实现SAR遥感图像变化检测，fcm算法，模糊c均值算法

传统的基于结构特征的遥感图像变化检测方法,易受成像稳定性的影响而误差很大.针对图像内在的稀疏性结构信息,提出基于压缩感知(CS)的遥感图像变化检测方法.通过自适应构造超完备字典将图像局部信息投影到高维空间中,实现图像的稀疏表示,并运用随机矩阵得到了数据在高维空间中的低维特征子空间.最后利用模糊C均值(FCM)聚类算法进行无监督聚类,实现遥感图像变化区域信息的重构.实验结果表明,本文方法不仅能够很好的检测出图像的轮廓变化和图像的区域变化,而且对噪声具有很好的鲁棒性.

本文通过进行协方差相交（CI）对模糊域中的最终模糊分区矩阵进行无监督融合，提出了一种在相同地理区域但不同时刻获取的遥感图像无监督变化检测技术。通过将压缩采样应用于给定的遥感图像，对特征空间进行C均值（FCM）聚类。 提出的方法利用隶属度函数矩阵的基于CI的数据融合，这是通过对频域特征向量和空间域特征向量进行模糊C均值（FCM）聚类获得的，旨在增强无监督的变更检测性能。 执行压缩采样以实现图像局部特征采样，这是一种信号获取框架，其基于以下启示：稀疏信号的线性投影的少量集合包含足够的信息以进行稳定的