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。     

奇异值分解和阈值分割的遥感自适应变化检测

针对传统遥感变化检测算法中差值影像构造方法不容易提取弱变化信息,以及变化阈值需要人工干预的不足,提出一种基于奇异值分解(SVD)和最大类间方差法(OTSU)阈值分割的遥感影像变化检测算法。首先计算两期遥感影像的多波段差值影像,对其进行矢量化后所构造矩阵进行奇异值分解,并计算差值影像的变化强度,选取奇异值分解主分量投影和变化强度作为表征两期影像变化的特征量;然后通过最大类间方差法对上述两个特征量进行阈值分割,得到变化检测结果;最后通过对比实验以及精度验证,证明了该变化检测方法相比传统方法能够更精确地提取出变化信息,而且能够自适应获取分割阈值。     

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。     

利用最小交叉熵的多时相影像变化检测

针对目前多时相遥感影像变化检测中缺少有效的确定变化阈值方法的问题,文章提出一种基于最小交叉熵的方法:采用中值滤波方法分别消除两个时相遥感影像中的噪声;将比值法和差值法融合构造两个时相遥感影像的差异影像;通过最小交叉熵确定差异影像的最佳变化阈值,并对差异影像进行分割得到变化区域;最后对变化检测精度进行评估。实验结果表明,提出的方法具有较高的检测精度,是一种有效的多时相遥感影像变化检测方法。     

粒子群算法及多阈值指数熵的遥感影像变化检测方法研究

在遥感影像检测中,一般采用多变化阈值来提高检测精度,但会导致运算量的增加。为解决该问题,提出利用粒子群算法及多阈值指数熵的遥感影像变化检测新方法。首先采用影像差值法构造差异影像;然后提出利用粒子群和多阈值指数熵的遥感影像分割方法,并将其用于对差异影像进行分割获取变化区域;最后对选取的实验数据进行变化检测,并与基于模糊C均值、双阈值指数熵、三阈值指数熵的非监督变化检测方法进行比较。实验结果显示,提出的变化检测方法其精度为94.77%,本案方法是一种有效地、可靠的遥感影像变化检测方法。     

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。     

遥感影像融合的自适应变化检测

提出一种基于影像融合和自适应阈值选择的遥感影像变化检测方法。首先利用经过改进的融合技术对原 始数据的差值影像和比值影像进行处理, 构造融合影像, 在该融合影像的基础上进行自适应迭代运算得到初步变 化阈值范围, 然后通过分析阈值范围两侧影像像元的离散程度, 求解最终的阈值范围, 从而得到更优变化阈值, 提 取变化区域。实验结果表明, 本文方法的检测精度优于传统的变化检测方法, 同时具有一定的稳定性和智能性。     

PLS与EM算法支持下的遥感影像变化检测

针对高分辨率遥感影像波段间大量数据冗余及小比例变化阈值难以准确确定问题,提出一种偏最小二乘法(PLS)与局部最大期望(EM)的高分辨率影像变化检测算法。首先,以前后时相多波段的遥感影像为两组多元变量,通过多元数据统计PLS变换模型分析,提取有效成分并以差值法构造差异影像;然后,采用局部变化比例比较大的区域通过EM算法提出差异影像的变化检测阈值;最后,利用局部影像确定的阈值将整幅差异影像分为变化和非变化两类并利用滤波算子对检测结果进行处理。采用高分辨率遥感影像数据进行试验,试验表明该方法能够较好地利用多光谱影像提取地表覆盖的变化信息,对地理国情动态监测具有一定的应用价值。     

结合偏最小二乘法和支持向量机的遥感影像变化检测

针对多光谱遥感影像通道之间相关性影响难以消除及变化检测的阈值难以确定的问题,提出了一种结合偏最小二乘法（PLS）和支持向量机（SVM）的遥感影像变化检测方法。将两个时相的多通道遥感影像视为两组多元随机变量,引入多元统计数据分析方法中的PLS理论,进行成分提取并构造差异影像;再通过SVM将差异影像分为变化与不变化两类别;最后利用形态学算子对分类结果作处理。选取Landsat8多光谱遥感影像进行试验,结果表明该方法可以很好地实现多光谱影像的变化检测,对地理国情数据监测具有重要意义。     

基于典型相关分析的变化检测中变化阈值的确定

以东营市为例 ,把基于典型相关分析的方法运用于多时相遥感影像的变化检测中。对于变化阈值的确定 ,采用了一种基于贝叶斯理论的最小错误率的方法。这种方法实质上是一种非监督分类的方法 ,即不需要地面实况数据或其它先验知识 ,直接对典型相关处理后的差值图像进行分析计算得到阈值 ,使变化检测的错误率达到最小。实验结果证明了这种方法的有效性。     

核典型相关分析的高分辨遥感影像变化检测

传统的线性多变量变化检测方法在处理高分辨率遥感影像变化检测时,容易出现明显的"椒盐现象"的问题。该文基于面向对象的分析思想,提出核典型相关的变化检测方法。首先对高分辨率遥感影像进行多尺度分割获得影像对象;然后运用核函数多变量典型相关分析,构造差异向量,并进行最小噪声变换,提高影像对象的信噪比;最后采用ROC曲线确定最佳的变化检测阈值。实验结果表明,该方法不仅消除了"椒盐"现象的干扰,而且提高了变化检测的精度。     

面向对象的遥感变化检测研究

通过分析传统的遥感变化检测方法存在的问题,提出了面向对象的遥感变化检测方法。本文利用某地ETM+两个时相的遥感影像,将面向对象和传统变化检测方法进行定性定量的比较,从而得出面向对象的遥感变化检测方法的优势。该方法采用了基于相邻影像区域合并异质性最小的面向对象的多尺度分割方法和模糊分类的方法对变化检测图像进行处理,从而提高了变化检测结果的精度。最终得到较理想的实验分析结果。     

基于EM和BIC的直方图拟合方法应用于遥感变化检测阈值确定

利用遥感图像进行变化检测时,确定"差异图像"上各变化类型的阈值非常关键.本文引入图像直方图拟合方法来确定变化阈值.首先通过基于变化向量分析方法,得到变化强度图像,然后假设该变化强度图像中的像元值符合混合高斯分布模型,利用期望最大(EM)算法和贝叶斯信息准则(BIC)求出最佳的混合高斯分布模型,拟合此时的图像直方图,最后利用贝叶斯判别准则确定出各变化类型的变化阈值.试验证明,这种方法是一种较为有效的自动确定变化阈值的方法.     

结合KI准则和逆高斯模型的SAR影像非监督变化检测

提出一种结合逆高斯模型（inverse Gaussian model,IGM）和KI（Kittler-Illingworth,KI）最小错误率准则的合成孔径雷达（synthetic aperture radar,SAR）影像非监督变化检测方法。假设差值影像中未变化类和变化类服从混合IGM,结合贝叶斯决策理论,自动求取满足KI最小错误率准则的阈值。在两组多时相SAR数据上分别设计了两组实验以验证本文方法的有效性。实验表明,本文方法可以更好地估计差值影像中未变化类和变化类的概率密度分布,得到合理的决策阈值,有效提高变化检测图的精度。     

联合概率密度空间的遥感自适应变化检测方法

多种因素引起的辐射特征变化,将造成阈值法变化检测的误检。对此,本文提出了一种联合概率密度空间的多阈值自适应变化检测方法。首先,将影像从像素空间转化到联合概率密度空间,将变化地物定义为联合概率密度空间的离群点,并采用迭代方法将其提取,然后映射回原始影像后确定变化区域。选取两种典型应用进行试验,结果表明,本文方法在正确率、误检率和漏检率方面优于传统方法,具有较好的稳健性。     

基于变化向量分析（CVA）的土地利用／覆盖变化动态监测（Ⅱ）—变化类型的确定方法

以光谱直接比较为基础的变化向量分析法是一种非常有效的土地利用／覆盖变化动态监测方法，在双窗口变步长阈值搜寻方法确定变化和非变化像元的基础上，提出了参考图像分类并结合变化向量方向余弦最小距离分类的变化类型确定方法，同时应用该方法在北京市海淀区进行了实验研究，得到了较为理想的结果。变化类型的判断精度达到70％以上，显示了新方法的优越性和技术可行性。     

基于变化向量分析（CVA）的土地利用／覆盖变化动态监测（Ⅱ）—变化类型的确定方法

以光谱直接比较为基础的变化向量分析法是一种非常有效的土地利用／覆盖变化动态监测方法，在双窗口变步长阈值搜寻方法确定变化和非变化像元的基础上，提出了参考图像分类并结合变化向量方向余弦最小距离分类的变化类型确定方法，同时应用该方法在北京市海淀区进行了实验研究，得到了较为理想的结果。变化类型的判断精度达到70％以上，显示了新方法的优越性和技术可行性。     

遥感影像变化检测方法的比较——以堰塞湖灾害点为例

一个对象（现象）在不同的时间发生的变化存在着一定的相关性,利用光谱和空间相关性信息提取出地物发生变化的方法──基于邻域相关性图（NCIs）和基于交互相关性分析（CCA）的变化检测方法分别取得了不错的效果。为了探究这两种方法在土地覆盖变化检测中的适用性,对其进行应用并评价。以堰塞湖灾害点为试验区,选取了同一年份的两期高分一号卫星影像,对比了监督的基于NCIs的方法和监督的分类后比较法及非监督的基于CCA的方法和非监督的分类后比较法。结果表明：基于NCIs的方法在邻域半径等于3像素时,总体精度最大,为93.05%,比监督的分类后比较法（采用支持向量机分类器,总体精度为93.03%）稍好,但其受邻域半径的制约较大;基于CCA的方法在阈值等于20像素时,总体精度最高,为93.95%,比非监督的分类后比较法（采用ISODATA分类器,总体精度为90.52%）好,但不足在于需要经验判断并试验求取最佳阈值,以及需要已知前一个时相的地表真实值。