基于上下文敏感贝叶斯网络的角度阈值多元变化检测

朱睿, 李轶鲲, 李小军, 杨树文, 谢江陵

Multivariate alteration detection using angle thresholds based on a context-sensitive Bayesian network

ZHU Rui, LI Yikun, LI Xiaojun, YANG Shuwen, XIE Jiangling

表2 研究区1和研究区2变化检测算法性能比较

Tab.2 Performance results of change detection algorithms in study area 1 and study area 2

算法 研究区1（林地到荒地） 研究区2（建筑物到林地） 研究区2（建筑物到荒地） 错检 率/% 漏检 率/% 总体精 度/% Kappa 系数 错检 率/% 漏检 率/% 总体精 度/% Kappa 系数 错检 率/% 漏检 率/% 总体精 度/% Kappa 系数 本文算法 13.08 2.62 94.69 0.879 3 21.26 21.38 98.46 0.778 8 22.34 13.44 98.09 0.808 7 FCM-SBN- CVAPS-AT 26.61 4.37 87.98 0.739 9 58.69 7.77 95.00 0.548 1 18.16 33.18 97.81 0.723 4 SVM-CVAPS- AT 18.61 14.08 89.62 0.760 1 50.24 54.42 96.38 0.497 1 49.49 44.89 95.08 0.501 2 FCM-CSBN- CVAPS-MC 14.82 3.36 95.62 0.859 0 26.64 28.14 98.05 0.715 9 19.54 33.62 97.53 0.714 6 FCM-SBN- CVAPS-MC 18.26 4.96 91.94 0.819 0 57.97 15.04 95.75 0.510 2 18.69 43.47 97.19 0.652 8 SVM-CVAPS- MC 8.45 68.23 78.10 0.372 1 —① — — — 53.21 73.84 94.85 0.311 0 FCM-CSBN- PCC 24.72 1.99 89.48 0.772 3 51.90 34.73 96.21 0.534 6 58.04 42.18 93.93 0.454 9 DCVA 30.86 2.78 85.84 0.701 7 90.05 9.33 70.10 0.122 4 94.32 69.83 71.61 0.013 0