变化检测技术及其在高分辨率卫星遥感影像中的应用

对高分辨率遥感卫星影像利用变化检测技术更新现有的影像数据库或地图数据库是一项对测绘具有重要意义的工作。对现有的变化检测技术进行了分类总结,然后提出了对高分辨率遥感卫星影像进行变化检测的实施流程,最后结合数学形态学算法对SPOT5影像(2.5 m分辨率)进行了相关实验。     

长时间序列Radarsat图像的神经网络模拟及土地覆盖变化的快速检测

土地覆盖的短期时空变化模式研究,对土地覆盖的快速、动态监测具有重要意义,也是遥感研究的新热点。本文利用2000—2001年的时间序列Radarsat图像,采用功率谱分析方法,对土地覆盖的短期时—空变化的周期特征进行了分析,由此建立了基于时间序列影像分析的神经网络预测模型,从植被主要生长季节的时间序列雷达卫星影像获取训练样本,对研究区域的典型土地覆盖的短期动态变化过程进行了学习。学习后的模型能够利用多个时间序列的Radarsat影像对下一时刻的影像进行模拟,并进一步检测变化。在模拟结果基础上,定义相对变化距离函数和检测门限,对模拟影像及实际影像中的变化区域进行了检测。检测精度范围在66.67%(农村居民点)—91.67%(水体)之间,平均检测精度为81.66%。由于时间序列信号的引入,神经网络模型能够较好地获取土地覆盖的短期动态变化信息。     

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。     

基于遥感影像的生态环境和资源保护公益诉讼调查取证方法研究

针对生态环境和资源保护领域公益诉讼工作面临的线索发现难、调查取证难等现势需求,本研究提出了一种基于遥感影像的生态环境和资源保护公益诉讼调查取证方法。利用U-Net++模型进行变化检测,结合生态环境和资源保护领域中公益诉讼对目标受损现状、变化情况等相关事实认定的要求,对变化检测图斑进行筛选,作为公益诉讼案件调查的线索或依据;并与已有方法卷积神经网络、U-Net模型进行比较实验;同时,以贵州省检察机关为试点,研发面向公益诉讼的卫星遥感与无人机联动辅助取证平台。结果表明：本方法得到的检测准确度为83.08%,精确度为93.91%,相较其他两种模型在精确度、召回率、F1分数三个指标上的表现更好;本方法已在贵州省检察机关进行了应用实践。研究成果表明可为检察机关快速发现线索、还原事实真相提供技术参考。     

一种基于OSM数据的道路更新方法

OSM作为开源的地理信息数据资源,与传统的人工实地测量、利用卫星遥感影像获取道路网信息的方法相比,成本更加低廉、获取更加方便,在基础地理信息道路网更新中具有较广阔的应用前景.本文以郑州城区的基础地理信息道路数据和OSM数据为研究对象,针对目前基础地理信息数据更新周期长、投入成本大的问题,探索了基于OSM数据更新道路的流程和方法,研究了同名实体匹配、道路变化检测等关键技术.实验结果表明,提出的方法能够有效更新基础地理信息道路网,具有较强的可操作性.     

青海省地震灾后地物变化的快速识别

地震灾后救援时间宝贵,有效利用灾后数据,快速对救援路线及居民情况进行准确的评估,能有效避免地震带来的进一步损害。地震并不是一次即停止,灾后余震同样威胁灾区群众的生命和财产安全。因此,根据灾区地质及居民分布制定后续可持续救援方案,也是灾后救援的重点,这不仅能使救援稳步进行,也可进一步规划安置居民。本文通过比较神经网络和传统机器学习方法,提出了自适应方法的地物分割算法,根据航拍影像的复杂程度使用神经网络和传统算法相结合的方式,通过比较识别出地物与原有测量数据的差别变化,判断灾后道路扭曲和地质变化,为救援工作提供准确的科学依据。     

塌陷区波谱分析及变化检测

以矿区塌陷区及周边地物为研究对象,采集其主要类型地物的波谱信息,并分析各类地物的波谱特征,寻找地物波谱变化与地物距煤矿距离之间的联系;采用光谱特征变异法对研究区域进行变化图斑检测,分析了研究区2003-2011年间塌陷区主要地物类型的变化情况.     

基于变化检测的地理国情监测数据更新研究

地理国情监测数据的更新是自然资源调查监测的一项重要工作,如何基于遥感影像,实现变化信息的快速提取是一个热点。本文以句容市为研究区域,充分利用2018年地理国情监测数据与2019年遥感影像数据,通过棋盘分割法得到规则的影像,共选取植被、构筑物、水体样本134.32 m^(2),利用监督分类中最邻近分类法对影像进行分类,并通过2019年地理国情监测数据进行精度评定,符合率为79.5%。实验结果表明,棋盘分割与监督分类结合可有效提取地表地物的信息,遥感影像变化检测技术可为地理国情监测数据更新提供技术支撑。     

基于空间模糊C均值聚类和贝叶斯网络的高分一号遥感影像变化检测

在目前经典的变化检测算法中,后验概率空间变化向量分析(CVAPS)方法广泛用于遥感影像的变化检测。然而,基于支持向量机(SVM)的CVAPS法无法有效处理高分一号影像中等分辨率遥感影像中的混合像元问题,且难以有效保证变化检测的精度。因此,本文通过引入空间信息,使用空间模糊C均值聚类(Spatial Fuzzy C Means, SFCM)有效地实现高分一号影像混合像元的分解,并结合简单贝叶斯网络(SBN),提出一种新的后验概率空间变化向量分析法SFCM-SBN-CVAPS。实验结果表明,本文算法的总体精度和Kappa系数均高于基于普通模糊C均值聚类(Fuzzy C Means, FCM)的CVAPS算法,且耗时更短,本文所提出的算法有助于提高遥感影像变化检测的精度和效率。     

利用Bayes判别分析进行矢量地图修改检测

针对现有的矢量地图修改检测方法计算速度慢、效率低等问题,设计利用Bayes判别分析进行地图修改检测的方法。首先对同一幅修改前后的矢量地图分别进行栅格化,并进行配准;然后利用Bayes判别分析方法对配准后的栅格图像进行变化检测,获得矢量地图的修改区域;最后将修改区域与审校结果进行对比,发现错修改和漏修改问题。实际矢量地图数据的修改检测实验结果验证了利用Bayes判别分析方法实现地图修改检测的有效性和可行性。