长时间序列Radarsat图像的神经网络模拟及土地覆盖变化的快速检测

土地覆盖的短期时空变化模式研究,对土地覆盖的快速、动态监测具有重要意义,也是遥感研究的新热点。本文利用2000—2001年的时间序列Radarsat图像,采用功率谱分析方法,对土地覆盖的短期时—空变化的周期特征进行了分析,由此建立了基于时间序列影像分析的神经网络预测模型,从植被主要生长季节的时间序列雷达卫星影像获取训练样本,对研究区域的典型土地覆盖的短期动态变化过程进行了学习。学习后的模型能够利用多个时间序列的Radarsat影像对下一时刻的影像进行模拟,并进一步检测变化。在模拟结果基础上,定义相对变化距离函数和检测门限,对模拟影像及实际影像中的变化区域进行了检测。检测精度范围在66.67%(农村居民点)—91.67%(水体)之间,平均检测精度为81.66%。由于时间序列信号的引入,神经网络模型能够较好地获取土地覆盖的短期动态变化信息。     

结合均值漂移分割与聚类分析的遥感影像变化检测

针对传统遥感影像变化检测方法对前后期影像数据质量要求高、适应范围窄、检测精度较低等问题,本文在引入异常点检测思想的基础上,提出了一种结合均值漂移分割与聚类分析的遥感影像变化检测方法。首先将前期地理国情矢量数据与待监测的遥感影像进行地理配准;然后在地理国情矢量数据的基础上对遥感影像作均值漂移算法二次细分割,获得的矢量图斑继承了原有父级类属性,并对同一父级类的影像图斑进行光谱、空间、纹理、指数等特征提取;最后采用高斯混合模型与最大期望值算法聚类获得多个类别,在父级类下找出异常类别的图斑。通过试验对比分析,表明了本文方法的有效性和可靠性,为遥感影像变化检测提供了新思路。     

面向地理国情监测的变化图斑自动提取方法

地理国情监测是自然资源监测体系中的一项专题监测,主要是监测地表覆盖变化情况,以满足自然资源管理的需要.地理国情监测的首要工作是识别变化信息,仅依靠人工判读识别效率太低.针对地理国情监测的特点,提出基于前期地表覆盖矢量数据的多特征融合面向对象变化检测方法.先利用地表覆盖矢量图斑对预处理后的影像进行多尺度分割,再利用影像强...     

融合流程优化思维的遥感影像变化检测自动化研究

目前土地卫片执法中对影像变化图斑的提取主要依靠作业人员对两时相高分辨率卫星遥感影像的目视解译,以确定土地利用变化发生的空间位置。图斑的正确与否完全依靠解译人员的目视判读经验,容易产生错误。通用的检测流程针对特定遥感影像数据可以得到较好的检测结果,但是面对大面积、特征多样、分辨率较高的城市遥感影像时,应用效果可能不佳。融合流程优化思维,整合现有成熟的遥感影像变化检测相关技术,利用数字城市建设中积累的大量高精度GIS数据,并结合地物形状特征指数和检测人员的作业经验,进行变化检测自动化研究,包括人机交互检测和批量自动检测两个主要流程,并应用于深圳市土地卫片执法中的土地利用变化图斑提取环节,可提高其自动化程度,有效降低时间和人力成本,及时发现并阻止土地违法利用行为。     

遥感影像变化检测样本自动抽样

在遥感影像结合矢量数据先验信息的变化检测中,需要从分割后的影像对象中抽取一定数量、具有相同类别属性的样本,其中不可避免地抽到类别属性不一致的样本,如何剔除这些样本是抽样过程中必须解决的重点问题,在目前已有的方法中,一般是通过人工目视判别完成的。样本的自动提取是实现自动变化检测的关键环节,本文提出一种变化检测样本自动抽样方法,主要包括样本的空间布设和异常样本自动检测两个环节。该方法首先利用矢量数据提取抽样图层,用抽样图层分割遥感影像,获取影像对象。其次是根据抽样区域范围、影像对象分布特征和地形特征布设变化检测样本。然后根据样本的先验类别属性构建特征空间向量,计算样本在特征空间的局部可达密度,由局部可达密度计算样本的异常度指数,并根据特征空间密度异常指数剔除异常样本,完成变化检测样本自动提取。最后以耕地、林地和居民地为例进行了抽样试验。结果表明,邻域参数k按样本布设总数的1/5—1/3取值、异常度阈值设定为80%时,可以实现异常样本0漏检率,能够准确、高效实现变化检测样本的自动提取。     

面向对象的多特征分级CVA遥感影像变化检测

变化矢量分析CVA方法在中低分辨率遥感影像变化检测中已得到广泛应用,但由于高分辨率遥感影像存在不同地物尺度差异大、不同类别地物光谱相互重叠的问题,因此对于高分影像的变化检测具有局限性。为提高高分影像变化检测精度,提出了一种面向对象的多特征分级CVA变化检测方法,首先,利用基于区域邻接图的影像分割方法分别对两时相遥感影像进行多尺度分割,提取分割图斑的光谱、纹理和形状特征;然后,在各级尺度下,分别运用随机森林方法进行特征选择,计算CVA变化强度图;最后,根据信息熵对多级变化强度图进行自适应融合,利用Otsu阈值法检测变化区域,并与仅考虑光谱特征的分级CVA变化检测方法、像元级多特征CVA变化检测方法以及仅考虑光谱特征的像元级CVA变化检测方法进行比较分析。实验表明:与比较方法相比,本文方法的变化检测精度较高,误检率和漏检率较低。     

利用全空洞卷积神经元网络进行城市土地覆盖分类与变化检测

基于遥感影像的城市土地利用/土地覆盖分类与变化检测在土地利用调查和更新中具有重要意义。基于武汉市高分辨率航空和卫星遥感影像以及对应的武汉市土地覆盖GIS矢量数据,提出了一种新颖的卷积神经元网络,应用于城市土地覆盖分类和变化检测。首先,采用一种用于分类的全空洞卷积神经元网络(fully atrous convolutional neural network,FACNN),它能够顾及GIS矢量数据中地物的不同尺度和不同勾绘精细程度。然后,在分类的基础上,利用前期已有的GIS数据进行像素级和对象级的变化检测并得到变化图。最后,通过对整个武汉市8 000 km2土地覆盖的分类和变化检测实验,验证了所提方法的有效性和先进性。所提出的FACNN在城市土地覆盖分类中的表现优于FCN-16、U-Net、Dense-Net等主流影像分割网络;得到的对象级变化图精度达到74.1%,召回率达到96.4%,有望为城市土地覆盖变化检测及GIS数据库的更新提供较好的技术辅助手段。     

一种基于矢量数据的遥感影像变化检测方法

为克服多时相遥感影像变化检测因成像季节、拍摄角度等因素产生的误差,针对影像变化通常少于未变化的情况,提出了一种利用旧时相矢量图与新时相影像进行变化检测的方法。利用旧时相带有类别信息的矢量约束,对新时相遥感影像进行细分割获得图斑,对图斑提取光谱、纹理等特征,通过主成分变换构建特征集,在类别的约束下,应用孤立森林计算图斑的变化指数,避免了传统变化指数计算方法因引入易受变化图斑干扰的值而产生的误差,同时,依据贝叶斯方法自动获取各地物类别的变化阈值,进而获得变化图斑。选取高分1号等数据分别进行两组实验,通过对比马氏距离与孤立森林方法,验证了采用矢量图与孤立森林方法进行变化检测的有效性,实验结果的正确率分别为0.923 5及0.931 8。     

面向类型特征的自适应阈值遥感影像变化检测

为了实现两个不同年份单时相遥感影像之间的土地覆盖变化检测，提出了一种基于土地覆盖类型特征自适应确定阈值的遥感影像变化检测方法。以2015年土地覆盖数据为基础，综合2013年和2015年Landsat 8-OLI影像数据，首先，采用时相不变点群法TIC（Temporally Invariant Cluster）保证了两期影像辐射水平的一致性。其次，对两期影像进行多尺度分割，并在各级尺度下构建分割对象的变化向量。然后，采用最大类间方差的方法分别进行单一变化阈值变化检测以及基于土地覆盖类型的多阈值变化检测分析，并利用目视解译样点进行精度验证与评价。结果表明：（1）单一阈值变化检测结果的总体精度为79.6%，Kappa系数为0.601，多阈值变化检测结果的总体精度为87.2%，Kappa系数为0.741，多阈值变化检测具有更高的精度。（2）进一步逐土地覆盖类型精度评价可知，多阈值变化检测能在一定程度上减弱物候期的影响，具有更高的稳定性。该研究以土地覆盖数据为底图，逐类别的选取变化检测阈值，提高了变化区域检测的精度，在大范围高效更新土地覆盖数据的应用中具有一定的参考价值。     

一种遥感影像核变化检测方法

提出了一种新的遥感影像核变化检测方法。该方法是将原始空间不同时相的输入矢量通过核函数非线性映射到高维特征空间，然后在高维特征空间中通过传统变化检测方法处理得到新的输入矢量，最后通过半监督的单类支持向量机算法对新的输入矢量构造变化区域与非变化区域的最优分割超平面。试验证实，本文的核变化检测方法具有较高的检测精度和效率。     

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.     

利用主成分分析改善土地利用变化的遥感监测精度——以珠江三角洲城市用地扩张为例

近年来,珠江三角洲由于经济的快速发展,城市用地急剧增加,利用多时相的遥感图,可以定量地监测这种城市化的现象。但理,由一般的遥感动态监测方法所得的结果往往夸大变化的程度,以及获得一些不合理的结论．该文提出主成分分析的方法来改善遥感动态监测的精度。将该方法应用应用于珠江三角洲发展最快的东莞市,获得了较满意的结果。     

Applying an Anomaly-Detection Algorithm for Short-Term Land Use and Land Cover Change Detection Using Time-Series SAR Images

In this study, short-term land use and land cover (LULC) changes caused by human activity were considered as spatial-temporal abnormalities in time-series images. A density-based anomaly detection (DBAD) algorithm was designed to detect the changes. Then the algorithm was applied to RADARSAT time-series images, and synchronous field surveying was performed for validation. The results showed that the DBAD algorithm was good at detecting in-progress construction and newly builtup parcels, with an error of less than 13.3%. A lower detection error was achieved for woodland areas, and a larger error for built-up areas and for some mixed-use land parcels due to the complexity of the parcels.     

珠三角地理国情普查航摄影像地表分类判读技术探讨

珠三角地区地处热带,经济发达,地物复杂多样,地域特色明显,缺乏已有经验参考,技术人员对有关分类掌握不牢、理解不准的问题较普遍。本文结合珠三角地表覆盖的自然与人文特征,分析了采用高分辨率航空影像,以内业机助人工判读为主、外业调绘为辅的技术路线,提出了基于类别常见程度的差异化判读方法,归纳了常见地物的解译标志,并对典型问题和生产经验进行了总结。     

珠三角平原区土地利用总体规划实施效果研究

以珠三角平原区为例,结合遥感影像数据,利用GIS技术,进行了土地利用总体规划实施效果研究.结果表明珠三角平原区土地利用总体规划符合性指数为0.70,等级为Ⅴ级,说明珠三角土地利用现状与规划用途差异较大.按规划符合性指数由高到低排序依次为肇庆、江门、广州、惠州、佛山、深圳、珠海、中山、东莞,分级标准等级为Ⅲ级的仅有肇庆市...     

Dual-tree complex wavelet transform-based image enhancement for accurate long-term change assessment in coal mining areas

The main objective of this study was to improve the long-term land use change detection by improving classification accuracy of previous generation satellite image using a recent super-resolution technique. The study also analysed the change in land cover over a period of 41 years in a coal mining area. A dual-tree complex wavelet transform-based image super-resolution technique was used to enhance Landsat images of 1975 and 2016. Separating pixels with similar spectral response is an enigmatical task, especially when those pixel represent different ground features. Therefore, an advanced neural net supervised classifier was used to minimize classification errors. Accuracy of the classified images (both super-resolved and original) were measured using confusion matrices and kappa coefficients. A significant improvement of more than 10% was observed in the overall classification accuracy for the image of 1975, highlighting that the classification accuracy of earlier generation satellite data can be improved substantially.     

Change detection of linear features in temporally spaced remotely sensed images using edge-based grid analysis

Automatic change detection of land cover features using high-resolution satellite images, is a challenging problem in the field of intelligent remote sensing data interpretation, and is becoming more and more effective for its applications viz. urban planning and monitoring, disaster assessment etc. In the present study, a change in detection approach based on the image morphology that analyses change in the local image grids is proposed. In this approach, edges from both the images are extracted and grid wise comparison is made by probabilistic thresholding and power spectral density analysis for identifying change area. One of the advantages of the proposed methodology is that the temporal images used in the change analysis need not be radiometrically corrected as analysis is based on edge extractions. The grid-based analysis further reduces the error, which might have been introduced by image mis-registration. The proposed methodology is validated by finding the temporal changes in the linear land cover features in parts of Kolkata city, India using three different image data-sets from LISS IV, Cartosat-1 and Google earth having varied spatial resolutions of 5.8 m, 2.5 m and about 1 m, respectively. The overall accuracy in identifying changes is found to be 64.82, 73.86 and 80.93% for LISS IV, Cartosat-1 and Google earth data-set, respectively.     

地表覆盖遥感产品更新完善的研究动向

近年来,多尺度地表覆盖遥感产品的不断涌现,为环境变化研究、地球系统模拟、地理国(世)情监测和可持续发展规划等提供了重要科学数据。为更好地满足广大用户日益增长的应用需求,应对地表覆盖遥感产品进行持续更新完善,保持其时效性、增强时序性、丰富多样性。针对大面积地表覆盖遥感产品更新完善所面临的主要问题,介绍和评述了国内外有关研究动向,包括影像与众源信息相结合的更新、数据类型细化与完善、地表覆盖真实性验证,并作了简要展望。     

单一时相遥感数据土地利用与覆盖变化自动检测方法

针对基期(用于该研究的前一时期数据)T1仅拥有土地利用和覆盖图件(矢量格式)而另一期T2拥有遥感数据的情况,构建了基于知识引导的土地利用和覆盖变化自动检测技术与方法。T1时期土地利用与覆盖与T2期遥感数据在配准叠加情况下,以T1完整的土地利用与覆盖类型图斑为单元构建土地各类别遥感数据知识库,然后以图斑单元或以像素为单位计算遥感影像特征统计量,通过与知识库相关数据的比较与匹配自动检测出变化并识别出相应的土地利用与覆盖类别。文章最后通过试验验证了该方法的有效性。