来源：期刊VIP网 时间：
作者：谢志伟;李文刚;孙立双;苏国庆;
单位：南京师范大学虚拟地理环境教育部重点实验室;沈阳建筑大学交通与测绘工程学院;地理环境演化国家重点实验室培养基地;江苏省地理信息资源开发与应用协同创新中心;
摘要：为了解决直推式支持向量机(transductive support vector machines, TSVM)在样本选择自动化程度低和特征学习充分性不足的问题，提出了一种融合深度空间特征与传统影像对象特征的TSVM自动高分遥感影像变化检测方法。首先，采用基于分形网络演化算法的叠置分割获取多时相高分遥感影像的影像对象，通过卷积神经网络提取遥感影像的深度空间特征，并与灰度、指数和纹理等传统影像对象特征联合构建特征空间；然后，利用卡方变换计算多维特征的加权特征差异度，采用最大期望算法和贝叶斯最小错误判别规则得到二值分割结果，依据变化概率自动将分割结果中准确率较高的部分标记为训练样本；最后，采用标记训练样本获得TSVM的多维特征空间二值分割超平面，进而完成自动变化检测。选择武汉市的两组高分数据集作为实验数据。实验结果表明，该方法能够实现样本自动选择，并且通过融合深度空间特征可以有效提高特征学习的充分性，平均准确率达到了88.84%,平均漏检率较仅利用传统影像对象特征的TSVM法降低了3.29个百分点，在定性和定量的变化检测有效性评价中均得到了提高。
关键词：叠置分割;;样本自动选择;;直推式支持向量机;;变化检测;;卷积神经网络
基金资助：国家自然科学基金(42101353);; 教育部人文社会科学研究一般项目(21YJC790129);; 辽宁省教育厅基本科研项目(LJKMZ20220946、LJKMZ20222128)
