基于图分割的高分辨率遥感影像建筑物变化检测研究

建筑物是城市地理数据库中最容易发生变化和最需要更新的部分,其更新工作量巨大,因此开展对高分辨率遥感影像中的建筑物进行自动提取和变化检测研究具有重要的意义.本文以精确提取变化建筑物的位置和轮廓为目标,基于图分割提出一种高分辨率遥感影像建筑物变化检测方法.首先,将遥感影像中的每个像元映射成图的顶点,利用像元之间的距离阈值构造图的边,综合利用位置,灰度和边缘3种特征计算边的权值,将遥感影像的分割转化为图的分割,并用归一化图分割方法得到分割对象集合;然后,以长宽比和矩形度作为约束条件,对2期遥感影像中的分割对象集合进行筛选,提取建筑物对象;最后,根据2期影像中建筑物之间的空间,面积和格局关系识别建筑物的变化类型(包括新增,消失和改建),并对其进行可视化表达.为了验证本文方法的有效性,分别以深圳市的WorldView影像和北京市的QuickBird全色影像为数据源,从中选取13组具有代表性的子影像进行实验.结果表明,本文提出的方法对配准精度较低的影像组具有一定的适应性,容许的配准误差达到20个像元(10 m),平均查准率和平均查全率分别达到93.16%和87.90%.     

基于对象BOW特征的高分辨率遥感影像变化检测方法

针对传统基于像素的变化检测方法的缺点,以及底层特征表现能力不足等问题,提出一种基于对象BOW特征的变化检测方法。首先,将经过预处理操作的两期影像进行波段组合得到组合后影像,再考虑地物光谱特征和几何空间信息对组合后影像进行多尺度分割,获得相对应的对象基元;同时,分别提取两幅影像的底层特征（包括影像各波段的均值和方差以及灰度图像的6种纹理特征）。其次,将对象视作文档,像素的特征向量视作单词,利用BOW模型构建影像对象的中层表达,即对象的BOW特征。最后,通过相似性度量算法比较相应对象的BOW特征,从而识别出影像上的变化区域。本文利用2组WorldView-2影像进行了检验,结果表明本文方法的变化检测结果较为完整,精度优于对比方法。本文方法基本能够满足变化检测的需求,为高分辨率遥感影像上的数据挖掘分析提供了有效的手段。     

顾及DEM误差空间自相关的地形变化检测方法

传统的地形变化检测方法忽略了DEM误差的空间自相关性,针对此问题,本文提出了顾及DEM误差空间自相关的地形变化检测方法。首先,通过2期DEM相减得到差值DEM(DoD),并通过蒙特卡罗方法评估DEM的误差空间分布;其次,基于DEM误差空间分布图,通过误差传播公式计算DoD误差,并使用半变异函数分析其空间自相关程度;最后,在误差空间自相关分析和显著性检测的基础上计算地形变化量（体积）和对应的误差限。本文在4个黄土小流域进行了实验,结果表明：无人机摄影测量DEM的高程误差存在一定程度的空间自相关,通过光束平差蒙特卡罗方法可以模拟无人机摄影测量DEM的误差空间分布;在进行地形变化检测时,使用误差空间分布代替中误差进行地形变化检测有效降低了检测结果对显著性阈值的敏感性;显著性阈值从68%提高到95%时,使用误差空间分布的检测结果损失的观测值比使用中误差低5.39%～6.75%。顾及空间自相关的地形变化检测方法能够更加科学、精确地量化地形变化特征,也可有效地应用于地表变形监测、流域侵蚀监测、输沙量评估等领域。     

基于1:10000地形数据更新1:50000DEM的研究试验

对1∶50 000 DEM数据库的现状进行了分析,提出了利用1∶10 000地形数据更新1∶50 000 DEM的主要内容和两种方法,简要介绍了地形变化检测方法.通过对试验区规则格网DEM成果的精度检查验证了方法的可行性.客观分析了本次试验的特点和不足,为以后大比例尺地形数据更新小比例尺DEM等相关工作提供了技术参考.     

基于增量自校的潮汐形变观测数据格值变化检测和数据归算

基于潮汐形变观测数据与理论固体潮数据在增量上的高度一致性,提出对增量一致性高于70%的潮汐形变观测数据,用观测值与理论值增量的日变幅之比作为振幅因子来检测格值变化,并对使用了错误格值的观测数据进行归算。该方法仅用1 d的数据即可检测出格值变化情况,适用于格值骤变和格值缓变两种情况。通过对比格值修正前后的观测数据,说明格值变化检测和数据归算在潮汐形变观测数据分析中的意义。     

基于1∶10000地形数据更新1∶50000 DEM的研究试验

对1:50 000 DEM数据库的现状进行了分析,提出了利用1:10 000地形数据更新1:50 000 DEM的主要内容和两种方法,简要介绍了地形变化检测方法。通过对试验区规则格网DEM成果的精度检查验证了方法的可行性。客观分析了本次试验的特点和不足,为以后大比例尺地形数据更新小比例尺DEM等相关工作提供了技术参考。     

方差齐性检验与模糊评价的遥感影像变化检测

针对高分辨率遥感影像地物空间结构复杂、光谱纹理信息丰富的特点,该文提出一种基于Levene检验及模糊评价的遥感影像变化检测方法。首先,对预处理后的两期影像叠置分割得到图斑对象,提取其光谱、纹理等特征;其次,利用改进的Levene检验法统计各图斑变化信息得到候选变化图斑,经IHS变换获取影像色调信息,结合纹理特征进行变化向量分析;最后,通过迭代的方式确定阈值并计算候选图斑的变化隶属度,确定最终变化区域。选取江苏省某地区ZY-3高分辨率遥感影像进行实验,结果表明:改进的Levene检验法很大程度地减少了后续的计算量,提高了变化检测精度,对于相对辐射差异较大的非变化图斑具有良好的容错性;采用色调-纹理特征及模糊评价法可以有效地降低漏检及虚检率,提高变化检测精度。     

结合差异增强的异源遥感影像变化检测网络

针对现有变化检测方法中单分支网络将原始影像直接求和造成的差异信息损失以及中小目标误检等问题,提出一种基于U-Net的结合差异增强的变化检测网络。将差分图像经过通道注意力机制学习每个通道在特征表示中的差异性,生成与通道相关的权重;利用这些权重与原始图像加权求和,然后将特征增强后的两期图像融合后输入网络;接着通过密集残差块加强编码器信息传递和复用;利用不同形式和尺度的卷积进一步细化检测结果。所提方法在Sardinia和Shuguang数据集中与主流方法进行对比,相较于MUNet, OA分别提升了1.27%和0.74%;F1分别提升了5.32%和1.75%。结果表明,所提方法能够充分利用差异信息,对中小目标以及边缘细节有较高的分割能力。     

融合高分遥感影像与DSM的建筑物三维变化检测

针对传统遥感影像变化检测方法存在漏检、误检、垂直变化特征未被充分挖掘等问题,该文提出了一种融合高分遥感影像与数字地表模型(DSM)的三维变化检测方法。利用一个残差编码器进行高分遥感影像的光学特征提取,并利用一个较为简单的卷积神经网络对DSM数据进行高度信息挖掘。同时,将这两端相同维度的特征提取结果进行多尺度融合,形成包含高度信息的多尺度3D组合特征,并将其输入到中间融合编码结构进行深度特征挖掘。然后,利用自注意模型获取更加丰富的全局上下文特征及高层语义信息,提升局部特征在全局视图下的判别能力。实验结果表明,相对于其他对比方法,该文方法能更加充分地挖掘复杂城市场景下建筑物的多维度变化特征,误检漏检现象明显降低,变化检测效果显著。     

基于概率统计模型的遥感影像变化检测

基于概率统计理论,提出了一种基于t检验的遥感影像自动变化检测方法,并实现了其与相关系数法的有效结合,运用于复杂城区环境下地物类型的自动变化检测。对于高空间分辨率影像,有效引入纹理特征,减少了房屋阴影的影响,对最终变化检测结果起到了明显的增强效果。实验采用不同类型的数据,详细叙述了变化目标的提取以及本文方法的特点,结果真实反映了实际地物的变化,表明该方法具有很好的实用价值。