面向地理国情地表覆盖变化检测的多尺度分割方法研究

地理国情监测已有的前期地表覆盖数据是重要的先验知识。本文结合地理国情监测地表覆盖变化检测生产需求,利用前期地理国情监测数据的地类边界和属性信息,引入局部方差变化率和全局优良值评价指标,从而确定不同地类的最优分割尺度,实现了基于不同地类的差异尺度分割。该方法减少了由单指标选择分割尺度的主观性,提高了最优分割尺度判断的效率,有效地减少了欠分割和过分割现象,整体效果优于仅采用单一分割尺度算法的分割结果,更有利于提取影像解译特征,为有专题图支持的变化检测相关研究提供有力支持。     

基于遥感影像的地图道路网数据变化检测研究

在遥感影像和地图道路网数据精确配准的基础上,提出了利用缓冲区约束下的、基于知识判断的多尺度模板匹配方法检测变化的道路,对旧地图中的道路变化情况自动检测;采用自动赋初值的LSB-Snake模型半自动检测新增道路.实验表明,所提出的方法可以有效地检测道路变化,达到较高的自动化程度.     

基于GF-1和Hyperion影像的新增建设用地占用地类信息提取

新增建设用地及其占用地类是年度土地利用动态遥感监测的重点关注信息,综合利用多源数据是提高占地信息提取精度的主要手段之一。现有研究基于光学与高光谱特征波段的像素级融合影像开展分析,不可避免地导致了高光谱影像光谱信息的损失。为了尽量避免信息损失,提出一种光学和高光谱影像独立分析、结果集成的新增建设用地占用地类信息提取方法。该方法首先结合土地利用动态遥感监测所定义的3种主要新增建设用地形态,利用前后两个时相GF-1光学影像的光谱和纹理特征提取新增建设用地,其次利用前时相Hyperion高光谱影像的精细光谱成像能力进行详细土地利用分类,最后通过新增建设用地与土地利用分类图的叠置分析提取新增建设用地占用地类。在北京市丰台区典型区域开展的验证实验取得了86.71%的新增建设用地占用地类属性精度,表明本方法可为土地利用动态遥感监测提供较为准确的地类变化信息。     

城市土地利用变化的不透水面覆盖度检测方法

通过分析城市中不透水面数量和分布的变化与城市土地利用变化之间的对应关系, 综合中、高分辨率遥感数据各自的优势, 运用CART算法进行城市不透水面覆盖度(ISP)遥感估算, 基于ISP制图结果对城市土地利用变化进行检测。以山东省泰安市为例开展实验研究, 结果表明, 与传统的变化检测方法相比, 基于ISP的变化检测方法, 不仅能够反映土地利用类型转换的潜在信息, 而且可以灵活地量化定义和解释城市用地变化情况。这种方法为城市土地利用变化信息的提取和分析提供了一种新的思路, 可以作为现有变化检测方法的有益补充。     

联合密集连接与注意力的遥感影像变化检测

针对高分辨率遥感影像变化检测中存在的变化像素与未变化像素边界难以准确区分以及变化小、目标检测中容易出现漏检等问题,本文提出一种联合密集连接与注意力的孪生网络(CDASNet)。该网络采用孪生网络的输入方式,并在编码阶段利用残差连接单元以及密集连接的方式增强对原始影像底层特征的提取,同时在解码阶段引入注意力模块为不同层次的特征图赋予新权重来关注变化信息,进一步利用跳跃连接将编码阶段的浅层特征和解码阶段的深层特征进行融合,最终经过上采样恢复原始影像分辨率得到变化检测结果。将本文方法应用在LEVIR-CD数据集和CDD数据集中进行实验,结果表明,本文提出的方法在精度和召回率上都优于FC-Siam-conv、FC-Siam-diff、DSAMNet、SUN-CD 4种方法。     

面向建筑物边缘特征保持的遥感影像变化检测研究

随着深度学习技术在遥感变化检测领域的发展,许多基于卷积神经网络(CNNs)的变化检测算法得到了广泛的应用,但在建筑物变化检测中,仍存在样本不平衡、边界模糊等问题。为解决上述问题,提出基于孪生U-Net和边缘优化策略(Siamese U-Net and Edge Refinement Strategies, Siam-Unet-ERS)的建筑物变化检测方法。首先提出了边界优化策略,共享建筑物变化检测主任务和边界提取子任务之间的空间特征,以实现提升建筑物边界定位精度的目的。同时,设计了残差捷径模块,在不降低模型性能的同时提升模型收敛速率。网络在LEVIR-CD和WHU数据集上都经过验证和测试,分别达到了97.79%和98.92%的总体精度。实验结果表明,Siam-Unet-ERS方法优于一些以前较先进的变化检测方法。     

基于栅格化思想的矢量电子地图几何变化检测

在检测不同版本矢量电子地图的变化时,通常采用要素遍历、坐标比较的方法,这种方法计算速度慢、效率较低。针对这一不足,提出一种基于栅格化思想的矢量电子地图几何变化统计比较检测方法(SCAG),即利用矢量电子地图进行栅格化处理时构造的统计数据对点、线、面等形状地物的几何变化进行变化统计分析和要素快速检测,其计算量比遍历的方法显著减少,效率提高。最后通过实验验证了SCAG检测方法的可行性、合理性和高效性。     

独立成分分析的高光谱异常变化检测

遥感探测到的小目标信号一般是弱信号,利用传统的高光谱异常变化检测方法直接抑制背景来突出异常变化目标,往往导致小目标弱信号同时被抑制,造成目标探测率低、虚警率高。基于独立成分分析方法,研究了弱信号小目标的高光谱变化检测模型,该模型首先通过投影寻踪将异常变化影像投影到独立成分,突出异常变化目标,然后再抑制背景,从而达到异常变化目标和背景的有效分离。该模型可以有效降低虚警率,提高探测率。利用模拟数据和真实数据进行了精度验证,结果表明,利用模拟数据得到的探测精度为99%,利用真实数据得到的检测精度为86%,与传统异常变化检测算法相比,精度最高提高了9%。本文研究方法适用于弱信号小目标的高光谱异常变化检测。     

基于图像融合的高分全色遥感影像变化检测

针对同一地区不同时期的全色高分辨遥感影像,提出一种基于影像融合的变化检测算法。首先采用基于匹配点的三角网校正方法对两景影像进行几何校正,然后选用基于迭代多元变化检测(IR-MAD)的相对辐射校正方法进行辐射一致性处理,接着对经几何一致性处理、辐射一致性处理后两张影像进行显著性融合,采用Mean-Shift分割算法对融合影像进行分割,选用方向梯度直方图(HOG)特征获取影像纹理强度图,最后通过比较分割块纹理变化获得变化检测结果。以Toposys激光雷达系统搭载相机拍摄的全色影像对该算法进行了检验,并使用单一时期影像为分割对象进行对比实验结果。实验结果表明,以融合影像为分割对象的结果远优于以单一时期影像为分割对象的变化检测结果,极大地减少了误检和漏检,在城市、郊区等地区人工地物变化监测中有一定的应用价值。