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。     

基于像斑异质度的矢量图与遥感影像变化检测

为实现矢量图与遥感影像的自动变化检测,提出一种基于像斑异质度的矢量图与遥感影像变化检测方法。以旧时期矢量图为约束,对新时期遥感影像采用标记分水岭算法进行影像分割获取像斑;提取兼顾光谱特征与纹理特征的像斑直方图作为像斑的特征,利用直方图相交距离构建像斑特征距离;利用新时期像斑与旧时期同类别像斑特征距离的平均值计算像斑的异质度,采用最大熵法自动获取各地物类别的异质度阈值;通过比较像斑异质度与矢量图所在时期对应类别的异质度阈值,实现像斑的变化/未变化判别。对QuickBird遥感影像的实验验证了所提方法的有效性,变化检测正确率达到了95%。     

一种面向地理国情监测的地表覆盖变化检测与更新方法

提出一种面向地理国情监测的分类后变化检测方法,充分利用前一时期地表覆盖数据提供的地物类别信息,指导后一时期影像的分类,通过比较两时期相应区域的类别信息,从而实现地表覆盖数据的变化发现与更新。该方法主要包括分类前变化检测、样本自动生成、分类后变化检测3个阶段。实验结果表明,该方法能够得到准确率较高的变化检测结果。     

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。     

基于FME的DSM变化检测提取方法研究

本文基于FME平台,采用目标级变化检测方法,基于同一区域不同时相影像,设计了一个DSM变化检测范围提取的模板。对同一位置不同时相的DSM进行叠置,计算高程差值,得到变化的点,并通过高程差值阈值和面积阈值过滤后,进一步处理提取变化区域。该方法为大面积的DSM变化检测和地理国情监测提供了新的技术方法。     

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。     

基于选权迭代估计与非监督分类的多光谱图像变化检测

针对多光谱图像的变化检测问题,提出了一种基于选权迭代估计(iterative estimation with weight selection,IEWS)与非监督分类(unsupervised classification,UC)的多光谱图像变化检测方法。借鉴IEWS的思想,并以类似于迭代加权多元变化检测(iteratively reweighted multivariate alteration detection,IRMAD)的迭代模式进行回归估计,得到初步的变化检测结果;并通过对初始变化信息的UC处理,以及对不同类别的IEWS,得到最终的变化检测结果。利用该方法对TM图像进行了实验,结果表明:所得到的变化信息在空间位置上同该区域相应时间段内土地利用/覆盖的变化情况具有很好的一致性;同时与多元变化检测及IRMAD方法变化检测的结果相比较,表明该方法对相对较小的变化信息具有更好的变化检测能力。     

一种新的遥感影像变化检测方法

针对地理国情监测中大幅面多时相遥感影像变化检测的需求,提出了一种基于卡方变换和样本选择的面向对象遥感影像变化检测方法。首先对多时相遥感影像进行多尺度分割获取像斑;然后,提取像斑的多维特征,采用基于卡方变换的特征融合方法计算像斑的加权差异度;最后,自适应选择训练样本,通过基于最大期望算法的贝叶斯阈值确定方法获取变化阈值,并对加权差异影像进行二值分割获取变化检测结果。以武汉市东湖高新技术开发区为例,利用多时相高分辨率遥感影像进行土地覆盖变化检测。试验结果表明,该方法可以克服全样本变化向量分析法及全样本卡方变换检测法难以满足阈值确定条件的不足,获得更准确的变化阈值,保证变化检测正确率高而又有效地降低漏检率,从而获得更好的变化检测结果,在地理国情监测中具有一定的应用价值。     

四种基于像元的地表覆盖变化检测方法比较

目前遥感影像变化检测方法很多,但各种方法的适用性各不相同。鉴于灰度差值、NDVI差值、灰度比值、主成分分析法在地表覆盖变化检测中应用广泛,文章从数据更新的角度对这4种方法进行了比较;在分析比较这4种方法的单一变化检测精度、检测结果的相同性、相异性的基础上探索了适合于30m分辨率TM地表覆盖变化检测的组合方法。实验结果表明,在地表覆盖变化检测中,有效组合方法能够取得比单一变化检测方法更好的效果;比值法并NDVI差值法并PCA差异法的检测结果中包含了4种单一检测方法所检测出的全部变化像元,达到了最高的生产者精度,比较适合于地表覆盖数据更新制图应用。     

高分辨率彩色遥感影像变化检测方法研究

目前已有的对象级变化检测方法中的像斑对象特征提取算法大多只提取单波段的特征,无法对彩色影像有直观整体的描述,针对这一问题,本文提出了一种高分辨率彩色遥感影像变化检测方法。首先对分割后得到的像斑统计颜色直方图,计算其推土机距离作为光谱特征差异量,另外通过像斑的彩色图像灰度共生矩阵计算熵统计量,对应像斑间熵差值作为纹理特征差异量;最后结合在彩色空间计算的两种差异量构造差异影像,通过支持向量机（SVM）将差异影像中的像斑分为变化与不变化两类别。选择江苏省苏州地区资源三号影像进行了试验,结果表明该方法可以很好地实现高分辨率彩色遥感影像的变化检测。     

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。     

基于混合像元分解与EM算法的中低分辨率遥感影像变化检测

中低分辨率遥感影像中广泛存在的混合像元极大地限制了变化检测结果的精度。基于混合像元分解技术,能够深入到像元内部,比较不同端元的组成分差异影像,然后获取亚像元级别的变化信息。如何从差异影像中确定合适的变化阈值,从而准确地判断变化是否发生,是一个难点问题。在高斯模型分布假设的情况下,采用最大期望法（expectation maximization,EM）自动提取最佳阈值,完成自适应的变化检测过程。选择了两种典型的阈值选择方法与该方法进行比较,结果证明基于EM的自适应变化检测方法可以更准确地提取变化信息,具有较好的稳健性。     

像斑的遥感影像土地利用变化检测方法

提出一种有GIS数据辅助的以像斑为对象基于不同时相非同源的遥感影像变化检测方法,这种方法属于特征级的变化检测,以影像像斑为对象,突破了以往变化检测对数据的要求与限制,改变了传统检测方法对于遥感影像数据的要求同源的模式.通过土地利用图和遥感影像的精确配准套合获取影像像斑,再利用聚类算法按类别进行样本的更新,利用更新后的样...     

面向对象的遥感影像变化检测方法

针对变化检测区域内变化区域与未变化区域面积比例较低时,通过常规的阈值计算无法在变化检测中确定准确的变化阈值问题,该文提出了一种带样本选择的面向对象遥感影像变化检测方法。该方法首先对多时相遥感影像进行多尺度分割获取像斑,并采用变化向量分析法计算像斑的差异度;然后,自适应选择训练样本,结合基于期望最大化算法和贝叶斯最小误差率理论的阈值计算方法,采用独立阈值法确定变化阈值;最后,利用变化阈值对差异影像进行二值分割,并获取变化检测结果。实验结果表明该文方法在变化检测精度上优于常规方法。     

面向地理国情监测的地表覆盖模糊融合变化检测

针对人工判读作业模式难以满足地表覆盖变化检测现势性要求的问题,该文围绕地理国情监测技术设计要求和实际生产特点,提出了一种基于地理国情先验知识的多特征模糊融合变化检测方法。利用地表覆盖像斑边界,根据地理国情监测不同地类的最小面积指标进行多尺度分割,获取同质的对象级像斑;构建像斑的光谱、纹理、形状等差值特征集;基于模糊集理论进行特征的自适应加权融合得到初步变化检测结果,根据技术规则剔除不符合要求的像斑,获得最终变化区域。结果表明,该方法能够根据不同地类变化有效地集成不同特征组合表征变化信息,可充分利用地理国情监测前期成果,具有较高的准确率。     

通过软硬变化检测识别冬小麦

提出一种软硬变化检测的作物识别方法 SHLUCD(Soft and Hard Land Use/Cover Change Detection Method)。该方法利用多期遥感影像能够有效表达作物的生长物候特征,以达到在离散变化区(即纯净像元区,包括完全转换成作物的突变区域和非作物区域)和连续变化区(即渐变区,混合像元区,是部分转化为作物的区域)准确进行作物的识别。在北京市选择一个研究区,以冬小麦为研究对象,选用2011年10月6日(播种期)和2012年4月16日(拔节期)两期环境减灾1号卫星影像,分别采用硬变化检测方法 HLUCD(Hard Land Use/Cover Change Detection Method)、软变化检测方法 SLUCD(Soft Land Use/Cover Change Detection Method)和SHLUCD进行冬小麦的识别。实验结果表明:在不同尺度窗口下,SHLUCD较传统方法表现出较明显的优势,具有更低的均方根误差RMSE(SHLUCD为[0.14,0.07],HLUCD为[0.15,0.07],SLUCD为[0.16,0.08])和偏差bias(SHLUCD为-0.0008,HLUCD为-0.007,SLUCD为0.014)和更高的决定系数R2(SHLUCD为[0.68,0.86],HLUCD为[0.62,0.86],SLUCD为[0.60,0.86])。针对冬小麦突变区域、冬小麦渐变区域和非冬小麦区域分别进行评价,表明SHLUCD识别精度接近各区最佳的识别方法,进一步验证了SHLUCD的灵活性和适用性。SHLUCD方法在离散变化区能够通过土地覆盖类型状态变化来有效地识别出冬小麦,在连续变化区可识别出土地覆盖的状态变化程度定量表达冬小麦的丰度,是其他作物多时相遥感变化检测的前期实验基础。     

利用综合变化检测方法进行土地覆盖变化制图

在全球环境变化研究中,对土地利用和土地覆盖的描述、量化和监测尤为重要。为此,基于综合变化检测算法(comprehensive change detection method,CCDM),计算2011—2016年Landsat影像(P033/R033)的土地类型变化。CCDM整合了2种基于光谱的变化检测方法,即多指标综合变化分析(multi-index integrated change analysis,MⅡCA)模型和分区(Zone)变化检测模型。通过计算变化向量(change vector,CV)、最大相对变化向量(relative change vector maximum,RCVMAX)、差分归一化燃烧率(differenced normalized burn ratio,d NBR)和差分归一化植被指数(differenced normalized difference vegetation index,d NDVI)等4个光谱指标和时间(t)提取2期Landsat影像的变化。此外,根据前期和当前土地覆盖的变化趋势和MⅡCA与Zone结果的变化,对CCDM结果的准确性进行了评价。评价结果表明:非变化类的准确率为96%,变化类的准确率为40%,总体精度为68%。CCDM方法简单、容易实现、应用广泛,能捕捉不同景观中各种自然和人为干扰引起的潜在土地覆盖变化,可为国家土地覆盖更新和土地变化检测提供技术支持。     

模糊支持向量机和变化矢量分析相结合的矿区土地覆盖变化检测北大核心CSCD

针对目前土地覆盖变化检测常用的方法存在不同程度的误差累积,夸大了变化区域,提出模糊支持向量机(FSVM)和变化矢量分析(CVA)相结合的土地覆盖检测方法。以某矿区2004年和2008年两期的CBERS遥感影像进行了试验。结果表明,植被大幅减少,其他地类都有不同程度的增加,主要是由于开采规模和产量提升所致。通过与常规的其他两类方法比较发现,本文方法的总体精度、Kappa系数、漏检误差和虚检误差分别为92.67%、0.892 7%、5.79%、7.31%,比其他两种方法有较大提高,能够提供较全面的变化类别和准确信息,可以有效地应用于矿区土地覆盖动态监测。     

基于多时相影像的农业作物非参数与概率分类

本文提出了一种新的结合多光谱和变化检测技术的多时相卫星数据集分类方法。该方法以数理统计中的最近邻法为基础,其目标函数是使得正确分类的平均概率得到最优化,即把每个分类类别看成同等重要。该新算法被应用于一个农业作物分类的研究区域,并利用覆盖该区的不同季节的SPOT和LANDSAT TM多时像影像。结果表明,与单时像影像相比,使用五个不同季节的多时像影像可以充分地提高分类精度。为了说明该方法在大尺度范围内的效果,本文选取瑞典道拉河流域作为研究区。由于不同地物的分布高度重叠,不可能得到像元水平上满意的分类精度。这就需要引进一种新的概念：像元概率分类法。基于像元的概率向量可用于判别传统分类法的可靠性并测量单个像元的不确定性（熵）。概率分类法同时提供了不同地物的面积的无偏估计,无论所感兴趣的区域的大小。这已经在不同特性的耕地试验点进行了检验。