基于孪生神经网络的土地利用现状年度变化检测

近年来,利用多期高分遥感影像,构建土地利用现状年度变化检测模型,并以此为基础支持土地利用现状年度变化检测的智能化发展,正是当前研究的难点所在。本文探讨了构建土地利用现状年度变化检测模型存在的问题。通过对土地资数据进行预处理,构建基于孪生神经网络的变化检测模型,以及对模型输出结果进行GIS优化获取目标区域的变化图斑,实现针对土地利用现状变化区域的快速提取。试验结果表明,该方法可快速发现不同时期影像中土地利用现状的变化位置,有效提升了土地利用现状年度变化检测的智能化水平,可服务于日常土地利用现状年度变更检查工作。     

顾及纹理特征贡献度的变化影像对象提取算法

遥感影像变化检测是全球变化研究的重要内容。基于两期遥感影像的变化检测方法存在数据条件要求苛刻、难以充分利用快速发展的多源遥感影像数据等问题。目前许多变化检测的参考数据中包含了一期分类矢量数据,矢量数据中往往包含了位置、形状、大小和类别属性等先验信息,充分利用这些先验信息将可提高变化检测精度。提取变化影像对象是结合矢量数据和遥感影像进行变化检测的核心步骤。本文提出了一种顾及纹理特征贡献度的变化影像对象提取方法。该方法利用矢量数据分割遥感影像,获取影像对象,计算影像对象纹理特征值。根据信息增益原理计算纹理特征参数的特征贡献度,选择特征参数。由贡献度指数大小确定纹理特征参数权重,计算影像对象与先验要素类别的相似度系数,提取变化影像对象。试验结果表明,基于纹理特征贡献度的特征参数选择,能有效地提高变化影像对象提取结果的精度。     

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。     

高分遥感影像与矢量数据结合的变化检测方法

针对高分辨率遥感影像与矢量数据配准套合之后存在的不一致性问题,该文探讨了多尺度分割算法获取同质像斑的方法。在此基础上,发展了一种基于最近邻分类算法的分类后处理变化检测方法。结果表明,通过多尺度分割算法能够获取"类内光谱相同"和"类间光谱相异"的像斑;分类后处理变化检测方法能够正确检测出80%以上的变化区域,在获取变化检测结果的同时能够获取变化像斑的类别,而且检测精度较高,具有较高的应用价值。     

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.      

基于GF-1多时相波段组合的武汉市土地利用变化检测

GF-1号卫星是中国自主研发的第一颗高分辨率遥感卫星。为分析该卫星影像数据在土地利用变化检测中的应用,本文以武汉主城区为研究对象,选取该地区2014年5月、2015年4月GF-1号卫星遥感影像,采用分类后比较与多时相波段组合直接分类两种方法分别进行试验,将二者实验结果比较分析。结果表明,多时相波段组合直接分类是一种更为有效的变化检测方法。相比分类后比较该方法不仅检测精度提高了将近17%,土地利用变化检测效果也明显改善。另外,对武汉主城区主要土地利用变化类型进行面积统计分析,对武汉主城区建设具有一定的指导意义。     

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。     

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。     

一种改进CVAPS的LUCC分类自动更新方法

后验概率变化矢量分析(change vector analysis in posterior probability space,CVAPS)方法没有顾及到遥感影像波段之间和多时相之间的光谱相关性,可能会造成信息丢失而降低影像变化检测的精度。因此,结合多元变化检测(multivariate change detection,MAD)技术与CVAPS方法,提出一种改进的土地利用/覆盖变化(land use/cover change,LUCC)分类自动更新方法。首先,引入MAD技术来降低多光谱影像波段间相关性的影响,从而改善对像元变化检测的精度,增强LUCC分类自动更新过程中训练样本的可靠性,提高LUCC分类自动更新的精度;然后,为减少分类图中"椒盐"噪声的影响,进一步利用迭代马尔科夫随机场(iterative Markov random field,IR-MRF)模型进行分类后空间邻域处理,以提高自动更新的精度。以福建省长汀县2013年获取的Landsat8影像数据以及相应的LUCC分类图为基准,利用2003年获取的Landsat5影像,对长汀县2003年的LUCC进行更新。实验结果表明,该方法的自动更新总体精度能够达到80%,比单独采用CVAPS方法的自动更新精度提高了约3%。     

土地动态监测中非正常建设用地分类识别模型研究

土地执法监察的实施需明确土地利用变化区域的位置、是否违法及违法类型等信息。大多数土地动态监测手段只获取变化区域的位置信息,无法快速明确具体违法类型及识别伪变化,加大了土地动态巡查的工作量。基于此,本文提出针对非正常建设用地的分类识别模型,即一种可快速识别建设用地变化图斑违法类型的方法。该模型将变化检测获取的变化图斑与相关地政数据进行叠置分析,并设计非正常建设用地分类识别矩阵对变化图斑进行判断,采用计算机识别和人工辅助识别相结合的方式快速明确非正常建设用地的变化性质。应用结果表明,该模型可有效解决综合分析多层矢量数据时图斑要素的跨界问题,提高了识别效率;和现有监测方法结合使用,可快速了解监测区域的土地利用变化概况,较大地提高了土地执法工作的自动化程度。     

济南市土地利用变化监测分析

济南作为山东省省会城市,在城市发展与土地利用变化方面应做到合理监测。本文以山东省济南市为研究对象,对济南市的土地遥感影像图进行分类。利用2005年和2016年济南市区Landsat遥感影像为基础数据,结合济南市矢量边界文件,对济南市的遥感影像图进行处理,通过目视解译,建立合理的训练样本,再结合野外调查的结果,制作济南市的土地利用分类图,根据分类结果对济南市土地利用变化进行分析与评价,为今后的济南市土地利用提供科学的依据和合理的建议[1]。     

高精度建设用地变化自动提取技术在土地督察中的应用

为提高土地督察线索获取的快捷性和准确性,提出了一种基于稳定地物样本库的建设用地变化监测方法。首先,利用先验知识结合本底影像选取土地利用类型未发生变化的对象,形成稳定的地物样本库;然后,关联最新影像,动态筛选训练样本,实现建设用地变化自动监督分类;最后,基于先验知识对分类结果自动甄别,进行双重辅助变化信息提取,并利用相隔4个月的资源3号卫星数据开展对比试验。结果表明,该方法提取的建设用地变化位置准确率达72.82%(常规矢量监测法仅为33%),大大提高了违法用地位置信息发现的准确率,具有较高的可靠性和精度。     

高分辨率遥感影像的深度学习变化检测方法

为提升高分辨率遥感影像的变化检测精度,提出一种利用深度学习的变化检测方法。在预处理的基础上,利用顾及邻域信息的改进变化矢量分析算法和灰度共生矩阵算法获取影像间光谱和纹理变化,并通过设置自适应采样区间提取最可能的变化和未变化区域样本。构建并训练包含标签层的高斯伯努利深度限制玻尔兹曼机模型,以提取变化和未变化区域深层特征,从而有效辨别变化区域。通过WorldView-3与Pléiades-1影像的试验表明本文方法在变化检测精度方面优于对比方法。     

高分辨率遥感影像的随机森林变化检测方法

基于面向对象分析(OBIA)的遥感影像变化检测研究已取得显著的进展,代表了遥感影像变化检测的发展范式,未来是发展更加智能的解译分析方法。随机森林作为一种新的机器学习算法,其预测效果和性能稳定性要优于许多单预测器和集成预测方法。本文充分利用OBIA及随机森林机器学习算法的优势,提出了利用随机森林进行面向对象的遥感影像变化检测。首先基于熵率对影像进行超像素分割,通过最优超像素个数评价指数来获取最佳的影像分割结果,并提取每个超像素在前、后时相影像上的光谱特征和Gabor特征作为随机森林的特征输入数据,用于模型的训练。在初始像素级检测结果之上,自动进行分类样本选择并构建分类器模型,用训练好的模型来提取最终的变化区域。利用Quickbird、IKONOS、SPOT-5等3组多光谱影像进行试验,结果表明,本文方法在变化检测精度上要优于对比方法。     

基于PCA的变化向量分析法遥感影像变化检测

为实现对土地覆盖变化的遥感监测,研究了一种基于不同年份单时相遥感数据提取差异影像、自动确定变化阈值提取变化区域的新方法。以南通市Landsat8 OLI影像为例,对2期影像分别进行主成分分析(principal component analysis,PCA);取前3个主分量进行变化向量分析(change vector analysis,CVA),构造变化检测差异影像,并与传统PCA法和CVA法构造的差异影像进行对比;对3景差异影像分别用传统全局阈值法和局部最小错分概率法自动确定阈值,分别提取变化区域,得到6景变化区域图。利用目视解译样点进行精度评价的结果表明,改进后的基于PCA的CVA法提取的变化区域总体精度可达92.78%,Kappa系数可达0.842 6,证明使用该方法可有效地进行不同年份单时相遥感数据的变化检测。     

多源遥感数据结合的土地利用变化研究

针对多源遥感数据结合监测土地利用变化,本文以辽宁省盘锦市2005和2015年的TM和Landsat-8影像为实验数据,对该地区土地利用变化情况进行深入研究和探讨,重点分析了该研究区域的土地数据处理与分类、土地利用变化幅度模型、单一土地动态变化模型、综合土地动态变化模型、土地利用程度指数等,并分析了研究区域的转移矩阵及动态分析。结果表明:利用多源遥感影像处理,能够很好地总结和分析土地利用变化情况,使研究区域各项指标变化情况得到准确统计。     

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。     

基于多时像TM/ETM+影像的兖州市土地利用/覆盖变化

本文利用多时相Landsat TM/ETM+影像分析了兖州市1998年和2002年的土地利用/覆盖变化。综合考虑波段间相关系数和OIF指数,选择最佳波段组合进行图像解译,并在此基础上运用最大似然分类器(MLC)和支持向量机(SVM)的分类方法对遥感影像进行分类。进而利用SVM分类结果进行土地利用遥感动态监测,获取兖州市土地利用/覆盖变化信息,并与社会经济统计资料的统计结果进行比较。最后提取TM/ETM+影像的RDVI,基于线性混合像元分解模型分析了植被覆盖的变化。结果表明,基于多时相TM/ETM+影像分析的土地利用/覆盖变化与实际统计数据较吻合,适合动态监测土地利用变化,且精度较高。     

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。