Change detection based on DSM and image features in urban areas

On the basis of atereo image analysis,the change detection of man-made objects in urban areas is in-troduced. Information of the height of man-made objects can be applied to reinforce their change detection. By comparison between the new and old DSMs, the changed regions are extracted. However, our aim is to detect changes of man-made objects in urban area and further in the potental areas by the means of line-feature matching and gradient direction histogram. The experiments based on the aerial images from Japan have proven that the algorithm is correct and efficient.     

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。     

TM影像的变化检测方法探究

变化检测是遥感应用中的一项重要内容。随着遥感技术的发展,变化检测技术也有了很大的进步,出现了很多的研究方法和研究成果。本文在总结前人研究的基础上,提出了TM影像变化检测的基本流程,并简单介绍了各个流程,包括数据预处理、变化信息的提取以及变化区域的确定,重点介绍了变化检测的方法尤其是目前最新的研究方法,最后对变化检测的前景提出了展望。     

DSSRM级联分割的SAR图像变化检测

SRM(Statistical Region Merging)分割算法具有快速、稳定和抗噪强的优点,基于此,本文提出一种基于DSSRM(Dynamic Sorting Statistical Region Merging)级联分割的SAR图像变化检测方法。首先,针对SRM算法基于单特征静态排序导致的过分割问题,提出一种动态排序模式的DSSRM算法以减少差异图像分割错误,该算法建立基于合并区域的多特征马氏距离排序准则,在每次合并之后更新区域邻接矩阵并重新排序;然后,基于互信息最小化准则构造多通道差异数据集以提高算法对区域合并的约束能力;最后,提出一种级联分割变化检测框架,第1级利用SRM算法将差异图像映射到超像素空间,第2级采用DSSRM算法对超像素进行动态合并获得收敛的分割结果,第3级采用简化SRM方法进行三次合并获得最终的变化检测图。实验结果表明,该方法可以获得比SRM方法和目前流行方法更好的检测性能。     

结合地表模型和遥感影像的地表变化监测

针对现有快速发现和准确更新地表变化信息的方法效率低、工作量大等问题,文章结合DSM差分算法和遥感影像变化检测算法,提出了一种三维动态监测方法:DSM差分算法能够监测地物在高度方面的变化,遥感影像解译可以弥补DSM变化图斑的属性信息,并补充DSM技术无法获得的属性变化图斑和面积变化图斑。实验结果表明,所提监测方法能动态监测工业园区的开工率和重点项目建设状态,运用在土地监管实际工作中具有可行性。     

数字表面模型的建筑物容积率提取

针对阴影长度和阴影面积法计算建筑物容积率误差较大的情况,该文利用航空影像密集匹配生成的点云数据逐点内插生成数字表面模型,提取建筑物三维信息,同时对于复杂建筑物屋顶,利用坡度滤波将其分割成为高度不同的面片,计算每一块屋顶的层数,从而得到较为准确的建筑总面积。实验证明,利用本文方法得到的建筑物容积率准确率高,且具有较高鲁棒性和使用价值。     

基于随机森林的遥感影像变化检测

随机森林是一种新兴的、高度灵活的机器学习算法,在预测和分类方面有着良好的稳定性,且算法性能要优于许多单预测器。鉴于此,本文提出了随机森林的遥感影像变化检测算法,利用熵率法对遥感影像进行超像素分割,获取最优分割结果;构建了基于随机森林的遥感影像变化检测模型,以所提取的Gabor特征和光谱特征作为模型输入进行训练和预测,并将有决策树的投票作为最终的变化检测结果。试验结果表明,本文所构建的随机森林变化检测模型在漏检率和虚检率上明显低于其他算法,且总体正确率高,在算法时间上也明显优于其他算法。     

DSM数据存储与变化检测算法研究

数字表面模型DSM由于其对地表空间形态的真实反映,成为土地利用变化检测中的重要数据资源。本文系统分析了DSM数据的特点,建立了一个基于Oracle的数据存储解决方案,实现了海量DSM数据的有效管理以及信息的更新;另外,本文还设计了通过DSM进行差异检测的算法,该方法能够快速、准确地发现城市建设中发生的变化,是适用于地理国情监测工作的有效技术。     

基于比值法的多源多时相数据城区变化检测

针对中、低分辨率影像采用常规分类方法进行变化检测无法取得理想效果的问题,本文提出了一种基于比值法的雷达数据和光学影像相结合的城市变化检测方法。该方法综合雷达数据和光学影像的优势,以赣州定南县为研究对象,首先利用比值法分别对两种数据源进行城市变化检测,然后通过分析城区地物目标散射特性,对多个时相变化情况进行真彩色合成,最后结合城市建设规划进行分析验证,从而完成城市实时动态变化检测。试验结果表明,利用多源多时相数据进行比值法可成功地提取出试验区域的变化信息,在城区建筑变化检测中,纹理信息更清晰,准确性更高。     

A new approach for vegetation change detection in urban areas

Because of complex change in urban areas, modified CVA application based on mask techniques can minify the effect of non-vegetation changes and improve upon efficiency to a great extent. Moreover, drawing from methods in polar plots, the technique measures changes with absolute angular and total magnitude of PVI calculated on the basis of linear fit with least-square estimation and GVI calculated using 3D G-S transformation. Finally, this application is performed with Landsat ETM+ imageries of Wuhan in 2002 and 2005, and assessed by error matrix, in the way it could detect change pixels 94.91% correct, and the total consistent coefficient Kappa and could reach to 0.85. The evaluation result demonstrates this new application trends as an efficient and effective alternative to urban vegetation change extraction.     

A new approach for vegetation change detection in urban areas

IntroductionVegetation distribution and change is regardedas ani mportant sign of urban environment . Withcity expanding and population increasing, herecomes a series of problems on environment ,andmoreover ,greening ratio is regarded as a stand-ard of ci…     

Detecting shadows in multi-temporal aerial imagery to support near-real-time change detection

Multi-temporal aerial imagery captured via an approach called repeat station imaging (RSI) facilitates post-hazard assessment of damage to infrastructure. Spectral-radiometric (SR) variations caused by differences in shadowing may inhibit successful change detection based on image differencing. This study evaluates a novel approach to shadow classification based on bi-temporal imagery, which exploits SR change signatures associated with transient shadows. Changes in intensity (brightness from red–green–blue images) and intensity-normalized blue waveband values provide a basis for classifying transient shadows across a range of material types with unique reflectance properties, using thresholds that proved versatile for very different scenes. We derive classification thresholds for persistent shadows based on hue to intensity ratio (H/I) images, by exploiting statistics obtained from transient shadow areas. We assess shadow classification accuracy based on this procedure, and compare it to the more conventional approach of thresholding individual H/I images based on frequency distributions. Our efficient and semi-automated shadow classification procedure shows improved mean accuracy (93.3%) and versatility with different image sets over the conventional approach (84.7%). For proof-of-concept, we demonstrate that overlaying bi-temporal imagery also facilitates normalization of intensity values in transient shadow areas, as part of an integrated procedure to support near-real-time change detection.     

结合空间上下文与慢特征分析的多光谱影像变化检测

为了提高多光谱影像变化检测的精度,本文提出了一种结合空间上下文与慢特征分析的方法。首先采用自适应空间上下文提取算法围绕像素构建自适应区域,探索像素周围的上下文信息;然后通过迭代慢特征分析,由相应像素周围的成对自适应区域定量计算成对像素之间的变化强度,增强变化区域与未变区域的可分性;最后生成变化强度图像,采用大津阈值法作二值分类,将变化强度图划分为二值变化检测图。利用Landsat 7卫星ETM+传感器的图像,与4种基于代数的方法及基于变换的方法进行对比试验,结果表明,本文方法在降低漏检方面有所改善,提高了召回率。     

基于正态分布的三维建筑物变化检测高度差阈值确定方法

针对现有三维建筑物变化检测中高度差阈值确定方法存在主观性强、阈值通用性差的问题,本文提出了一种基于正态分布的高度差阈值确定方法。借鉴二维变化检测中变化和未变化像元差值服从正态分布的理论,首先,假设2期DSM高度差服从或近似服从正态分布,并分析了变化和未变化区域高度差的分布;然后,基于拉依达准则提出了利用期望和标准差计算高度差阈值的方法;最后,利用滑动窗口动态计算待检测区域高度差阈值。在2个试验区内,基于本文阈值方法的建筑物变化检测结果较经验阈值方法在完整率、正确率和检测质量上分别平均提高了7.2%、1.5%和7.8%,说明该方法具有较好的通用性。     

基于Siamese卷积神经网络的影像瓦片变化检测技术

针对地理信息变化较快而传统更新方式效率不高的问题,目前许多学者提出了各类变化检测的方法,但这些方法大都是基于影像数据进行试验,对影像预处理要求较高,且检测精度的稳定性较差,受数据源质量影响较大。而天地图、百度地图、谷歌地图等地图中均可免费下载各种级别的影像瓦片,因此本文提出利用天地图影像瓦片进行试验,采用Siamese卷积神经网络（SCNN）和深度学习技术,开发基于SCNN的高精度变化监测算法,以快速发现变化区域,实现地理信息变化信息检测。     

改进Fisher判别分类的遥感影像变化检测

Fisher判别分类的好坏关键在于训练样本集选取的精度和在降维过程中样本特征信息的损失程度,基于此问题,本文根据不同时相同一地区的遥感影像的差值影像中各像素本身的灰度值及其邻域平均灰度值特征获得其一维和二维直方图,针对差值影像无噪和带噪两种情况,根据直方图信息选取Fisher判别分析所需的训练样本,同时为了尽可能降低判别分析过程中有用信息的损失,将所得到的原训练样本集进行非线性变换,使其映射到高维空间中,利用映射后的训练样本求得Fisher判别规则。实验结果表明:与基于原训练样本的Fisher判别分类和基于寻找更多的样本特征的Fisher判别分类方法生成结果相比,在差值影像无噪和带噪情况下,本文提出的方法具有更好的变化检测精度和抗噪性。     

基于遥感影像的青海省环境变化监测

本文通过对遥感影像的分析,针对土地利用及植被变化情况,利用优化的K-means算法对青海省环境变化进行检测,以此对土地的利用进行合理的规划,以期实现可持续发展。同时将试验结果与外业实际结果及当地政策规划进行比对,结果显示文中算法对土地的变化和未来走势预测准确率超过75%,从而验证了监测方法的可行性。这不仅保证了在经济发展的同时能够合理地使用土地资源,而且能对环境进行有效的保护。     

遥感影像变化检测样本自动抽样

在遥感影像结合矢量数据先验信息的变化检测中,需要从分割后的影像对象中抽取一定数量、具有相同类别属性的样本,其中不可避免地抽到类别属性不一致的样本,如何剔除这些样本是抽样过程中必须解决的重点问题,在目前已有的方法中,一般是通过人工目视判别完成的。样本的自动提取是实现自动变化检测的关键环节,本文提出一种变化检测样本自动抽样方法,主要包括样本的空间布设和异常样本自动检测两个环节。该方法首先利用矢量数据提取抽样图层,用抽样图层分割遥感影像,获取影像对象。其次是根据抽样区域范围、影像对象分布特征和地形特征布设变化检测样本。然后根据样本的先验类别属性构建特征空间向量,计算样本在特征空间的局部可达密度,由局部可达密度计算样本的异常度指数,并根据特征空间密度异常指数剔除异常样本,完成变化检测样本自动提取。最后以耕地、林地和居民地为例进行了抽样试验。结果表明,邻域参数k按样本布设总数的1/5—1/3取值、异常度阈值设定为80%时,可以实现异常样本0漏检率,能够准确、高效实现变化检测样本的自动提取。     

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。     

改进的区间二型模糊聚类遥感影像变化检测

遥感影像的复杂模糊性问题会干扰影像变化检测的结果,可引入区问二型模糊C均值聚类算法解决此问题,但算法参数的随机性导致检测结果不稳定.本文首先利用局部最优解优化萤火虫算法中的候选解,引入可变步长因子,以此自适应寻优区问二型模糊C均值聚类算法的模糊因子;然后结合寻优得到的模糊因子进行区问二型模糊C均值聚类,迭代更新隶属区问...