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...     

基于多源数据的土地利用变化检测

年度土地利用变更调查是保证我国土地利用数据具有现势性的重要工作。目前的土地利用变化信息获取还是以人工目视解译遥感影像为主,效率较低。针对此问题提出一种基于多源数据的土地利用变化检测方法。利用前一时相土地利用矢量数据自动获取后一时相影像分类的训练样本并精化,实现全自动的影像分类,进而将分类结果与前一时相土地利用矢量数据对比得到全自动的变化检测结果;然后对前后时相影像利用多元变化检测(multivariate alteration detection,MAD)变换法剔除伪变化区域,在自动变化检测基础上提取变化图斑。选取黑龙江省杜尔伯特蒙古族自治县与湖南省长沙县为研究区验证方法的可靠性,研究证明本文方法相比于现有方法作业速度可以提高一倍以上,且更不易于遗漏真实变化区域。     

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。     

融合流程优化思维的遥感影像变化检测自动化研究

目前土地卫片执法中对影像变化图斑的提取主要依靠作业人员对两时相高分辨率卫星遥感影像的目视解译,以确定土地利用变化发生的空间位置。图斑的正确与否完全依靠解译人员的目视判读经验,容易产生错误。通用的检测流程针对特定遥感影像数据可以得到较好的检测结果,但是面对大面积、特征多样、分辨率较高的城市遥感影像时,应用效果可能不佳。融合流程优化思维,整合现有成熟的遥感影像变化检测相关技术,利用数字城市建设中积累的大量高精度GIS数据,并结合地物形状特征指数和检测人员的作业经验,进行变化检测自动化研究,包括人机交互检测和批量自动检测两个主要流程,并应用于深圳市土地卫片执法中的土地利用变化图斑提取环节,可提高其自动化程度,有效降低时间和人力成本,及时发现并阻止土地违法利用行为。     

一种基于先验知识的矢量边界更新方法

本文针对GIS中地物矢量边界更新繁琐、低效的问题, 提出一种以GIS数据作为先验知识的简便矢量边界更新方法.该方法针对GIS线性矢量边界只需有限个拐点描述的特性, 将对边界寻找转化为直接对矢量边界上拐点位置的确定, 简化了变化检测与更新过程.以TM遥感影像为数据源,矢量shape文件为先验知识, 分别利用该方法检测、更新扎龙湿地内克钦湖、东升水库以及一块沼泽地边界.并运用简化的缓冲区检测算法计算拐点更新准确率, 同时对本文结果与手动更新结果的相似性进行计算与分析.实验结果表明, 本方法不但简化了变化检测和更新过程, 而且可以得到接近手动更新方法的准确率, 并且更新后矢量多边形与手动更新所得到的矢量多边形保持了较高相似性, 达到了较好的效果.     

基于深度学习的城市地理国情地表覆盖分类研究

作为图像识别的研究热点,利用深度学习对遥感影像进行自动分类具有较强的应用实践价值.本文基于全卷积神经网络的深度学习框架,提出了一套城市地理国情地表覆盖分类技术方法:利用地理国情成果,构建城市遥感影像样例库,训练全卷积神经网络,实现地表覆盖自动分类,并通过相似性系数对专题地物进行变化检测.文章选取了上海局部区域作为实验对...     

基于混淆矩阵的遥感影像变化检测方法研究

本文对采用分类后比较法进行土地覆盖遥感影像变化检测的过程作了探讨．重点阐述了基于混淆矩阵的变化检测精度估算,提升了遥感影像变化检测的自动化程度。     

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。     

迁移学习支持下的遥感影像对象级分类样本自动选择方法

面向遥感大范围应用的目标,自动化程度仍是遥感影像分类面临的重要问题,样本的人工选择难以适应当前土地覆盖信息自动化提取的实际应用需求。为了构建一套基于先验知识的遥感影像全自动分类流程,本文将空间信息挖掘技术引入到遥感信息提取过程中,提出了一种面向遥感影像对象级分类的样本自动选择方法。该方法通过变化检测将不变地物标示在新的目标影像上,并将过去解译的地物类别知识迁移至新的影像上,建立新的特征与地物关系,从而完成历史专题数据辅助下目标影像的自动化的对象级分类。实验结果表明,在已有历史专题层的图斑知识指导下,该方法能有效地自动选择适用于新影像分类的可靠样本,获得较好的信息提取效果,提高了对象级分类的效率。     

点分布-双蛇模型用于矢量边界更新

在利用遥感影像更新GIS矢量数据的过程中,往往忽略了对已知信息的有效利用,针对这一问题,本文提出一种基于点分布的双蛇模型用于GIS矢量数据更新,该模型利用已有遥感影像信息计算目标边界点的平均分布,以此为"镜面"建立初始矢量边界的"镜像",将两边界各自演化的结果取平均作为更新后的GIS矢量边界。该方法同时利用了GIS和遥感的历史数据作为先验知识,分别作为蛇模型的初始位置和区域约束信息,使遥感与GIS信息结合更加紧密。仿真实验表明,基于点分布的双蛇模型在GIS矢量边界更新的应用中,可以得到比以传统蛇模型更好的更新准确率和多边形相似度,并且接近手工方法的效果。     

结合像元级和目标级的高分辨率遥感影像建筑物变化检测

快速、精准的建筑物变化检测对城市规划建设等业务管理具有重要意义。随着卫星遥感技术的快速发展,基于高分辨率遥感影像的建筑物变化检测得到了广泛关注。针对像元级建筑物变化检测方法往往精度不足而目标级建筑物变化检测方法过程烦琐等问题,本文提出结合像元级和目标级的高分辨率遥感影像建筑物变化检测方法。首先综合高分辨率遥感影像的多维特征,利用随机森林分类器进行影像集分类,以获取像元级建筑物变化检测结果;然后对后时相遥感影像进行图像分割,获得影像对象;最后融合像元级建筑物变化检测结果和影像对象,识别变化的建筑物目标。利用双时相QuickBird高分辨率遥感影像进行建筑物变化检测试验,结果表明：本文提出的方法能够削弱光照、观测角度等环境差异对建筑物变化检测的影响,显著改善建筑物变化的检测精度。     

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。     

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。     

孪生高分辨率卷积神经网络遥感影像变化检测方法

针对遥感影像变化检测问题,提出了一种孪生高分辨率卷积神经网络模型。该模型首先基于孪生网络模型提取不同时相遥感影像的特征,然后将特征拼接后输入到嵌套U形网络中输出变化检测区域。为了提升变化检测效果,进一步设计了高分辨率卷积神经网络用于提取不同时相遥感影像的特征,以充分利用不同分辨率的特征来提升变化检测效果。在LEVIR-CD变化检测数据集上的大量实验表明,所提出方法能够比对比方法获得更高的变化检测精度。     

基于遥感的城市地表覆盖变化检测综述

遥感地表覆盖变化检测是地理国情常态化监测的内容,是地形图快速更新和信息化测绘的要求,也是提高测绘保障能力的具体体现。基于遥感技术的计算机辅助变化检测,不仅能够提高变化检测的效率,而且能为土地利用变化发现提供有效的监测手段。遥感影像变化检测是遥感研究的热点之一,呈现了数据多源化、过程一体化、方法智能化和知识综合化的发展趋势。归纳综述了城市遥感变化检测涉及的数据和方法,分析提出了当前遥感变化检测存在的一些问题,为相关研究和应用提供参考。     

线性迭代聚类和主成分分析的遥感影像变化检测

针对像素级变化检测方法对高空间分辨率遥感影像进行变化检测时存在检测结果过于细碎、错检和漏检过多等问题,该文提出一种结合简单线性迭代聚类(SLIC)和主成分分析(PCA)的对象级遥感影像变化检测方法。该方法首先采用SLIC算法分别对两期遥感影像进行分割得到超像素并标记颜色;然后采用PCA法对分割标记图进行降维并采用差值运算方法对两期分割标记图进行处理得到差异图;最后采用OTSU法对差异图进行二值分割得到最终的变化检测结果。为了验证实验结果,选取两组多时相遥感影像作为实验数据。实验结果表明,该方法得到的变化检测精度分别达到95.96%和91.9%,是一种可行的变化检测方法。     

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。     

基于特征映射模式分析的对象级变化检测方法

根据遥感影像解译中的信息传递模型提出了一种基于特征映射模式分析的对象级变化检测方法.该方法首先通过矢量辅助数据获取影像对象,然后提取对象的光谱特征和纹理特征,再采用非监督聚类方法获得对象的特征簇;根据矢量辅助数据的类别信息,逐类分析对象多时相特征簇之间的映射关系;找出对象基准期和检测期特征簇映射模式与同类其他对象不一致的对象,将其标记为变化对象.实验结果验证了该方法的可行性与有效性,为对象级变化检测方法研究提供了一条新的技术途径.     

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。     

引入二维交细分类型的地表覆盖矢量数据增量更新

通过遥感影像与基准年数据对比获得变化信息是目前地表覆盖数据增量更新的主要变化数据来源,但现有方法不能直接更新地表覆盖矢量数据。本文设计了一种包含变化对象的空间位置和类型信息的地表覆盖增量数据模型,发展了一种引入面/面二维交细分类型的地表覆盖矢量数据增量更新方法。该方法首先采用基于目标整体交、差结果的欧拉数的E-WID层次拓扑关系模型区,分析了地表覆盖矢量数据更新中的14种二维交细分拓扑关系类型;然后根据这些二维交细分类型,设计了9条自动更新处理规则。最后开发了一套基于根据二维交细分类型处理规则的地表覆盖数据增量更新原型系统,并用实际数据验证了其正确性。