基于面向对象分类的城市土地利用变化检测

以新疆乌鲁木齐某区域2013年的GeoEye影像和2015年的IKONOS影像为辅助数据,进行基于面向对象分类的城市土地利用变化检测实验;根据各类地物的提取规则,提取了实验区域的地物信息,并利用ENVI5.1软件进行了变化检测。结果表明,面向对象分类的变化检测方法总体精度为85.97%。为了提高该方法的精度,结合目视解译方法,面向对象方法 +目视解译的变化检测精度为87.00%,说明目视解译方法在一定程度上提高了检测精度。     

基于概率统计模型的遥感影像变化检测

基于概率统计理论,提出了一种基于t检验的遥感影像自动变化检测方法,并实现了其与相关系数法的有效结合,运用于复杂城区环境下地物类型的自动变化检测.对于高空间分辨率影像,有效引入纹理特征,减少了房屋阴影的影响,对最终变化检测结果起到了明显的增强效果.实验采用不同类型的数据,详细叙述了变化目标的提取以及本文方法的特点,结果真实反映了实际地物的变化,表明该方法具有很好的实用价值.     

基于转移矩阵的城市土地利用变化分析

本文主要运用土地转移矩阵的方法分析土地利用的变化情况。土地转移矩阵相对于其他分析方法,其科学性及优势性在于矩阵的生成灵活多变,分析的结果不受地物类别、数量限制,同时又可以对多时期的数据进行分析处理。结果表明:2013年至2015年,研究区耕地、水域和草地面积呈减少趋势,而道路用地、房屋用地、附属设施用地和林地面积呈增加趋势。土地利用类型变化主要为草地变化为道路用地和房屋用地上。     

近十二年兰州市土地利用变化的动态监测

为了加强兰州市对土地类型和土地利用变化的监测,本文在ENVI和ArcGIS平台上,基于最大似然分类法,利用Landsat TM和ETM+卫星遥感影像实现了兰州市的土地利用分类,然后据此生成地物类别转移矩阵。最后对1999~2011年的土地利用/土地覆盖从范围和转变的类型进行了时空上的动态分析。     

考虑时空关系的遥感影像变化检测和变化类型识别

提出了一种基于时空关系的遥感影像变化检测及类型识别方法。该方法通过影像分割获取像斑,利用最大似然法(maximum likelihood method,ML)获取初始分类结果,通过地物的类别转移矩阵(class transition matrix,CTM)和类别邻接矩阵(class adjacency matrix,CAM)定量地描述各地物类别之间的时间关系和空间关系。实验结果显示,本方法优于分类后比较法。     

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。     

一种多特征融合的面向对象多源遥感影像变化检测方法

当前,随着遥感影像数据来源越来越丰富,且分辨率越来越高,传统的变化检测方法已经无法满足实际应用的需要。针对这一问题,提出了一种多特征融合的面向对象多源遥感影像变化检测方法。在对象获取和多种特征提取的基础上,利用SVM对高维数据分类的优异特性,将基于SVM的二类分类方法与对象级变化检测有机结合,提高了多源遥感影像变化检测的精度和可靠性。结合人工目视判读,设计了一种面向地物的指标计算方法。实验采用多源多时相的遥感影像进行,并对不同地物变化检测的精度进行统计,验证了提出方法的有效性。     

利用矢量影像法进行土地利用变化自动检测

为解决土地利用矢量图与遥感影像的变化检测问题,提出了一种基于类别的矢量图与遥感影像变化检测方法。在矢量图约束下,对遥感影像进行影像分割获取像斑;提取像斑在遥感影像上的直方图特征,采用G统计量度量像斑之间的特征距离;利用像斑与其他相同类别像斑之间的特征距离,构建单波段上像斑的类别异质度,自适应加权组合各波段上像斑的类别异质度构建像斑的类别异质度;依据最大熵方法获取各地物类别对应的异质度阈值,以类别为单位对各像斑进行变化判别,获取变化检测结果。在QuickBird遥感影像上的试验验证了本文方法的有效性,实现了矢量图与遥感影像的自动变化检测。     

基于IR-MAD的高分辨率遥感影像交叉融合变化检测方法

高分辨率遥感影像数据在带来丰富地物信息的同时,也对变化检测提出了新的问题和挑战。本文从高分辨率遥感影像数据的空间结构特征和光谱分布信息入手,针对多光谱数据交叉融合的变化检测方法展开研究。采用基于GSA(Gram-Schmidt Adaptive Pansharpening Algorithm)法对全色和多光谱影像数据处理,生成四幅交叉融合影像;将迭代加权多元变化检测(Iteratively Regularized Multivariate Alteration Detection,IR-MAD)算法应用于高分辨率融合影像,提取变化信息。结果表明,本研究方法能够有效提取变化信息,并降低数据配准不一致所造成的误检测。     

光学遥感影像与GIS数据一体化的水体分割、配准与提取方法

利用遥感影像进行自动化水体提取是一项富有挑战的任务。提出了一种GIS数据辅助下的可见光遥感影像水体自动提取方法,其核心是将影像分割、配准和变化检测集成为一体化处理流程检测水体。利用水体在遥感影像上的显著特性,首先提出了基于多尺度视觉注意模型的疑似水体区域检测;然后对影像显著区域进行水平集分割处理,通过迭代的分割和配准一体化处理不断优化直至获得最优的分割和配准结果,其中改进的形状曲线相似度特征用于约束分割结果与GIS水体对象的匹配;最后,利用基于缓冲区的变化检测方法获取变化和未变化的水体对象,同时利用已知水体辐射特征与GIS地物的空间位置关系剔除非水体对象。采用3组不同分辨率的遥感影像和不同尺度的GIS数据进行实验,结果显示了本文方法在水体自动提取和变化检测中的有效性。     

纹理特征向量与最大化熵法相结合的SAR影像非监督变化检测

合成孔径雷达(SAR)影像具有明显的斑点噪声,在变化检测中,一般需要考虑空间邻域信息。本文结合SAR影像丰富的纹理信息,提出一种考虑空间邻域信息的高分辨率SAR影像非监督变化检测方法,用基于灰度共生矩阵(GLCM)的32维纹理特征向量构造差异影像。通过最大化熵法自动选取阈值,对精度指标随窗口大小的变化进行回归分析,得到适合于变化检测的窗口为11×11。试验表明,本文方法优于马尔科夫随机场法,可以减小斑点噪声的影响,有效提高高分辨率SAR影像变化检测的精度。     

SAR change detection based on intensity and texture changes

In this paper, a novel change detection approach is proposed for multitemporal synthetic aperture radar (SAR) images. The approach is based on two difference images, which are constructed through intensity and texture information, respectively. In the extraction of the texture differences, robust principal component analysis technique is used to separate irrelevant and noisy elements from Gabor responses. Then graph cuts are improved by a novel energy function based on multivariate generalized Gaussian model for more accurately fitting. The effectiveness of the proposed method is proved by the experiment results obtained on several real SAR images data sets.     

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.     

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。     

Contextual Analysis Based Approach for Detecting Change from High Resolution Satellite Imagery

Spatial contextual feature plays an important role in high resolution remote sensing image. A new approach based on local variance analysis is introduced to spatial contextual feature extraction for change detection in this paper. In the proposed approach, the change magnitude between the paired central pixels of a local area (e.g., a 3 × 3 sliding window) in multitemporal images depends on surrounding pixels in the difference image, and this change magnitude is quantitatively measured based on the standard deviation of the difference image within the local area. This difference image contextual property may be useful particularly when high-resolution images are used. Finally, the change magnitude image is classified as a binary CD map by using SVM. This proposed approach is applied to SPOT-5 multitemporal datasets and two QuickBird multitemporal images from two case studies, which are quantitatively compared and validated. Experimental results show that the proposed approach is feasible.     

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.      

A Multi-Feature Fusion-Based Change Detection Method for Remote Sensing Images

An object-oriented change detection method for remote sensing images based on multiple features using a novel weighted fuzzy c-means (WFCM) method is presented. First, Gabor and Markov random field textures are extracted and added to the original images. Second, objects are obtained by using a watershed segmentation algorithm to segment the images. Third, simple threshold technology is applied to produce the initial change detection results. Finally, refining is conducted using WFCM with different feature weights identified by the Relief algorithm. Two satellite images are used to validate the proposed method. Experimental results show that the proposed method can reduce uncertainties involved in using a single feature or using equally weighted features, resulting in higher accuracy.     

样本迁移支持下的遥感影像自动分类方法

迁移学习是运用已有知识对相关的不同领域的问题进行求解的一种机器学习方法,本文结合这一方法,提出了一种基于先验知识的样本自动选取方法,并构建了一套土地覆盖自动分类的算法框架。该方法主要面向Landsat数据,通过图像变化检测技术与光谱形状编码的方法,从源领域中迁移适用的地物类别知识并标记在目标影像中,使用SVM完成基于样本迁移的自动分类流程。结果表明,该方法可以获得可靠的自动分类结果,一定程度上满足遥感信息的大范围提取与长时间序列处理分析的发展需求。     

Polarization state conformation and its application to change detection in polarimetric SAR data

For polarimetric SAR (POLSAR) images, it is ideal that scattering geometries of the same target should display resemblance between multidate images, which are used in change detection applications, since the scattering mechanisms may change due to the data acquisition geometry. However, sometimes it is difficult to achieve these conditions. An attempt is made to maximize the resemblance between the scattering geometries in multidate images for a specific target. An algorithm is developed based on the polarimetric basis transformation along with the polarization signatures. As a result, the resemblance between the scattering mechanisms of the same target in both images is maximized. The effects predicted by the theory are confirmed by the change detection analysis of POLSAR data acquired by the Jet Propulsion Laboratory Spaceborne Imaging Radar-C mission.     

决策级融合的多分辨率遥感影像变化检测

针对多时相、多分辨率遥感影像数据的特点,充分考虑不同分辨率数据和不同变化检测应用的需求,将由粗到精数据集分层检测和决策级融合的思想引入到变化检测,以多时相多分辨率ALOS遥感影像为例,构建并试验了由粗到精变化检测的技术流程.该方法将ALOS多光谱数据视为粗数据集,将全色数据和融合数据视为精数据集,通过对3种数据集变化检...