10

SAR图像变化检测中往往存在检测结果受差异算子影响浮动较大、分类器精度低等问题，对此，提出了一种基于双差异图结合adaboost-KNN的变化检测算法。通过构造两种类型的差异图并使用参数化内核图割算法在两个差异图上进行前景/背景分割，得到初始化检测结果；保留两种算法结果中标签相同的像素点，得到训练样本。最后使用adaboost结合KNN的分类器对图像进行变化类与未变化类的分类。使用该算法原理简单、复杂度低，不受统计模型限制，不需要先验知识，适用性较强。对真实的SAR数据进行实验表明，选取均值比、对数比和中值比中的任两种构成双差异图，该算法均得到较高的精度且优于传统的变化检测方法。验证了算法的稳定性、有效性和优越性。

仝彤, 慕晓冬, 张雄美. 基于双差异图与adaboost-KNN的SAR图像变化检测[J]. 激光与光电子学进展, 2018, 55(4): 9.  复制并引用该论文