扑信息的图像对象，这种评估并不令人满意。在基于多时间对象的图像分析中，必须评估这些描述现实世界对象的额外信息维度。本文确定了与多时间对象识别相关的问题，并提出了基于图像对象的变化检测框架。为简单起见，该框架将 n 维问题分解为两个主要方面，即几何和主题内容。这两个方面可以与以下问题相关联：某个分类对象是否发生了几何变化、类别变化，还是两者兼而有之？我们什么时候才能将一个数据集中的对象识别为另一个数据集中的同一个对象？我们是否需要用户定义或特定于应用程序的阈值来表示几何重叠、形状-面积关系、质心移动等？本文阐明了对象变化检测的一些具体挑战，并将 GIS 功能纳入图像分析。
卫星变化检测的体积方法...
摘要 越来越高的分辨率卫星图像引起了人们对自动检测某个区域随时间推移的非常精细的变化的兴趣，这是一种分析人口密集城市地区活动特别有用的工具。然而，由于高架结构的运动视差，尝试以这种分辨率自动检测变化非常困难。本文提出了一种全面的解决方案，使用一种称为体积外观建模 (VAM) 的新框架来检测具有显著 3D 起伏的区域的变化。这种方法可以通过维护一个基于 3D 体素的模型来管理未知和变化的世界表面的复杂性，其中表面占用和图像外观的概率分布存储在每个体素中。这些分布会在使用自适应学习程序接收新图像时不断更新。事实证明，这种表示可以在卫星图像中存在可变照明和视点以及雾霾条件的情况下产生准确的变化检测结果。体积表示还支持自动传感器模型校正，以将传入图像与通用地理参考对齐。事实证明，这种配准方法可以实现与地面采样距离（GSD）相当或更好的地理定位精度。
基于遥感的城市土地利用/土地覆盖变化检测与监测
确定土地利用和土地覆盖变化对地球系统的影响取决于对过去土地利用实践、当前土地利用和土地覆盖模式以及未来土地利用和覆盖预测的理解，这些预测受到人类活动、经济发展、技术和其他因素的影响 [4,5,7,8]。关于城市结构和组成，可以认识到空间布局中有许多由微小不同材料组成的物体，这在地球观测卫星图像中产生了异质像素。此外，城市景观具有 3D 组件。当涉及到影响城市遥感的因素时，有必要研究几何分辨率（空间上分离物体）、光谱和辐射分辨率（按主题区分物体）和时间分辨率（在不同日期获得一致的图像材料 [1,9,10]
受中脑启发的稳健变化检测循环神经网络模型
我们提出了一种受生物启发的循环神经网络 (RNN)，它可以有效检测自然图像中的变化。该模型具有稀疏拓扑连接 (st-RNN)，与“中脑注意网络”的电路架构紧密相关。我们将 st-RNN 部署到一个具有挑战性的变化视盲任务中，该任务必须在一系列不连续的图像中检测变化。与传统 RNN 相比，st-RNN 的学习速度提高了 9 倍，并且以减少 15 倍的连接实现了最佳性能。低维动力学分析揭示了假定的电路机制，包括全局抑制 (GI) 基序对成功变化检测的关键作用。该模型再现了关键的实验现象，包括中脑神经元对动态刺激的敏感性、刺激竞争的神经特征以及中脑微刺激的标志性行为效应。最后，该模型在变化盲视实验中准确预测了人类注视点，超越了最先进的基于显着性的方法。st-RNN 提供了一种新颖的深度学习模型，用于将变化检测背后的神经计算与心理物理机制联系起来。
在视听变化检测过程中后顶皮层的功能（IR）相关性
后顶叶皮层（PPC）在整合来自不同方式的感觉输入以支持适应性行为方面起着关键作用。PPC中的神经元活性反映了行为任务之间的感知决策，但是PPC的机理参与尚不清楚。在视听变更检测任务中，我们检验了以下假设：PPC是从两种不同模态的嘈杂输入之间进行的，并有助于确定发生感觉变化的方式。在训练有素的雄性小鼠中，我们发现了与任务相关的视觉和听觉刺激，试验史以及即将到来的行为反应的广泛的单神经元和人群级编码。，尽管这些丰富的神经相关性，理论上足以解决任务，但PPC的光学遗传失活并不影响视觉或听觉性能。因此，尽管神经相关忠实地跟踪感觉变量并预测行为反应，但PPC与视听变化检测无关。此功能解离质疑在视听变化检测过程中，感觉与任务相关的活动在顶叶关联电路中的作用。此外，我们的结果强调了在探索感知和行为的神经基础时与机械介入相关的分解功能的必要性。
使用多传感器和多分辨率遥感图像的长期土地覆盖变化检测：中国长大学的案例研究
更改检测是遥感应用程序中最重要的方面之一。但是，由于图像采集的有限条件，从相同类型的遥控传感器获得的图像通常用于监视长期土地使用和土地覆盖（LULC）的变化。由于航空航天技术的发展和新的光学遥控传感器，LULC更改检测可以很好地使用多传感器和多分辨率图像进行。本文的主要贡献是验证通过将不同的更改检测方法应用于多传感器和多分辨率遥感图像来执行长期LULC更改检测是可行且可行的。在这项研究中，从1998年至2018年，在Landsat，Quickbird，Worldview-4和GF-2图像上使用了不同的变更检测方法，以检测中国Chang'an University的Weishui校园的LULC变化。结果表明，使用LandSat-5图像的直接光谱比较方法比使用LandSat-7图像在1998年至2008年之间更有效地检测到1998年至2008年之间的LULC变化。然而，在2008 - 2018年间，基于对象的变更检测方法比使用时间序列的高分辨率图像来监视校园中LULC更改的分类后方法更适用。这项研究可用作使用多传感器和多分辨率遥感图像的参考，以及在LULC变化检测场中不同变化检测方法的组合。