基于遥感影像的土地利用变化检测

随着遥感科学技术的发展、各种遥感数据的累加以及遥感变化检测研究的深入,基于遥感影像的土地利用变化检测手段也日新月异。本文主要阐述利用不同的遥感影像处理方法对不同影像之间的土地利用变化进行检测,同时利用影像融合对比法、影像差值法、主成分分析法(PCA法),以及影像分类法等遥感影像处理方法,对同一地区前后不同时相的土地利用变化检测效果进行精度对比,并总结出不同检测方法在不同条件下的检测效果。     

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。     

特征贡献度与PCA结合的遥感影像分类特征选择优化方法研究

面向对象遥感影像分类过程中,特征选择是保证分类精度和提高分类速度的关键因素。本文针对高分影像特征过多造成维度灾难、无法取舍有效特征导致低分类精度等问题,提出了一种基于特征贡献度与主成分分析(PCA)结合的特征选择优化方法,定量分析并提取影像特征。本文首先利用特征贡献度进行特征选择,提取有效特征;然后进行PCA变换消除特征间相互影响,降低维度,将提取的143个影像分类特征经选择与变换至20个主成分特征,最终优化的特征在神经网络(ANN)、K最近邻法(KNN)和支持向量机(SVM)三种分类实验结果中的总精度分别提高了10.56%、7.78%和6.11%,实现了较好的分类效果,说明优化的特征选择方法不仅大大降低了特征维度,减少了后端分类计算量,同时有效提高了分类精度。     

基于多特征融合与边缘约束的建筑物变化检测

利用遥感影像进行建筑物变化检测能够快速获取城镇扩张、违章建筑管控等结果.针对基于单一特征的高分辨率遥感影像变化检测算法检测结果较为粗糙,变化建筑物边缘效果不佳等问题,本文提出一种多特征信息融合与边缘约束的建筑物变化检测方法.引入改进的形态学建筑物指数,通过建筑物的多特征描述与差异特征集融合实现城镇区域建筑物变化信息自动...     

一种基于线特征的道路网变化检测算法

提出一种基于线特征的道路网变化检测算法。首先根据边缘的梯度信息从多时相遥感图像中提取变化的线特征;然后根据变化线特征的局部特性,检测出与道路模型相符合的变化道路段;最后通过道路网的全局约束条件,进行变化道路段的连接,实现变化道路的检测。提出的道路网变化检测算法将边缘的相位和幅度信息作为变化检测的判定依据,从而避免了道路的匹配与比较工作,降低了变化检测算法的复杂度,具有很强的实用性。将本文提出的方法用于多时相遥感图像的道路网变化检测,从实验结果可以看出该方法的有效性。     

规整化策略的面向对象变化检测研究

为了提高高分辨率遥感影像变化检测的精度,该文提出一种基于规整化策略的面向对象迭代加权多变量变化检测算法。该方法利用多尺度分割法对两期影像进行了分割并提取了影像对象的各种特征,选择具有代表性的特征参与面向对象的IR-MAD变化检测,并在迭代加权的过程中加入规整化策略,避免广义特征方程可能出现的不稳定性。该方法减少了噪声,提取了研究区大部分变化区域,提高了高分辨率影像的变化检测精度和可靠性。结合人工变化检测和像素级IR-MAD检测结果,并采用新疆边界口岸资源三号卫星影像,验证了该方法的有效性。     

基于影像对象特征的变化检测技术研究

主要对现有的变化检测技术和影像对象特征进行了研究和分析,在此基础上,提出了利用影像对象特征的方法对不同时相的遥感影像的变化地物进行对比、检测和提取。通过大量的实验对变化的地物信息进行了对比和提取,再对地形图数据库进行更新。通过实验研究证明,本方案基本可行。     

基于线状图形相似性的道路数据变化检测

将相似性认知的距离观与特征集合观相结合,在获得相似性图形的差异距离的基础上,提出了线状地物的几何图形相似性度量模型;通过研究空间数据变化与相似度的关系,提出了基于线状地物相似度的空间数据变化检测算法,实现了基于线状图形相似性认知的道路数据变化发现与提取。     

基于MODIS 250m遥感影像的变化检测

本文采用分辨率为250m的MODIS遥感影像对土地利用类型进行动态监测,其目的是探讨在MODIS影像上,能够快速准确地获取在不同时期的变化信息,并且为进一步分析提供参考。本文主要讨论运用MODIS影像进行变化检测的几个方面:一是相对辐射校正;二是变化区域的确定,采用基于像素的阈值分割和基于区域的松弛法进来确认变化/非变化像元,并提出一种基于缓冲区方法来消除部分伪变化信息;三是精度评价,根据MO-DIS高时相的特点,本文提出了基于缺少实地观测数据情况下的精度评价。     

一种基于线空间的直线抽取算法研究

以LOG算子为边缘检测手段,对直线段特征的抽取过程进行了研究,提出并实现了相关的算法,给出了应用实例。     

基于FME的DSM变化检测提取方法研究

本文基于FME平台,采用目标级变化检测方法,基于同一区域不同时相影像,设计了一个DSM变化检测范围提取的模板。对同一位置不同时相的DSM进行叠置,计算高程差值,得到变化的点,并通过高程差值阈值和面积阈值过滤后,进一步处理提取变化区域。该方法为大面积的DSM变化检测和地理国情监测提供了新的技术方法。     

基于主成分分析法的城市建筑物变化检测

提出一个集合主成分分析法(PCA)和变换向量法(CVA)的新方法,用来探测城市环境下建筑物屋顶的几何特征和颜色变化。在主成分分析法中,原始的RGB三通道被转换成3个成分,前2个成分被用来进行下一步的变换向量法。实验证明,该方法能有效地检测出微弱的屋顶颜色变化,同时能避免阴面屋顶的漏检误检。     

基于相似度验证的自动变化探测研究

变化检测技术越来越多地应用于城市遥感分析和应用领域,但目前城市变化检测的研究主要基于中低空间分辨率的遥感数据,使用的方法也主要是像元直接比较法或者是分类后比较法。提出一种基于变化向量分析和相似度验证相结合的变化检测方法,应用高空间分辨率影像来快速实现城市建筑物、街道等目标的自动变化检测。并详细阐述了变化目标的提取以及验证的方法和过程,其结果真实地反映了地面目标的实际变化程度和类型。     

一种基于影像分割的城市建筑物变化检测方法

针对高分辨率遥感影像建筑物变化检测精度不高的问题,本文提出了一种改进城市建筑物变化检测方法。首先通过提取像元顶点构造像元图集,并以长宽比与矩形度作为变化检测测度,对后一期影像进行影像分割,识别建筑物轮廓对象。将建筑物轮廓进行几何关系筛选,完成建筑物变化信息提取。实验表明,该方法具有较高的变化检测精度,可明显削弱光照条件和成像角度对建筑物变化检测精度的影响,是一种普适性较强的城市建筑物变化检测方法。     

利用地面激光扫描数据进行建筑物变化检测

利用地面激光扫描仪具有的数据获取速度快、精度高、实时性强、能全天候工作等优点,在快速获取三维点云的基础上,通过点云自动拼接、Hausdorff距离检测不同时期建筑物的三维模型变化,并改进了检测算法,提高了算法的执行效率。通过拟合平面构建Delaunay三角网求解变化区域的面积来评估灾害对建筑物的破坏程度,从而为灾害应急响应以及保险理赔等提供了可靠的决策依据。     

基于核函数度量相似性的遥感影像变化检测

提出了一种基于核函数度量相似性的遥感影像变化检测算法。该算法通过比较两个时相特征向量的概率密度进行变化判别,将概率密度的比较转化成核函数的形式,利用核函数的相似度量功能进行变化判别,通过指定的核函数避开概率密度的估计,达到概率密度比较的目的。     

道路与建筑物空间冲突的几何相似性移位算法

保持建筑物群的空间分布模式一致是道路与建筑物空间冲突处理问题的难点。按道路对建筑物的包围程度,将道路与建筑物之间的关系类型划分为开放型、半开放型和闭合型。本文提出了基于几何相似性的建筑物移位算法,并以距离、角度和面积作为满足几何相似性的约束条件。以道路网眼为单位,采用最小生成树的方法生成建筑物群的骨架,以骨架的长度和角度特征分别作为建筑物移位的距离和角度约束条件,以建筑物与网眼的面积比作为建筑物移位的面积约束条件。针对可能出现的次生冲突,探讨了次生冲突的处理方法。试验结果表明,本文方法能够消除因道路拓宽导致的道路与建筑物冲突,并能完备地保持建筑物群的空间分布模式。     

A Kernel-Based Similarity Measuring for Change Detection in Remote Sensing Images

This paper presents a kernel-based approach for the change detection of remote sensing images. It detects change by comparing the probability density (PD), expressed as kernel functions, of the feature vector extracted from bi-temporal images. PD is compared by defined kernel functions without immediate PD estimation. This algorithm is model-free and it can process multidimensional data, and is fit for the images with rich texture in particular. Experimental results show that overall accuracy of the algorithm is 98.9%, a little bit better than that of the change vector analysis and classification comparison method, which is 96.7 and 95.9% respectively.