遥感影像变化检测.docx
- 文档编号:17192994
- 上传时间:2023-07-22
- 格式:DOCX
- 页数:14
- 大小:1.36MB
遥感影像变化检测.docx
《遥感影像变化检测.docx》由会员分享,可在线阅读,更多相关《遥感影像变化检测.docx(14页珍藏版)》请在冰点文库上搜索。
遥感影像变化检测
遥感影像变化检测报告
学院:
专业:
指导老师:
小组成员:
2013年5月
1、遥感影像变化检测的概念
遥感影像变化检测指利用多时相获取的覆盖同一地表区域的遥感影像及其它辅助数据来确定和分析地表变化。
它利用计算机图像处理系统,对不同时段目标或现象状态的变化进行识别、分析;它能确定一定时间间隔内地物或现象的变化,并提供地物的空间分布及其变化的定性与定量信息。
由此可知,遥感影像变化检测是从不同时期的遥感图像中,定量地分析和确定地物变化的特征和过程。
它涉及到变化的类型、分布状况及变化信息的描述,即需要确定变化前后的地物类型、界限和分析变化的属性。
变化检测的研究对象为地物,包括自然地物和人造地物,其中人造地物在军事上常被称为目标。
描述地物的特性包括:
空间分布特性、波谱反射与辐射特性、时相变化特性。
遥感影像的变化检测在土地覆盖变化监测、环境变迁动态监测、自然灾害监测、违章建筑物查处、军事目标打击效果分析以及国土资源调查等方面拥有广泛的应用价值和商业价值。
变化检测通常包括以下4个方面的内容:
(1)判断是否发生了变化,即确定研究区域内地物是否发生了变化;
(2)标定变化发生的区域,即确定在何处发生了变化,将变化像元与未变化像元区分开来;
(3)鉴别变化的性质,给出在每个变化像元上所发生变化的类型,即确定变化前后该像元处的地物类型;
(4)评估变化的时间和空间分布模式。
其中,前两个方面是变化检测所要解决的基本问题,而后两个方面则根据应用要求决定是否需要做。
2、遥感影像变化检测的三个层次
遥感图像分析过程中通常包括数据层处理、特征层处理和目标层处理三个过程。
依据这三个层次划分,可将变化检测分为:
像元级变化检测、特征级变化检测和目标级变化检测。
(1)像元级变化检测是指直接在采集的原始图像上进行变化检测。
尽管基于像元的变化检测有它一定的局限性,但由于它是基于最原始的图像数据,能更多地保留图像原有的真实感,提供其它变化检测层次所不能提供的细微信息,因而目前绝大多数的变化检测方法都是像元级变化检测。
(2)特征级变化检测是采用一定的算法先从原始图像中提取特征信息,如边缘、形状、轮廓、纹理等,然后对这些特征信息进行综合分析与变化检测。
由于特征级的变化检测对特征进行关联处理,把特征分类成有意义的组合,因而它对特征属性的判断具有更高的可信度和准确性。
但它不是基于原始数据而是特征,所以在特征提取过程中不可避免地会出现信息的部分丢失,难以提供细微信息。
(3)目标级变化检测主要检测某些特定对象(比如道路、房屋等具有明确含义的目标),是在图像理解和图像识别的基础上进行的变化检测,它是一种基于目标模型的高层分析方法。
变化检测的三个层次在实现上各有优缺点,在具体的变化检测中究竟检测到哪个层次是根据任务的需要确定的。
像元级的变化检测保持了尽可能多的原始信息,具有特征级和目标级层次上所不具备的细节信息,但像元级变化检测仅考虑像素属性的变化,而未考虑其空间等特征属性的变化;特征级变化检测不仅考虑到空间形状的变化,而且还要考虑特征属性的变化,但特征级的变化检测依赖于特征提取的结果,但特征提取本身比较困难;目标级的变化检测最大的优点是它接近用户的需求,检测的结果可直接应用,但它的不足之处在于目标提取的困难性。
3、遥感影像变化检测的一般流程
遥感影像变化检测的一般处理流程包括图像预处理、变化检测及检测结果输出三个部分。
如下图所示:
图一遥感影像变化检测一般流程图
(1)预处理
由于获取条件的差异,多时相遥感图像中存在非地物变化而造成的图像变化。
因此,消除非地物变化是变化检测中不可缺少的步骤,在图像预处理的过程中,最重要的两个过程是几何校正和辐射校正。
(2)变化信息获取
变化信息获取是变化检测处理中的关键步骤。
在这个过程中,先根据变化检测对象,进行变化特征提取(包括光谱特征及结构特征)。
提取的变化特征,有些可以直接用于变化分析称为确定变化特征;有些不能直接用于变化分析,需要结合辅助信息(如在目标级的变化检测中,需要结合目标的模型来描述变化)称为非确定变化特征。
最后对变化信息进行分析与描述得到检测结果。
(3)检测结果后处理及输出
变化检测的后处理是指对得到的检测结果进行再次处理以满足实际需求。
主要方法包括滤波处理、数学形态学处理等。
变化检测的结果根据用户的需要可以以报表的形式输出,也可以以变化图的形式输出,还可以存储在数据库中。
通常情况下,像元级的变化检测是将变化和未变化的区域以二值图的方式进行表示。
在特征级和目标级的变化检测中,不仅需要标注出变化的特征或目标,而且需要输出描述特征或目标变化的各种参数。
4、遥感影像变化检测的主要方法及特点
遥感影像变化信息提取是变化检测过程中的核心和关键,目前所出现的各种变化检测方法也都是为了解决这一问题。
从不同的角度出发,可以进行不同的分类。
按照是否要进行分类可分为直接比较法和分类后比较法;按照选取对象的粒度可分为像素级、特征级和对象级三种检测方法;按照是否需要先验信息可分为监督比较法和非监督比较法;按照采取的数学方法不同可分为代数运算法、变换法、分类法、GIS法、高级模型法等七种。
下面介绍一些常用的变化检测算法。
(1)图像差值法
这种方法是目前应用最广泛的遥感变化检测方法。
它将两个时相的遥感图像按波段进行逐像元相减,从而生成一幅新的代表两个时相间光谱变化的差值图像。
即在理想的情况下,对其差值分析确定合适的阈值即可得到反映地表变化的结果。
这种方法的数学形式如下式:
式中
为两个时相影像波段k在第i行第j列像素差值,
分别为两个时相的影像k波段(i,j)像素点的像素值,
为选择的阈值。
图二前一时期遥感影像图三后一时期遥感影像
图四经差分法处理后的影像
这种方法的特点在于简单、直接,便于解释结果。
它的不足之处在于只能提供变化和未变化得信息,不能提供具体的地物变化信息。
其次,这种方法需要选择合适的阈值。
另外,由于两组不同的绝对数值能产生相同的差值,使得差值法有时无法适当地处理检测中所涉及到的所有因素。
(2)图像比值法
图像比值法与图像差值法原理类似,也是一个可以快速得到变化区域的方法。
图像比值法是计算多时相图像对应像素灰度值的比值。
如果在一个像素上没有发生变化,则比值接近1,如果在此像素上发生变化,则比值远大于或远小于l,数学表达式如下:
图五经比值法处理后的影像
相比于图像差值法,比值法对于图像上的乘性噪声是不敏感的。
如果每一幅图像的对应像素灰度值相同,则有
,表示没有变化发生;对于变化区域,根据变化方向的不同,比值会远大于l或远小于l。
这种方法在一定程度上能减少影像间因太阳高度角,阴影和地形不同造成的影响。
(3)变化矢量分析
变化矢量分析法(ChangerVectorAnalysis,CVA)是一种研究输入数据辐射变化的方法。
这种方法的基本思想是将两个时相的多光谱遥感影像中对成像元光谱值视为多维光谱空间中的一对点,用这对点所构成的向量来描述该像元在两时相间发生的变化,称这个向量为光谱变化矢量。
利用该方法可以检测出所有包含在不同时相多光谱数据中的变化信息。
该方法对不同传感器的数据也有很好的应用效果。
图六经变化矢量分析法处理后的影像
跟算术运算法一样,变化强度阈值的确定也是变化向量分析法的关键问题之一。
常用的方法大都局限在仅通过变化强度这一种特征本身来确定分割阈值:
一些方法是采用反复试验或个人经验来确定,主观性较强;一些方法是采用变化强度图的均值和标准差的线性组合来表示阈值。
变化矢量分折法可以利用较多甚至全部的波段来探测变化像元,凶此避免了单一波段比较所带来的信息不完整,而且可以通过变化矢量的方向提供变化类型信息。
但是随着波段数的增加,变化类型的判断会很困难。
(4)图像的分类比较
分类后比较方法用于对多时相图像的每-N图像单独进行分类,然后对分类结果图像进行比较。
如果对应像素的类别标签相同,则认为该像素没有发生变化,否则认为该像素发生了变化。
分类的方法可以是监督分类方法也可以是非监督分类方法。
一般前者比后者的分类精度高。
对于分类后比较变化检测来说,多采用监督分类方法。
我们组采用的方法是监督分类方法中的LQ2神经网络分类法。
将图像进行AOI(AutomaticOpticInspection)编辑,采样,设置水体为蓝色,建筑为红色,林地为绿色,裸地为灰色。
如图:
图九前一时期影像LQ2神经网络分类后图十后一时期影像LQ2神经网络分类后
图十一经分类后比较法处理后的影像
变化检测报告:
结合图像和变化检测报告可知:
建筑增多,林地和裸地减少,在黄色圈圈中可以明显的看到后一时期图像较前一时期图像多了一个码头。
不同时期的遥感图像所发生的变化受各种因素影响,如:
时间分辨率,空间分辨率,光谱分辨率,辐射分辨率,大气状况,土壤湿度状况,物候特征等。
两幅原始图像中后一时期图像很明显受到天气状况的影响。
建筑,林地,裸地等的变化还可能由时代的推移,社会的发展引起。
分类后比较法在使用时也会受到自身的一些限制。
这些限制因素包括:
1)对不同时相影像分别做分类,会导致工作量很大,而通常变化区域在研究区域中所占的比率相对较小,使得针对未变化区域的分类形成了大量的重复工作。
2)分类后比较法对于类别的合理划分要求比较高:
类别划分得过细就会产生大量的边缘点,从而造成检测误差的增加,类别划分得过粗又会忽略一些类别之间的差异,不能很好的反映实际情况。
3)分类和变化检测步骤的分离:
当分类与变化检测成为相对独立的两个过程时,比较分析的数据就是从原始的两幅图像中得到的处理后的数据而不是原始数据,造成信息的丧失。
4)分类后比较法对于分类错误比较敏感:
分类后比较法需要对用于变化检测的多幅图像分别分类,任何一幅图像的分类错误都会造成结果的错误,相当于增加了错误发生的几率。
尽管分类后比较法存在着精度方面的缺陷,但由于其方法简单,同时具有可以回避多时相影像获取环境条件和传感器不同所带来的辐射归一化问题,可以直接获取变化的类型,可以进行两个时相以上的遥感影像的变化检测分析等优点,故仍然被经常使用。
(5)植被指数差值法
植被指数差值法是将两个时相的植被指数来代替原始图像灰度,因而该方法主要用于检测植被覆盖的变化。
此方法是通过比较影像的植被指数值来确定变化的一种检测方法。
利用光学传感器近红外波段与红光波段对植被的显著的响应差,通过比值突出植被信息,再通过阈值提取植被信息和非植被信息。
由于植物普遍对红光强烈吸收,对近红外光强烈反射,因此红光和近红外波段之间的比值有利于提高光谱差异。
根据实际需要,在进行变化检测时可采用不同的植被指数,如比值植被指数(RVI),归一化植被指数(NDVI),转换植被指数(TVI)等。
这种方法的特点在于增强了植被在不同波段的波谱相应的差异,抑止了传感器、大气、地形和光照等因素引起的伪变化的干扰;但是植被指数的运算增加了随机噪声和相干噪声的影响,主要应用于植被覆盖的变化检测。
另外,这种方法需要一定的经验知识选择何种方式的植被指数和阈值以便能达到较好的运算结果。
(6)图像回归法
在图像回归变化检测方法中,假设T2时相图像上每个像素灰度值
都是Tl时相上对应像素灰度值
的线性函数,那么就可以通过最小二乘方法算出线性函数的系数。
通过解出的回归方程,用Tl时相图像上的像素值
就可以计算出T2时相图像上对应像素的灰度值
,定义
为
与
之间的差值,表达式如下:
当有变化发生时
的绝对值会比较大。
图像回归方法表明了不同时期像素的均值与方差不同,可减少了由于大气状况和太阳高度角的不同带来的不利影响。
但对于特定的卫星数据,建立高精度的回归关系,往往比较困难,计算量大。
(7)主成分分析
主成分分析(PCA:
principalcomponentsanalysis)又称K—L变换,是一种去除多光谱图像波段间相关性,同时又不丢失信息的一种正交变换。
该方法是对多时相数据按一般主成分分析研究或标准主成分分析的方法进行线性变换,得到反映各种变化的分量,这些变化分量互不相关,而且按其强度及影响范围顺序排列。
通过对进行主成分变换后的变化分量进行分析就可以总结变化规律,揭示变化原因。
通过PCA可以压缩冗余信息,消除多光谱图像波段间的相关性,减少了处理数据量。
PCA变化检测方法也存在着缺陷:
作为变换结果的主成分与原始图像相关,这就要求不同时相的数据是同一传感器,相同分辨率的图像;主成分影像往往失去了原来数据的物理光谱特性,对地物的解译往往只能依赖其几何、纹理信息。
5、遥感影像变化检测的发展趋势及研究前沿
随着各种光学卫星及雷达卫星运行服务,各种遥感数据的不断积累,各级空间数据库也相继建立,地球表面不同空间尺度的数据得以全面记录。
如何从这些遥感数据中提取和检测变化信息已成为遥感应用技术研究的重要课题。
遥感变化检测方法可为土地利用、植被、土壤侵蚀、环境变化等提供多时相、大范围的实时信息,帮助我们更好的研究地球资源、环境。
为了满足研究项目的特定需求,研究人员将遥感信息科学、统计学、计算机技术等科学技术结合,研发出不同的遥感变化检测平台。
遥感应用与新技术发展互相促进。
20世纪70年代数字遥感的出现,发展了遥感数字图像处理系统,数字处理与分析促进了资源环境填图,生态系统结构和作用研究;90年代早期GIS技术的发展促进了遥感数字图像处理与GIS的一体化,发展了遥感数据与其它辅助数据的叠合、融合技术,形成更为强大、有用的数据集。
国内外运用遥感变化检测技术已取得了一批面向应用的成果,90年代中期开始,包括MODIS数据植被变化检测,ETM土地覆盖土地利用项目(LCLUC)的地表覆盖变化检测,水资源质量的变化检测,多光谱遥感的数据变化检测,多光谱遥感数据变化自动检测技术,IKONOS军事目标的变化检测,利用干涉雷达检测地震等一批面向应用的遥感变化检测研究成功。
随着我国气象资源海洋环境减灾等系列卫星发射,我国正迈向航天强国,遥感应用技术得以不断发展,遥感技术为我国各省、市、行业、各层次国土资源和城市土地调查、森林资源检测、环境变化检测、灾害预报与评估、国家重大生态工程监理等方面取得重大成就,更好的服务各决策部门。
遥感变化检测技术经过几十年的发展,在各方面都取得了一定进展。
从数据源角度看,变化检测已不再局限于使用单一的遥感影像,而是综合利用多来源、多平台、多分辨率的遥感影像、GIS数据及一些辅助数据检测变化信息;从技术角度看,传统的变化检测方法日趋完善,新方法不断涌现,变化检测已经从像素级的检测方法向面向对象的检测方法过渡。
此外,一些新知识和模型也不断引入到变化检测领域,如马尔科夫随机场、人工神经网络等;从影像处理平台角度看,各种商业和开源软件的不断出现,使得变化检测更易于实现。
目前新的遥感变化信息检测方法:
(1)基于影像分割的变化检测方法
基本思路是将影像分割为若干具有相同影像特征(光谱特征、形状特征等)的图斑单元(或影像对象),通过对相应图斑单元的比较确定变化信息。
(2)组合法
是相对于单一的变化检测法而言的,是综合两种或两种以上的变化检测法检测遥感变化信息。
组合法的优点是显而易见的,可弥补单一方法的局限性,使各种方法优势互补;缺点是组合形式和规则不固定,需根据具体应用选择合适的组合模式。
(3)基于马尔科夫随机场模型的变化检测方法
该方法从统计模型的角度描述了当前像元与周围像元之间的关系,基本思想是将差值后的图像看作是一个马尔科夫随机场,估计每个像元变化和未变化的先验概率,依据最小错误率的贝叶斯准则提取变化区域。
优点在于顾及了像元领域的相关信息,且对噪声不敏感;缺点是模型复杂,计算量大。
但目前的遥感变化检测还存在一些不足之处。
首先,遥感变化检测的自动化程度较低。
遥感变化检测是一个复杂的综合过程,涉及图像配准、影像分割、图像分类、信息提取等过程,在现有技术水平下,各个子过程尚不能实现智能化处理,还需要较多的人工干预;其次,遥感变化检测方法的局限性。
大多数方法只能适用于特定的数据源、应用背景和数据质量,缺乏一种通用的变化检测方法,例如,变化向量法只能用于多波段影像,植被指数法需要数据源中含有近红外和红波段,还有一些检测方法要求数据服从高斯分布。
最后,遥感变化检测结果的评价方法单一。
目前只能通过构造分类误差矩阵,得到总体精度、Kappa系数等指标。
另外,变化检测流程中各步骤产生的误差对检测结果影响的大小及该误差传播过程和机理尚不能确定。
希望今后,遥感变化检测除了继续研究面向对象检测方法外,还能致力于解决自动化检测、检测方法的普遍性等问题。
随着各种光学卫星及雷达卫星运行服务,各种遥感数据的不断积累,各级空间数据库也相继建立,地球表面不同空间尺度的数据得以全面记录。
如何从这些遥感数据中提取和检测变化信息已成为遥感应用技术研究的重要课题。
参考文献:
陈鑫镖.遥感影像变化检测技术发展综述[J].测绘与空间地理信息,2012,35(9).
梅洋,陆苗.基于遥感影像的变化检测研究动态[J].地理信息世界,2006,4
(2):
42—47.
佃袁勇.基于遥感影像的变化检测研究[D].武汉:
武汉大学,2005.
陈颖.多时相遥感影像变化检测方法研究[D].苏州大学,2011.
马建文,等.遥感变化检测技术发展综述[J].地球科学进展,2004(4).
吴芳,等.遥感变化检测技术及其应用综述[J].地理空间信息,2007.
孟繁烁.基于遥感影像的变化检测方法综述[J].科技创新与应用,2012.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 遥感 影像 变化 检测