DInSAR形变异常的建筑物违章检测方法

针对面对大区域变化检测时采用多源遥感影像进行建筑物违章变化检测面临效率低、准确性差的问题,该文提出了一种基于合成孔径雷达差分干涉测量(DInSAR)异常形变的多源遥感建筑物违章变化检测方法。首先,对建筑物DInSAR形变特性进行分析,利用DInSAR形变异常分析对建筑物违章变化区域进行定位;其次,依据DInSAR形变分析确定的建筑物变化范围,采用光学影像进行局部变化检测,实现DInSAR与光学影像融合的建筑物违章变化检测;最后,利用该方法对某区域的DInSAR影像和光学影像进行建筑物违章检测实验。结果表明,该方法能够快速定位违章建筑物,有效检测建筑物违章图斑。     

结合变化向量分析和直觉模糊聚类的遥感影像变化检测方法

针对多时相遥感影像变化检测存在数据不确定性、检测精度不高等问题,提出了一种结合变化向量分析（CVA）和直觉模糊C均值聚类算法（IFCM）的多时相遥感影像变化检测方法. 首先通过CVA构建两个时相遥感影像的差异影像;然后采用直觉模糊C均值聚类算法对差异影像进行聚类得出变化区域和未变化区域;最后对变化检测结果进行二值化处理并进行精度评价. 选取两个时相的高分一号遥感影像和Szada数据集影像作为实验数据. 实验结果表明,采用提出的方法可有效解决传统方法存在的数据不确定性问题,变化检测精度达到了95.92%和92.70%,是一种可行的遥感影像变化检测方法. 研究结果可用于森林动态变化监测、土地复垦利用规划变化分析以及灾损评估.      

遥感影像CVA变化检测的CUDA并行算法设计

随着遥感影像数据量以及复杂程度的日益增加,遥感图像的快速处理成为实际应用过程中亟需解决的问题。为了实现遥感影像的实时变化检测,针对基于变化矢量分析CVA的变化检测算法,设计了一种基于统一计算设备构架CUDA的并行处理模型。首先利用地理空间数据提取库GDAL实现大数据量遥感影像的分块读取、操作和保存;其次将基于变化矢量分析的变化检测过程分为变化强度检测、映射表构建和变化方向检测,并借助CUDA C将变化矢量分析算法的3个步骤嵌入到CPU和GPU组成的异构平台上进行实验;最后利用该模型对不同数据量的遥感影像进行CVA变化检测并作对比分析。实验结果表明:与CPU串行相比,基于GPU/CUDA的遥感影像CVA的变化检测速度提高了10倍左右;在一定程度上,达到了实时变化检测的效果。     

基于MODIS 250m遥感影像的变化检测

本文采用分辨率为250m的MODIS遥感影像对土地利用类型进行动态监测,其目的是探讨在MODIS影像上,能够快速准确地获取在不同时期的变化信息,并且为进一步分析提供参考。本文主要讨论运用MODIS影像进行变化检测的几个方面:一是相对辐射校正;二是变化区域的确定,采用基于像素的阈值分割和基于区域的松弛法进来确认变化/非变化像元,并提出一种基于缓冲区方法来消除部分伪变化信息;三是精度评价,根据MO-DIS高时相的特点,本文提出了基于缺少实地观测数据情况下的精度评价。     

基于深度学习的遥感变化检测技术应用研究

传统的人工目视变化提取的方式耗费大量的人力、物力且作业周期长，已经无法满足当今快速监测分析的需求，现在利用不同期影像进行智能变化检测和提取成为专家学者和软件方研究的热点。本文将浅析基于深度学习的遥感影像变化检测方法，旨在探索基于遥感影像进行常态化、快速化变化检测的技术路线和相关业务的应用，如基础测绘地形图更新、土地变更调查、地理国情监测更新等，为城市变化信息、地理信息数据的快速更新提供支撑。     

基于多波段统计检验的土地利用变化检测

在将历史土地利用矢量图与新时期遥感影像结合研究的基础上,提出多波段统计检验差异法进行土地利用变化检测,有效避免了传统方法中阈值的不确定性.在黑龙江省佳木斯市开展的试验及精度分析表明,本方法可以在无人工干预的情况下较好地检测出土地利用变化,总体检测精度达到86.2%.     

基于遥感影像的土地利用变化检测

随着遥感科学技术的发展、各种遥感数据的累加以及遥感变化检测研究的深入,基于遥感影像的土地利用变化检测手段也日新月异。本文主要阐述利用不同的遥感影像处理方法对不同影像之间的土地利用变化进行检测,同时利用影像融合对比法、影像差值法、主成分分析法(PCA法),以及影像分类法等遥感影像处理方法,对同一地区前后不同时相的土地利用变化检测效果进行精度对比,并总结出不同检测方法在不同条件下的检测效果。     

基于卡方分布的矢量图和遥感影像变化检测方法

为实现土地利用矢量图的快速更新,提出一种基于卡方分布的土地利用矢量图和遥感影像的变化检测方法。该方法通过栅矢套合获取像斑,利用像斑的特征向量构建χ2统计量,采用迭代的方法获取各地物类别在遥感影像上的均值向量和协方差矩阵,在一定的显著性水平下获取变化检测结果,在Quick Bird影像上的实验结果验证了该方法的有效性。     

一种面向地理对象的遥感影像变化检测方法

根据高空间分辨率影像上变化区域呈聚集状分布的特点,提出了一种面向地理对象的遥感影像变化检测算法。在利用Mean-Shift分割算法的基础上,获得不同时相地理对象的灰度特征信息,结合变化矢量分析,采用最大数学期望算法自动提取变化区域。以QuickBird、SPOT、TM三组不同空间分辨率的影像进行算法验证并比较了该方法与单像素变化检测算法的差异。结果表明,三组影像中面向对象的变化检测算法的检测精度分别为91.1%,87.3%和84.3%,单像素的变化检测算法检测精度分别为86.41%,82.48%和81.02%。试验结果显示面向对象的算法检测精度高于基于单像素的变化检测算法,且对高空间分辨率的影像检测效果要优于对中低空间分辨率的影像的检测效果。该算法减少了变化阈值确定中的人工干预,克服了以像素为单位的变化检测算法中由于缺少空间邻域信息而产生孤立、离散、不连通变化结果的问题,能够满足在不同土地覆盖类型下的变化检测要求,在国土资源监测中具有一定的使用价值。     

基于多源数据的土地利用变化检测

年度土地利用变更调查是保证我国土地利用数据具有现势性的重要工作。目前的土地利用变化信息获取还是以人工目视解译遥感影像为主,效率较低。针对此问题提出一种基于多源数据的土地利用变化检测方法。利用前一时相土地利用矢量数据自动获取后一时相影像分类的训练样本并精化,实现全自动的影像分类,进而将分类结果与前一时相土地利用矢量数据对比得到全自动的变化检测结果;然后对前后时相影像利用多元变化检测(multivariate alteration detection,MAD)变换法剔除伪变化区域,在自动变化检测基础上提取变化图斑。选取黑龙江省杜尔伯特蒙古族自治县与湖南省长沙县为研究区验证方法的可靠性,研究证明本文方法相比于现有方法作业速度可以提高一倍以上,且更不易于遗漏真实变化区域。     

基于测绘地理信息更新的土地利用变化动态发现

随着城市人口增长、城镇化趋势扩大、可利用资源急剧减少,动态地掌握城市土地利用现状变化,是有效利用城市的土地资源、加强土地资源监管的重要基础,土地利用现状的调查是最基础的土地资源调查。本文通过分析上海土地利用调查现状和测绘地理信息资源情况,基于测绘地理信息更新机制,结合“多测合一”、季度卫星影像、基础测绘、细化调查等测绘工作,探索了一种动态、可靠的多周期、全覆盖的土地利用变化动态发现方法,并通过试点提出了土地利用变化发现的建议。     

面向对象的高分辨率遥感影像建设用地变化监测

建设用地变化监测对城市可持续发展具有十分重要的意义,为准确提取建设用地的变化信息,本文提出了一种结合旧时期土地利用矢量数据、随机森林及模糊C均值聚类算法的建设用地变化监测方法。首先基于旧时期土地利用矢量数据,将建设用地变化监测分为建成区与非建成区建设用地变化监测;然后进行面向对象分割、基于对象遥感影像光谱、GLCM纹理及形状特征提取;最后针对不同场景,结合随机森林或模糊C均值聚类算法进行变化监测。试验结果验证了在旧时期土地利用矢量数据的辅助下,所提方法有效提高了复杂场景下建设用地的变化信息提取精度。     

多尺度分割的高分辨率遥感影像变化检测

针对高空间分辨率的遥感影像,提出了一种基于多尺度分割的变化检测算法。采用Mean-Shift分割算法对影像进行多尺度分割,构建了不同尺度上的地理对象,以不同尺度上的地理对象灰度均值构建了变化检测的多尺度特征向量,采用变化矢量分析法获得最后的变化检测结果。以城镇区和农田区的Quick Bird影像对本文算法进行了检验,从精度评价的效果来看,无论城镇区还是农田区,采用面向对象的变化检测方法精度都高于基于单像素的检测方法,且当尺度层数固定时,多尺度组合的变化检测结果优于单一尺度的变化检测结果,对城镇、农田区域的变化检测的精度分别达到87.57%和81.55%。本文算法既可以顾及大面积同质区域变化,又可以反映小的地物目标及边缘部分的变化,能够很好地满足城镇、农田等不同环境背景下的变化检测需求,在国土资源监测中具有一定的应用价值。     

基于时空域密度异常的土地利用/土地覆盖短期变化检测

论文分析了时间序列遥感影像中土地利用/土地覆盖短期变化的特点及其时空异常特征, 认为和环境、物候等因素造成的影像变化相比, 由人为活动引起的土地利用/土地覆盖变化具有典型的时间和空间异常特征, 并提出了基于密度异常的土地利用短期变化检测方法。研究工作选取珠江口地区1—5月作物生长期间的3个时间序列Radarsat雷达影像进行试验, 在影像分割的基础上, 构建了基于对象的特征变化矢量, 并将密度异常检测算法(DBAD)扩展到变化矢量的N维特征空间上, 运用随机搜索策略确定检测参数, 对Radarsat时间序列变化矢量中的“小模式”事件进行了检测。检测结果认为, 密度异常检测算法检测的是变化矢量在特征空间的密度分布, 与变化矢量的强度和方向无关, 因此能在时间序列影像中分离出由典型的、正常的作物生长或农事活动引起的影像光谱或回波变化, 进而识别出由人为活动或突发事件导致的土地利用/土地覆盖变化, 这是通常的图像差值等方法难以做到的。进一步的抽样检测说明, 密度异常检测方法对新增建设用地的检测准确率最高(>88%);林地地表覆盖相对稳定, 检测误差也很低(8%);农用地和养殖水面的异常变化检测误差在11%—22%之间;较大的检测误差主要集中在建设用地、农用地和未利用地之间的转换(16%—25%);此外, 养殖水面的检测误差主要集中在河流沿岸及水面变化较大的养殖区域。影像分割结果特别是一些线状分割图斑以及混合地类图斑对误差也有一定的影响。     

像素级和对象级高分辨率遥感图像变化检测分析

高分辨率遥感图像具有丰富的纹理信息,而像素级变化检测方法主要分析图像的光谱信息,导致将像素级变化检测方法用于高分辨率遥感图像具有一定的局限性。因此,本文提出了一种像素级与对象级相结合的高分辨率遥感图像变化检测方法,解决了像素级与对象级变化检测方法中存在的椒盐现象、误检等问题。首先,结合高分辨率遥感图像的多维特征,构建遥感图像变化检测模型;其次,利用随机森林分类器对图像进行分类,得到像素级变化检测结果;最后,将像素级变化检测结果与图像对象分割结果进行融合,得到图像变化区域和不变区域。试验结果表明,该算法具有较高的准确率和检测精度。     

高分辨率遥感影像土地利用变化检测方法研究

提出一种利用高分辨率遥感影像进行土地利用变化检测的方法。以土地利用图为辅助数据,通过土地利用图和遥感影像的配准套合,获取影像像斑;同时,对遥感影像进行基于像素的监督分类,获取概略的类别图;再根据像斑内像素的类别编码完成子像斑的划分。以子像斑为影像分析的基本单位提取特征,以相关系数为相似性测度衡量不同时期子像斑的特征相似性,用ROC曲线(接受者操作特性曲线)代替经验选取的方法自动获取变化阈值,确定像斑是否发生变化。以武汉市区局部QuickBird 2002年和2005年多光谱影像、相同地区2002年1∶10 000土地利用图为实验数据进行了算法的实验,结果显示绝大部分的变化区域都可以被提取出来,实验方法可行。     

Multi-source change detection with PALSAR data in the Southern of Pará state in the Brazilian Amazon

Optical data is broadly used for change detection studies, despite being hindered by atmospheric conditions. Synthetic Aperture Radar (SAR) data can be useful for change detection in areas with frequent cloud coverage as SAR systems are capable of obtaining images almost independently from atmospheric conditions. This study aims to verify the difference in results of using SAR data instead of optical data for change detection purposes. Different levels of one hierarchical legend and both pixel and region-based classifiers were used. Change results were evaluated considering the use of rectangular matrices to incorporate the occurrence of impossible changes and relative comparison between change maps. Although the change maps obtained using only optical data were more accurate than those using either one or two land cover classifications based on L-band SAR data, the difference in the accuracy of change maps decreases with the use of less detailed legends. Additionally, results indicate that L-band SAR and multi-sensor approaches are adequate for deforestation identification even if post-classification results did not achieve global accuracy values superior to 0.86. The most accurate change detection results obtained in this work were not associated with the overall accuracy of land cover classifications, but with the distribution and accuracy of specific land cover classes.     

结合IR-MAD与均值漂移算法的密集城区遥感影像变化检测

不同时相遥感影像变化检测已成为土地利用变更调查、城市扩张分析、自然灾害分析及其他环境问题必不可少的技术手段之一。本文提出了一种结合IR-MAD与均值漂移算法的密集城区遥感影像变化检测方法。该方法通过伪不变特征法完成两期影像的相对辐射校正,有效改善影像间的配准误差,并利用IR-MAD算法对校正后的影像进行迭代运算,采用均值漂移算法对迭代后的影像进行分割,同时运用形态学方法处理分割后的影像,最终提取变化图斑。试验结果表明,该方法可以有效检测出变化区域,可应用于城市地表覆盖的变化检测。     

基于独立成分分析的高光谱变化检测

现有的变化检测方法并未充分研究变化前后高光谱遥感影像端元的联系,不能准确地分析地物变化信息。本文提出了一种基于独立成分分析的高光谱遥感影像变化检测方法,对差值影像进行基于偏斜度的独立成分分析,在不同组分图中分别显示单一地物的变化情况,进而提取变化信息。实验表明,该方法能够在获得较高检测率的同时维持较低的误检率,检测效果优于传统方法。     

CA-Markov模型的清江土地利用变化研究

针对经济发展类型面临转型的山区土地利用动态变化和预测问题,该文以清江中下游为例,提出了采用CA-Markov模型的研究方法。结合2000、2008和2015年的Landsat遥感影像,考虑地形、交通、行政中心和当前土地利用约束等影响因子,模拟出2015年预测情况与解译结果相比,Kappa系数达0.810 9,表明模型可信度较高。在此基础上预测2022年的土地利用情况,结果表明,2022年延续了当前发展模式,即由农业经济主导转变为旅游生态经济主导,耕地的重要性降低,城镇化率增加,但耕地的面积仍占据着总面积的23.23%,建设用地面积仅占总面积的2.62%,说明该区域的城镇化水平依然较低。该结果揭示了清江流域土地利用动态变化趋势。