基于深度学习的遥感变化检测技术应用研究

传统的人工目视变化提取的方式耗费大量的人力、物力且作业周期长，已经无法满足当今快速监测分析的需求，现在利用不同期影像进行智能变化检测和提取成为专家学者和软件方研究的热点。本文将浅析基于深度学习的遥感影像变化检测方法，旨在探索基于遥感影像进行常态化、快速化变化检测的技术路线和相关业务的应用，如基础测绘地形图更新、土地变更调查、地理国情监测更新等，为城市变化信息、地理信息数据的快速更新提供支撑。     

甘肃省地表要素遥感解译样本库建设与应用

面对自然资源遥感监测体系建设和省级基础测绘重点要素年度更新需求,本文以地理国情地表覆盖为主要参考数据,提出了省域遥感解译样本库的建设方法。首先制定了适用于深度学习的甘肃省自然资源遥感解译样本分类体系和顾及地学知识的样本选取标准,据此构建了囊括不同尺度单元的全要素、单要素和变化检测3类样本数据集;然后基于自主研建的甘肃省遥感解译样本库平台,构建了从样本采集、模型训练、智能解译到质量评估的全链路技术体系。试验结果表明,面向不同尺度区域,地物提取准确率达90%,变化检测准确率达74%,实现了地表要素从粗粒度到细粒度的自适应解译。研究成果在甘肃省省级基础测绘更新、城市国土空间监测及非农化监测等领域进行了业务化应用,提高了自然资源管理精准化和智能化水平。     

集成不变特征和纹理特征的遥感影像变化检测方法研究

研究提出了一种集成不变特征和纹理特征的遥感影像变化检测方法:一方面通过实验选取适合遥感影像变化检测的纹理特征,建立特征的计算模型从而进行变化检测;另一方面利用SIFT、Harris、Forstner、算子提取不变特征点,同时利用Canny、Sobel算子提取不变特征线,并从特征线上抽取不变特征点,通过Kd-树算法对不变特征点进行匹配并提纯,获得高精度的匹配点对,并通过统计图斑内落入的匹配点对进行变化检测。最后结合两者的优缺点将两种方法进行集成检测,从而降低了漏检率和误检率,提高了变化检测精度。研究结果具有可靠性,可为基础测绘更新和地理国情监测等提供技术支持。     

光学遥感影像变化检测研究的回顾与展望

地理实体或现象的变化数据是自然资源管理、灾害监测、生态环境保护和可持续发展等的重要科学分析依据。光学遥感影像变化检测是遥感科学与技术的重要研究领域,40年来,国内外学者针对遥感影像变化检测做了大量研究工作,取得了一系列成果。力图从变化检测关键问题、方法与技术、面临的挑战以及应用领域等多个角度对光学遥感影像变化检测研究进行系统的回顾,分析变化检测技术的研究现状,并且提出未来有待进一步解决的研究问题。     

遥感时间序列影像变化检测研究进展

同一区域、不同时期大量历史数据的积累,以及同一区域能够方便地获取高时间分辨率遥感数据,使遥感时间序列影像变化检测成为近年来遥感技术与应用的研究热点。本文系统总结和评述了当前遥感时间序列影像变化检测的相关研究进展和应用状况,在阐明遥感时间序列分析的意义,以及时间序列影像在变化检测中的优势的基础上,从非遥感领域时间序列变化检测方法出发,针对遥感时间序列影像变化检测的需求,明确和归纳了遥感时间序列变化检测的问题与类型,并对当前最新研究进行了综述,总结了各种方法的优点与不足,重点介绍了基于经验模态分解的遥感时间序列影像异常信息检测方法和基于隐马尔可夫模型的土地利用/覆盖变化检测方法,以期能够为相关研究提供参考。最后总结了该研究领域的发展趋势和存在问题,并对今后的研究工作和未来发展方向进行了展望。     

多时相遥感影像变化检测综述

近几十年来,多时相影像处理和变化检测是遥感领域一个较为活跃的研究方向。虽然在环境变化监测和检测方面成功的应用有很多,但是从多时相影像及时提取地球环境和人类活动的动态信息仍匝临很多挑战。近年来,随着新型遥感平台和传感器的发展,在克服技术障碍方面取得了很大进步。历史影像档案提供范围的扩大也使得长期变化检测和建模成为可能。这些发展推动了更先进的影像处理方法的开发和处理时间维度影像数据新方法的研究工作。本文回顾了多时相数据处理和变化检测的发展现状。作者首先对地球表面环境变化的性质进行了分析,从四个方面总结了遥感变化检测技术的发展,包括变化检测影像预处理、变化检测方法和途径分类、遥感变化检测方法和多时相影像处理的准确度评估。文章试图在先验知识的基础上从多源数据、集成处理和智能方法角度提出综合解决方案。为促进遥感影像变化检测技术的深入研究,本文还指出了变化检测所面临的挑战和可能的对策。     

基于改进DeepLabV3+算法的遥感影像建筑物变化检测

变化检测是遥感测绘领域的重要任务,作为执法依据,在耕地非农化等场景监测中发挥重大作用。近年来,使用人工智能相关技术进行变化检测,常见的技术方案为叠加两期影像,再使用语义分割算法求解变化区域。本文使用变化检测数据集LEVIR-CD作为试验数据,在DeepLabV3+算法基础上,针对变化检测场景特点,对模型结构进行改进。以DeepLabV3+的孪生网络为主干,使用多层级特征交互操作,充分融合图像特征。结果表明,改进的网络结构更加适合变化检测任务场景。     

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。     

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.      

CBERS-02B星数据土地利用动态遥感监测方法研究

研究了CBERS-02B星(简称02B星)HR和CCD数据在土地利用动态遥感监测中的应用,综合分析了目前常用的5种土地利用变化检测方法及其应用效果,提出了各种方法的适用条件和范围,为规模化应用02B星数据开展土地利用动态遥感监测奠定了技术基础.     

地表覆盖与建筑物目标变化检测技术研究

正随着遥感技术发展,大量的多元异构遥感数据得以获取,为对地球表面进行及时的、精确的变化检测提供了大量的数据基础。但是,各种遥感数据在发挥各自特点的同时也对变化检测方法提出了挑战。如,高分辨率遥感影像削弱了混合像元的影响,但带来了更大的空间复杂性。又如,各种遥感数据能够在变化检测的空间和时     

CBERS-02B星数据土地利用动态遥感监测中方法研究

研究了CBERS-02B星（简称为02B星）HR和CCD数据在土地利用动态遥感监测中的应用，综合分析了目前常用的5种土地利用变化检测方法应用效果，提出了各种方法的适用条件和范围，为规模化应用02B星数据开展土地利用动态遥感监测奠定了技术基础。     

基于高分辨率遥感影像的高精度变化检测方法

随着现代遥感和信息技术的快速发展,不同分辨率的对地观测遥感数据变得更为丰富,为遥感理论研究和应用提供了重要的数据支持。利用变化检测技术能高效率地从高分辨率遥感影像上提取相应目标区域的变化信息,快速地更新地图数据库。变化检测技术提供地表地物发生变化的信息,用于资源和环境监测、自然灾害评估等工作。     

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。     

基于高分遥感影像的海口市违法建筑监测

基于WorldView遥感高分辨率影像,对海口市违法建筑进行了变化检测与人工识别.选取两时相遥感影像,通过变化检测发现疑似违法建筑空间分布,最后利用叠加分析与人工解译确定违法建筑物.实验结果表明,变化检测可提供较高位置精度和效率,最终人工判读解译图斑合计误判率仅为0.68％,可作为城市违法建筑监测,是一种高效率、高适普性的违法建筑监测方法.     

基于Landsat5-TM遥感影像植被监测方法研究

针对Landsat5-TM遥感影像植被监测方法进行了研究,采用了变化向量分析方法,通过分析采用绿度指数GVI和垂直植被指数PVI来进行植被检测,并通过最大类间方差进行阈值的选取,采用Landsat5-TM遥感影像数据进行了试验,通过变化检测分类图和变化类别图斑统计的方法对结果进行了评价,变化检测分类精度较高。     

从光谱到时谱——遥感时间序列变化检测研究进展

地物的光谱信息是遥感数据的重要特征,对遥感光谱信息的利用经历了从黑白全色影像到多光谱、高光谱再到时间序列的发展历程。近年来,随着卫星遥感技术的发展和历史数据的积累,大量的重复观测数据被获取。长时序的遥感数据包含光谱维、时间维和空间维4个维度的信息,这在一定程度上能够避免同谱异物、同物异谱的现象。目前还没有统一的概念对长时序遥感数据进行描述,在光谱概念的基础上,提出时谱的概念,详细论述了时谱的理论方法和关键技术,首次尝试对时谱的理论体系进行构建。首先回顾了传统的遥感时间序列变化检测方法,分析传统变化检测方法的优点与不足;然后对时谱的理论方法进行阐述,介绍时谱在数据组织与存储、数据重构、特征深度挖掘和数据源4个方面的关键技术;并介绍基于时谱信息的典型农作物分类和变化检测方法,以期能够为时谱变化检测相关研究提供参考;最后对时谱变化检测研究进行了展望。     

甘肃省农田保护遥感动态监测应用研究

以甘肃省为例,探讨了农田保护动态监测应用中遥感数据源的选择原则,在比较分析多时相影像叠合法、图像代数变化检测算法、多时相图像主成份分析法等几种目前常用检测方法的基础上,制定出监测的技术路线。研究表明,遥感动态监测是监控土地利用变化的有效方法,能够为甘肃省农田保护提供科学依据。     

多时相遥感影像的变化检测研究现状与展望

变化检测作为摄影测量与遥感领域的研究热点之一,也是人工智能体系中极具研究价值的技术分支。二者的快速发展与深度融合,已使海量、复杂和多样的遥感数据快速智能化处理成为可能,广泛应用于资源监测、城市规划、灾害评估等诸多领域。随着遥感技术和计算能力的不断革新,变化检测体系也在不断发展和演化。本文主要从几何和语义两个角度对变化检测方法进行了分析和归纳总结,重点分析了几何信息的利用方式及深度神经网络的特征融合方式,随后总结了常用的变化检测公开样本数据集,最后对当前变化检测应用中遇到的核心问题及未来发展趋势进行了梳理与展望。     

基于贝叶斯网络分类的遥感影像变化检测

遥感成像过程中,地面、大气等诸多要素的不确定性和波段之间的相关性等原因影响了分类精度,导致变化检测的不准确性。为了提高分类精度往往需要引入先验知识。贝叶斯网络是一种新的数据表达和推理模型,对数据没有严格的正态分布前提要求,通过动态地调整先验概率密度,能有效提高分类精度。以北京通州地区1996-05-29和2001-05-19两个时相的陆地卫星Landsat TM遥感影像为例,介绍了基于贝叶斯网络的分类算法,并在此基础上实现了两个时相遥感影像的变化检测。实验结果表明:基于贝叶斯网络分类算法的后分类比较变化检测方法是遥感影像变化检测的一种新的有效方法。