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。     

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。     

结合多尺度几何分析和KICA的遥感图像变化检测

为了进一步提高基于独立分量分析ICA(Independent Component Analysis)的遥感图像变化检测精确度,更好地实现地表覆盖的动态监测,将多尺度几何分析和核独立分量分析KICA(Kernel Independent Component Analysis)相结合应用于遥感图像的地表覆盖变化检测。首先利用Contourlet变换、复Contourlet变换CCT(Complex Contourlet Transform)、非下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)等多尺度几何分析对土地遥感图像进行多尺度分解;然后对分解后的数据进行核独立分量分析,通过核函数将数据映射到高维特征空间中,再在该空间中用ICA方法分离出互相独立的分量;最后将分离后的地表变化分量转化为图像分量,再采用最大类间方差法对变化图像进行分割,实现地表覆盖的变化检测。给出了本文方法和近年来提出的基于ICA、基于KICA、基于小波变换和ICA等变化检测方法的实验结果,并进行了分析和定量比较。实验结果表明,基于多尺度几何分析和KICA的变化检测方法能更好地分离出遥感图像的变化信息,其中基于NSCT和KICA方法的错判和漏检误差最小,且在边缘细节方面处理得更好,而基于Contourlet变换和KICA方法的检测效率相对较高。     

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。     

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。     

一种新的遥感影像变化检测方法

针对地理国情监测中大幅面多时相遥感影像变化检测的需求,提出了一种基于卡方变换和样本选择的面向对象遥感影像变化检测方法。首先对多时相遥感影像进行多尺度分割获取像斑;然后,提取像斑的多维特征,采用基于卡方变换的特征融合方法计算像斑的加权差异度;最后,自适应选择训练样本,通过基于最大期望算法的贝叶斯阈值确定方法获取变化阈值,并对加权差异影像进行二值分割获取变化检测结果。以武汉市东湖高新技术开发区为例,利用多时相高分辨率遥感影像进行土地覆盖变化检测。试验结果表明,该方法可以克服全样本变化向量分析法及全样本卡方变换检测法难以满足阈值确定条件的不足,获得更准确的变化阈值,保证变化检测正确率高而又有效地降低漏检率,从而获得更好的变化检测结果,在地理国情监测中具有一定的应用价值。     

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。     

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。     

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。     

光谱—频域属性模式融合的高光谱遥感图像变化检测

高光谱作为“图谱合一”的遥感技术,具有精细光谱和空间影像的地面覆盖观测与识别优势。然而,高光谱遥感数据的光谱信息表征以及空间信息的利用给双时相高光谱遥感图像变化检测任务带来了巨大的挑战。为此,本文探讨了一种光谱—频域属性模式融合的高光谱遥感图像变化检测方法 SFDAPF(Spectral-Frequency Domain Attribute Pattern Fusion)。首先,设计一种基于梯度相关性的光谱绝对距离,使双时相高光谱遥感图像像元对的属性模式从光谱信息表征方面得到了逐级量化;其次,基于傅里叶变换理论提出一种变化像元属性模式显著性增强策略,从全局空间信息利用方面改善了变化与非变化属性像元对的可分性;再次,将全图属性模式显著性水平与梯度相关性的光谱绝对距离进行融合,得到变化检测的综合界定值;最后,依据虚警阈值确定双时相高光谱遥感图像变化检测的二值化结果。将本文提出的SFDAPF方法在开源的双时相高光谱遥感图像河流和农场数据集上进行了变化检测性能验证,结果表明SFDAPF方法能够优于传统的和最新的变化检测方法,变化检测的总体精度在河流和农场数据集上分别达到了0.96508和0.9...     

M变换在NOAA/AVHRR数据变化检测中的应用

将基于典型相关分析的正交变换的基础理论用于NOAA/AVHRR数据的多元变化检测 ,对具体实施步骤进行了深入的探讨 ,并对部分中间结果进行了分析。实验表明 ,该方法应用于NOAA/AVHRR数据的多元变化检测具有明显的优势 ,克服了传统方法存在的缺陷 ,具有良好的应用前景。     

多源遥感影像像素级融合分类与决策级分类融合法的研究

首先探讨了基于像素的多源遥感影像高频调制融合法，根据成像系统特性和Heisenberg测不准原理，设计的高斯滤波器对高分辨率影像滤波的方法是合理有效的。在研究BP神经网络的基础上，采用动量法和学习率自适应调整的策略，提高了BP神经网络学习算法收敛速度，并增强了算法的可靠性。提出并实现了多源遥感影像像素级融合分类与决策级分类融合两种分类方法，并进行了比较。采用Landsat TM3，4，5和航空SAR影像进行试验，结果表明两种分类方法是行之有效的，均适用于多源遥感影像分类。     

基于边缘特征匹配的遥感影像变化检测预处理方法

提出了一种基于边缘特征匹配的遥感影像变化检测预处理方法，在进行不同时相遥感影像配准时，一并解求两期影像的辐射校正系数，同时实现两期影像的配准和辐射校正。实验表明，经预处理后，两期影像的色调基本一致，地物没有明显的几何变形。     

决策级融合的多分辨率遥感影像变化检测

针对多时相、多分辨率遥感影像数据的特点,充分考虑不同分辨率数据和不同变化检测应用的需求,将由粗到精数据集分层检测和决策级融合的思想引入到变化检测,以多时相多分辨率ALOS遥感影像为例,构建并试验了由粗到精变化检测的技术流程.该方法将ALOS多光谱数据视为粗数据集,将全色数据和融合数据视为精数据集,通过对3种数据集变化检...     

Recent advances in hyperspectral image processing

Hyperspectral images (HSI) provide a new way to exploit the internal physical composition of the land scene. The basic platform for acquiring HSI data-sets are airborne or spaceborne spectral imaging. Retrieving useful information from hyperspectral images can be grouped into four categories. (1) Classification: Hyperspectral images provide so much spectral and spatial information that remotely sensed image classification has become a complex task. (2) Endmember extraction and spectral unmixing: Among images, only HSI have a complete model to represent the internal structure of each pixel where the endmembers are the elements. Identification of endmembers from HSI thus becomes the foremost step in interpretation of each pixel. With proper endmembers, the corresponding abundances can also be exactly calculated. (3) Target detection: Another practical problem is how to determine the existence of certain resolved or full pixel objects from a complex background. Constructing a reliable rule for separating target signals from all the other background signals, even in the case of low target occurrence and high spectral variation, comprises the key to this problem. (4) Change detection: Although change detection is not a new problem, detecting changes from hyperspectral images has brought new challenges, since the spectral bands are so many, accurate band-to-band correspondences and minor changes in subclass land objects can be depicted in HSI. In this paper, the basic theory and the most canonical works are discussed, along with the most recent advances in each aspect of hyperspectral image processing.     

基于小波影像金字塔的影像自动匹配

数字影像高精度快速匹配是遥感影像3维信息提取的关键技术之一，文中对如何实现数字影像自动化匹配进行了研究，提出了一种基于小波影像金字塔的数字影像自动匹配方法。该方法在生成小波影像金字塔的基础上，利用交叉相关算法实现不同影像金字塔同一层影像间的匹配，利用视差控制将同名点从金字塔高层影像向低层影像进行传递。利用该方法对具体的SPOT影像进行了实验，表明基于小波影像金字塔的数字影像自动匹配方法具有较好的效果。     

基于Web Services的遥感图像分布式处理

遥感影像获取手段的多样化导致了遥感影像数据量的大幅度增加,应用分布式环境处理遥感图像变得越来越迫切。本文针对B/S或C/S模式在遥感影像分布式处理方面的弊端,提出了在.Net环境下基于Web Serv-ices实现遥感图像的分布式处理方案,对其框架、流程进行了设计,并以图像处理的算法分布式为例详细介绍了边缘提取中拉普拉斯8邻域提取的具体Web Services实现。结果表明,新模型下的系统在多用户并发访问等方面都有很大的改善。     

Remote sensing research issues of the National Land Use Change Program of China

In 1999, the Ministry of Land and Resources (MLR) of China launched the National Land Use Change Program especially to monitor the scale and distribution of urban expansion and the decrease in cultivated land through remote sensing technology. This Program has been carried out annually and continuously for seven years since then and played an important role in the policy-making of MLR about land management and planning. This paper gives an overview about this Program and discusses several research issues. First, the remote sensing data sources and other ancillary data used in this Program are presented. The approaches for image preprocessing, i.e. radiometric normalization, image geometric rectification and image fusion are then introduced with an emphasis on the algorithm development for image registration. Second, land use change detection technique is the most critical and complex aspect of the Program. The methodologies for change detection using either bi-temporal image pair or one existing land use map and one remotely sensed image are detailed. Third, since the data of land use changes derived from remote sensing will be operationally used for local and central government, field validation and accuracy assessment are crucial to ensure the reliability of change detection results. The strategy of field work and the resulting accuracy evaluations is presented. The land use and change information derived from remotely sensed data has wide applications for land management, including land use database updating, verification of land use planning and monitoring of national high-tech parks. Last, suggestions on how to make full use of the images and change detection result, to improve the consistency of land use classification and to develop change detection algorithms for diverse and complex remote sensing data are given.