13、标记点过程的多时相数据分析与目标序列分析

标记点过程的多时相数据分析与目标序列分析

1. 目标级变化检测

在目标级变化检测方面，我们提出了一种新的模型，并通过实验对其进行了验证。

1.1 实验研究

我们使用了SZTAKI - INRIA建筑检测基准集中的八组显著不同的航空和卫星图像对来评估我们的方法。在参数设置上，从每个数据集中选择2 - 8座建筑（约5%）作为训练数据，其余的地面真值标签仅用于验证检测结果。

我们从对象和像素两个层面进行定量评估：
- 对象层面 ：
- 首先要在检测到的对象和地面真值（GT）对象样本之间建立明确的对应关系。使用对象图形之间的归一化交集面积作为相似特征，并通过匈牙利算法（HA）找到配置元素之间的最优匹配。
- 若HA将检测到的对象与GT对象匹配，且重叠率超过$r_h$（这里$r_h = 10\%$），则该检测对象标记为真阳性（TP）；未配对的检测样本标记为假阳性（FP），未配对的GT对象标记为假阴性（FN）。对于变化检测评估，还会统计漏检和误报的变化警报（MC，FC）。
- 像素层面 ：
- 比较所提方法输出的建筑物足迹二值掩码与手动验证的地面真值掩码，计算像素级检测的精度（Pr）和召回率（Rc）。
- 最后，在对象和像素层面都计算F分数（F - s，定义为Pr和Rc的调和平均值）。

通过与SIFT、Gabor、边缘验证（EV）和分段合并（SM）这四种单视图建筑检测技术进行比较，数值结果证实，所提出的模型在对象层面比所有参考方法高出10 - 26%，在像素层面高出5 - 18%。分析表明，这些改进尤其与两个关键特