针对输电走廊地物变化情况复杂、传统检测方法无法精确检测其形变结果的问题,基于多时相点云数据,提出一种基于改进ICP算法的三维地表变化检测方法。首先,针对大规模的多时相点云数据,构建不规则三角网(TIN);然后,基于改进ICP算法和TIN,设计输电走廊地物变化检测策略;最后,根据设计的检测策略开展输电走廊地物变化检测仿真实验。结果表明,改进ICP算法可通过多时相点云数据有效检测输电走廊地物变化。

准确检测机械装配体在装配过程中的变化零部件,对于监测产品的装配顺序、提高装配质量、保障生产安全具有重要的意义。为了能够从多个角度检测机械装配体的变化零部件,提出基于三维注意力和双边滤波的机械装配体图像多视角变化检测网络(TAF Net)。为了提高机械装配体变化检测的准确性,TAF Net网络引入三维注意力机制,增强网络的细节特征提取能力;引入双边滤波,减少变化图像中的噪声,优化变化图像中零部件的边界。建立2个装配体变化检测数据集,分别为合成深度图像数据集、真实彩色图像数据集,使用2个数据集分别进行实验。结果表明:TAF Net网络能够精确检测出图像中的变化区域,在2个数据集中的综合评价指标F1_score都达到96%以上。

遥感图像变化检测必须充分考虑不同时间、不同环境背景等具体情况对于图像的影响,尽可能消除这些＂伪变化＂影响,以获得比较客观的感兴趣区域变化检测结果。针对遥感图像这一特点提出了一种基于脉冲耦合神经网络的变化检测法。该方法利用脉冲耦合神经网络实现多时相遥感图像的多层次分类,将分类结果进行差值比对,即可检测出感兴趣的变化区域。并提出根据最小模糊度准则,自动确定PCNN循环迭代次数和最佳阈值。实测数据的实验结果表明该方法的变化检测效果优于基于最大熵变化检测算法。

针对参与变化检测影像的特点，归纳多时相影像匹配方法应满足的条件，提出了一种基于Zernike矩的匹配策略。在进行多时相影像匹配时，该方法对灰度的线性变化不敏感，而且可以匹配存在较大旋转角度的影像。试验表明，该匹配策略具有较高的匹配正确率。