基于时空域密度异常的土地利用/土地覆盖短期变化检测

论文分析了时间序列遥感影像中土地利用/土地覆盖短期变化的特点及其时空异常特征, 认为和环境、物候等因素造成的影像变化相比, 由人为活动引起的土地利用/土地覆盖变化具有典型的时间和空间异常特征, 并提出了基于密度异常的土地利用短期变化检测方法。研究工作选取珠江口地区1—5月作物生长期间的3个时间序列Radarsat雷达影像进行试验, 在影像分割的基础上, 构建了基于对象的特征变化矢量, 并将密度异常检测算法(DBAD)扩展到变化矢量的N维特征空间上, 运用随机搜索策略确定检测参数, 对Radarsat时间序列变化矢量中的“小模式”事件进行了检测。检测结果认为, 密度异常检测算法检测的是变化矢量在特征空间的密度分布, 与变化矢量的强度和方向无关, 因此能在时间序列影像中分离出由典型的、正常的作物生长或农事活动引起的影像光谱或回波变化, 进而识别出由人为活动或突发事件导致的土地利用/土地覆盖变化, 这是通常的图像差值等方法难以做到的。进一步的抽样检测说明, 密度异常检测方法对新增建设用地的检测准确率最高(>88%);林地地表覆盖相对稳定, 检测误差也很低(8%);农用地和养殖水面的异常变化检测误差在11%—22%之间;较大的检测误差主要集中在建设用地、农用地和未利用地之间的转换(16%—25%);此外, 养殖水面的检测误差主要集中在河流沿岸及水面变化较大的养殖区域。影像分割结果特别是一些线状分割图斑以及混合地类图斑对误差也有一定的影响。     

像素级和对象级高分辨率遥感图像变化检测分析

高分辨率遥感图像具有丰富的纹理信息,而像素级变化检测方法主要分析图像的光谱信息,导致将像素级变化检测方法用于高分辨率遥感图像具有一定的局限性.因此,本文提出了一种像素级与对象级相结合的高分辨率遥感图像变化检测方法,解决了像素级与对象级变化检测方法中存在的椒盐现象、误检等问题.首先,结合高分辨率遥感图像的多维特征,构建遥...     

基于拓扑分析的居民地自动变化检测方法

提出一种基于拓扑分析的居民地变化检测方法,首先利用同一地区居民地的旧矢量数据,在新正射影像上获得训练样地,进行影像分割,提取居民地,然后运用空间分析的方法自动榆测出居民地的六种变化形态.实验证明本算法能够自动提取出变化区域,并得到变化类型,检测正确率达到85%以上,提高了数据更新的效率.     

基于Adaboost的高分遥感影像自动变化检测方法

基于监督分类的高分辨率遥感影像变化检测需要大量人工标注,且单个监督分类器难以适应高分影像中复杂多样的地表变化信息提取,检测结果中“椒盐噪声”严重、变化图斑破碎。因此,本文提出一种基于Adaboost集成算法、自动标注训练样本的变化检测方法。首先利用非监督分类方法完成变化初检,接着在初检结果中进行“非等距”区间采样自动获取均匀分布的训练样本;然后以Adaboost算法为集成框架,选择决策树桩、Logistic回归和kNN作为弱分类器,构建一种混合分类器集成系统,充分挖掘和利用高分影像中的空间信息以提升分类精度和分类器泛化能力,最后利用SLIC分割算法和空间邻域信息对像元级检测结果进行空间约束滤波,进一步提升变化检测精度。为验证本文方法的有效性,选取SPOT-5和WorldView-2影像为实验数据,结果表明本文方法能有效降低训练样本人工标注成本、提高变化检测精度。     

超像素与主动学习相结合的遥感影像变化检测方法

针对高分辨率遥感影像变化检测结果较破碎,易产生椒盐噪声、监督训练过程中人工标注成本较高、训练样本冗余以及大量未标注样本信息未有效利用等问题,提出一种超像素与主动学习相结合的高分辨率遥感影像变化检测方法。利用超像素分割算法得到超像素对象,提取其光谱和纹理特征;引入并借助主动学习样本选择策略充分利用未标注样本信息,挖掘不确定性最大、最易错分的样本交由用户人工标注;为保证所选样本的多样性,加入基于余弦角距离的样本相似性度量,以减少样本间信息冗余,在减轻人工标注负担的同时获得良好的分类性能。通过对2组不同场景的遥感影像的实验,表明本文提出的2种方法能够在标注少量训练样本的情况下获得较好的变化检测结果,且加入样本相似性度量的变化检测方法在有效减少人工标注成本和训练样本冗余的同时,能够更快地达到收敛、提升检测质量。     

多时相极化SAR影像变化检测方法研究

变化检测是通过对同一区域的多次观测获取地表随时间变化的过程,在土地利用规划、环境资源监测、灾害应急等领域发挥了重要作用。遥感技术能够在短时间内获取地表大面积的土地覆盖信息,节省大量的人力、物力资源,成为变化检测的重要手段之一。     

利用影像相关分析的遥感变化检测

针对利用单一光谱特征进行影像相关分析在遥感变化检测应用中效果较差的问题,提出了一种将纹理特征与光谱特征相结合的相关系数计算模型。应用中在对多时相影像进行相同尺度棋盘分割的基础上,先计算各对应分割窗口内的相关系数,再以其中心点的坐标和相关系数值作为一个特征点,在三维空间中进行插值处理得到整个区域的相关系数空间分布图;进一步通过密度分割处理提取变化信息。本文以两期GF-1影像数据进行了变化信息提取试验,结果表明,采用组合特征相关系数的变化检测结果明显优于单一光谱相关系数的变化检测结果。组合相关系数的应用研究为利用影像相关分析方法从高分影像中提取变化信息提供了一种新的思路。     

基于Landsat卫星数据的辽东湾海岸线变化检测

随着经济的发展,辽东湾经济区海岸线填海状况加剧,研讨经济与环境间平衡的发展已逐渐成为业内关注的课题。遥感图像具有的实时性和迅速性,能够弥补普通海岸线测量的工作量复杂和工作时间长的不足,为此,在地理空间数据云平台和USGS平台下载了2003、2007、2009、2013、2015五期Landsat卫星遥感数据。通过ENVI软件对遥感数据进行图像预处理,包括图像的几何纠正及配准、波段融合、图像增强、图像拼接和图像裁剪;尝试利用图像直接检测法和先分类后检测法对海岸线变化进行检测;最后,对其进行精度评价。实验获得了五个年份的景观图和四个时间段的海岸线变化图。随着时间的推移,填海的进度不断加大,大部分区域建设了码头、居民地以及进行水田种植。文章呼吁,以牺牲生态环境为代价来发展经济的做法不可取。     

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。     

基于环境一号（HJ-1A/1B）卫星图像的浑善达克沙地荒漠化变化检测

本文旨在通过计算浑善达克沙地（北纬43°08′,东经119°38′)2006年～2009年的植被覆盖度,进行变化检测。研究结果表明：研究区西部森林砍伐现象严重,而北部和东北部地区植被恢复良好。该项目表明,新设计的环境卫星在探测荒漠化方面是有效的,而受测试的用于提取森林覆盖面积的植被覆盖度方法,对于绘制研究区域的荒漠化变化是有用的。