智能计算导论课程实验报告 2011 年 6 月 27 日 智能计算导论课程实验报告 02085073 - 1 - 智能计算导论课程实验报告 1 实验结果 1.1 Berma 图 1-1 SAR图像 1（1999.4） 图 1-2 SAR图像 2（1999.2） 智能计算导论课程实验报告 02085073 - 2 - 图 1-3 变化检测结果 图 1-4 变化检测结果错误像素分布（包括漏检像素和错检像素） 表格 1-1 变化检测结果统计 总错误数 漏检个数（FP） 错检个数（FN） 有效个数 图像大小 错误率 372 312 60 1095 301*301 0.41% 智能计算导论课程实验报告 02085073 - 3 - 1.2 墨西哥市郊 图 1-5 SAR图像 1（2002.5） 智能计算导论课程实验报告 02085073 - 4 - 图 1-6 SAR图像 2（2005.4） 智能计算导论课程实验报告 02085073 - 5 - 图 1-7 变化检测结果 智能计算导论课程实验报告 02085073 - 6 - 图 1-8 变化检测结果错误像素分布（包括漏检像素和错检像素） 表格 1-2 变化检测结果统计 总错误数 漏检个数（FP） 错检个数（FN） 有效个数 图像大小 错误率 5330 828 4502 21087 512*512 2.03% 2 结果分析 1. 由错误像素分布图，我们可以看出，大部分错误像素点集中在变化区域的边缘，这主要与聚类的算法有关，改进聚类算法可以进一步减少错误像素点的个数。另外，也可以改变领域位置指示集的形状，进而提升模糊差异图的精确度。 2. 针对不同的图像，对双边滤波器使用不同的参数，才能达到最好的效果。 智能计算导论课程实验报告 02085073 - 7 - 3 算法流程图 图 3-1 算法流程图 4 参考文献 1. Image Change Detection Algorithms: A Systematic Survey, Richard J. Radke, Member, IEEE, Srinivas Andra, Student Member, IEEE, Omar Al-Kofahi, and Badrinath Roysam, Member, IEEE, Student Member, IEEE 2. SAR 变化检测技术发展综述, 陈富龙,张红,王超 5 程序代码 clear all close all clc I1=imread('2002.5.bmp'); I2=imread('2005.4.bmp'); I1=rgb2gray(I1); I2=rgb2gray(I2); I1=im2double(I1); I2=im2double(I2); SAR图像 T1SAR图像 T2模 糊 差 异 图双 边 滤 波聚 类变化检测结 果智能计算导论课程实验报告 02085073 8 %D=I2-I1; %imshow(D,[]) %% [m,n]=size(I1); DI=zeros(m,n); for ii=1:m for jj=1:n DI1=0...
