基于GF-1多时相波段组合的武汉市土地利用变化检测

GF-1号卫星是中国自主研发的第一颗高分辨率遥感卫星。为分析该卫星影像数据在土地利用变化检测中的应用,本文以武汉主城区为研究对象,选取该地区2014年5月、2015年4月GF-1号卫星遥感影像,采用分类后比较与多时相波段组合直接分类两种方法分别进行试验,将二者实验结果比较分析。结果表明,多时相波段组合直接分类是一种更为有效的变化检测方法。相比分类后比较该方法不仅检测精度提高了将近17%,土地利用变化检测效果也明显改善。另外,对武汉主城区主要土地利用变化类型进行面积统计分析,对武汉主城区建设具有一定的指导意义。     

基于CBERS影像的速生林信息提取方法研究

提出了一种运用遥感技术提取速生林信息的方法,实现了大区域速生林分布情况的检测。该方法基于CBERS影像多年际时间曲线趋势,根据速生林生长周期中被砍伐并翻地的特殊阶段表现在遥感影像上的不同电磁波谱特征,对其进行检测,从而实现速生林地的提取。在广东省雷州市试验的结果表明,速生林信息提取的总体精度为88%,CBERS CCD图像可以用于大区域的速生林信息提取。     

在变化检测中Landsat-7异常数据处理方法试验

为了更好地利用Landsat系列卫星影像进行变化检测,本文对以SLC-off方式获取的Landsat-7影像进行修复处理,使其能够参与变化检测。本文试验对比3种常用异常数据修复模型,认为多影像局部自适应回归分析模型修复方法最适合后续进行的变化检测,并总结了Landsat-7异常数据参与变化检测的流程方法。     

自适应区间二型模糊聚类的遥感影像变化检测

由于遥感影像变化检测面临"同物异谱"、"同谱异物"等诸多不确定的问题,传统一型模糊聚类算法不能描述其高阶不确定性,难以对差异影像进行准确建模分割出变化信息。针对上述问题,在引入区间二型模糊聚类的基础上,提出了一种自适应区间二型模糊聚类的遥感影像变化检测算法。通过构造自适应邻域加权距离度量的方式更新隶属度,不仅降低了传统区间二型模糊分析算法对参数的依赖,还可以有效利用邻域信息,最后通过迭代更新隶属度实现地物变化信息的提取。利用两组遥感影像数据验证了该方法的有效性。     

一种改进的变权重MRF遥感图像变化检测方法

基于马尔科夫随机场(Markov Random Field,MRF)模型下的遥感图像变化检测因固定组合能量函数导致的边缘分割模糊问题,提出了一种改进的变权重MRF遥感图像变化检测方法。该方法首先通过模糊C均值(Fuzzy C-means,FCM)算法对差值图像进行聚类分割,并依此分割结果作为变权重MRF的初始分割条件进行最终的分割;最后对分割结果进行掩膜处理,得到最终的变化检测结果。采用真实遥感影像进行对比实验,结果表明所提方法变化检测精度更高,边缘检测更加平滑,区域一致性更好。     

基于面向对象的重大工程土地利用变化信息提取——以国家体育场(鸟巢)建设工程为例

以国家体育场（鸟巢）工程建设为例,研究基于面向对象的重大工程土地利用变化信息提取技术,以及建设工程对周边环境土地利用类型变化的影响。选取鸟巢2001年（动工之前）和2005年（建设中期）两期高分辨率遥感图像,运用多尺度影像分割和面向对象分类方法,进行土地利用信息提取及其变化对比分析。结果表明：利用面向对象方法取得了理想的土地利用分类结果,两期影像的分类精度分别达到93.23%和94.55%,Kappa系数分别为0.9158和0.9332;鸟巢的建设对周边土地利用类型影响较大,尤其是植被、道路和耕地的变化显著,草地和道路明显增加,耕地明显减少。     

多特征融合的高分辨率影像建筑物变化检测

为充分发挥遥感影像中各特征的优势,提高遥感影像建筑物变化检测精度,基于面向对象的分析方法,提出了一种基于模糊集合的证据理论特征信息融合的变化检测方法。首先,在影像分割的基础上,利用变化矢量分析法分别计算前后时相对应对象的光谱、纹理特征差异及形态学建筑物指数差异;然后,以Sigmoid函数作为隶属度函数,计算对象属于变化类和非变化类的隶属度并以之构建证据理论所需的基本概率分配函数;最后,利用证据理论对多种特征进行融合并通过规则判定得到建筑物变化区域。利用不同地区影像的试验结果表明,该方法能够有效融合影像的多种特征,提高建筑物变化检测的精度。     

基于对象变化矢量分析的土地利用变化检测方法研究

变化检测是资源和环境遥感应用的一个重要内容。在变化矢量分析法的基础上,本文提出采用变化矢量-主成分分析法提取研究区变化信息,首先,对不同时相的遥感影像进行差值运算得到差值影像,再对其进行主成分变换并选取主分量,最后,使用多尺度分割获取影像对象。在影像分割的基础上,采用变化矢量-主成分分析方法构建自动检测规则提取变化信息,并作精度评价。研究表明：基于对象的变化矢量-主成分分析方法不仅可克服传统的基于像元式方法难以利用空间信息的缺陷,有效避免了“椒盐”噪声,而且可将多波段差值信息经主成分变换后集中在几个累计贡献率较高的主成分分量上;同时,结合了变化矢量法与主成分分析法的优点,与单独使用变化矢量分析法相比提取精度明显提高。     

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。     

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。