基于典型相关分析的多元变化检测

通过对传统变化检测方法在不足的分析,引进典型相关分析的基础理论,将不同时相的多通道遥感数据视为分组的多元随机变量,利用典型我进行遥感数据的多变换进行遥感数据的多元化检测。实验结果表明,所提出的Ｍ变换方法用于多时相、多通道遥感影像的变化检测具有明显的优势和应用前景。     

基于正交变换的多通道遥感影像变化检测

针对多时相多通道遥感影像的变化检测问题,引入了多元统计中的典型相关分析方法,对遥感影像进行典型变换,并采用最小噪声比率变换对典型变换结果作后处理,得到差异影像,初步解决了将变化信息集中到少数分量中的问题。实验证实了该方法的有效性,并与主成分分析方法进行了比较。     

NOAA-AVHRR数据在吉林省东部林火信息提取中的应用

概述了利用NOAA-AVHRR数据进行林火监测的原理和4种方法。针对吉林省东部的森林火灾,运用4种方法进行了火点信息提取与分析,最后对阈值法进行了改进,提取精度达到了89.2%。分析了NOAA-AVHRR应用于林火遥感监测的可行性和不足。     

高分辨率遥感影像变化检测的频域分析预处理方法

目前,大多数高分辨率遥感影像变化检测方法的效率不高,精度也难以达到实际应用要求,本文引入频域分析的方法进行变化检测预处理,达到提高变化信息检测精度和效率的目标。首先,对影像频域能量的分布特征进行分析,并以此为基础,利用累加距离匹配函数,完成试验影像的合理分块;其次,通过变化性纹理规则度的定义和计算,实现对同能量下变化信息的精确描述,缩小变化区域搜索范围,有效抑制背景信息对目标信息的干扰。最后,通过3种常用的变化检测方法的验证,发现变化检测预处理方法可以使检测算法在现有精度和效率的基础上有进一步提高。     

利用主成分分析改善土地利用变化的遥感监测精度——以珠江三角洲城市用地扩张为例

近年来,珠江三角洲由于经济的快速发展,城市用地急剧增加,利用多时相的遥感图,可以定量地监测这种城市化的现象。但理,由一般的遥感动态监测方法所得的结果往往夸大变化的程度,以及获得一些不合理的结论．该文提出主成分分析的方法来改善遥感动态监测的精度。将该方法应用应用于珠江三角洲发展最快的东莞市,获得了较满意的结果。     

官厅水库的遥感动态变化探测及边岸稳定性判别

利用TM卫星多时相数据，采用变化探测技术研究了官厅水库1988—2001年时间段库区边岸的动态变化。对库区淤积、边岸侵蚀等问题进行了探讨；结合水位差数据，提出边岸坡度和边岸稳定性的遥感时空分析方法和判据；分析了上述问题对官厅水库水资源利用的影响。边岸稳定性判别方法可应用于湖泊、海洋的滩涂地区。     

一种新的融合空间信息的半监督变化监测方法

基于改进的半监督FCM算法和马尔科夫随机场,提出了一种新的融合空间信息的半监督变化监测方法。首先将两幅遥感图像相减得到差值图像,并通过第4波段的差值给出了一种新的样本标记方法;然后,通过标记样本对差值图像利用半监督FCM算法进行聚类;最后,为了提高监测精度和去除聚类噪音点,利用像元点之间的空间邻接关系和马尔科夫随机场,通过更新后的隶属度矩阵得到了监测结果。为了验证本文方法的有效性,选取了两组TM遥感图像,监测了森林的变化。试验结果表明,改进的半监督FCM算法可以减少监测的漏检率,马尔科夫随机场方法可以很好地去除聚类过程中形成的噪声点,减少监测的虚检率。     

结合建筑指数的城市建筑用地提取与变化检测分析

利用2000,2003,2007,2009年ETM+影像,结合归一化建筑指数NDBI、新居民地提取指数NBI、差值建筑用地指数DBI等建筑物提取指数对南京市主城区建筑用地信息进行有效提取和分析,采用分类比较法检测各年份间建筑用地的变化情况,并结合近年来南京市城市规划发展现状,探究城市建筑用地变化的深层原因和变化趋势。与传统研究利用监督分类结果分析建筑用地信息不同,本研究将建筑指数与变化检测方法结合,用于城市建筑用地变化及其内在驱动力分析。实验结果证明,南京市建筑面积增加和建筑用地变化趋势直接反映了南京市城市扩张程度,且与城市化进程发展趋势一致。研究成果对比多种建筑指数,对揭示南京市城市化扩张原因、指导城镇规划、土地利用决策等具有一定的参考价值和意义。     

一种运用纹理和光谱特征消除投影差影响的建筑物变化检测方法

针对不同时期高分辨率遥感影像变化检测中城区建筑物因投影差差异所产生的误检测现象,提出了一种综合应用光谱和纹理特征的建筑物变化检测方法。以变化和未发生变化地物影像的散度作为可分性依据,首先对光谱差分影像在混合高斯密度模型下建模,并采用马尔可夫最小错误概率准则提取初始变化区域,往往含有错判的建筑物。然后将误判建筑物影像类和真实变化影像类构成训练集,通过引入多通道Gabor滤波器,提取训练集的纹理差分特征,并采用分类别PCA变换实施纹理差分特征的选择。最后对选择出的纹理差分特征依据高斯混合密度模型建模,并用马尔可夫最小错误概率提取真变化区域,即可去除光谱信息检测所产生的伪变化。试验表明,本文方法能够较好地解决建筑物变化的错判问题,提高了影像变化检测的精度。