基于PCA光谱增强与区域扩散阈值确定的遥感影像变化检测算法

变化检测技术是从观测数据中有效地提取各种变化信息.本文针对变化检测中差异影像的构造和变化阈值的确定展开研究,首先将两期的遥感影像矢量叠加,然后进行主成分分析获得变化量,最后通过区域扩散阈值确定方法获得变化检测结果.通过与传统变化检测方法的实验比较,证明了该方法的有效性.     

采用独立阈值的遥感影像变化检测方法

针对在多时相遥感影像变化检测中常规阈值确定方法无法获取小比例变化量区域准确变化阈值,并导致变化检测失败的问题,提出了采用独立阈值的遥感影像变化检测方法。通过多时相遥感影像多尺度分割获取像斑,采用变化向量分析法计算像斑差异度;从像斑差异度中自适应选择满足期望最大化算法和贝叶斯最小误差率理论获取准确阈值条件的训练样本;将训练样本导入独立阈值法确定变化阈值,利用变化阈值对像斑差异度进行二值分割获得影像变化的检测结果。实验结果表明,采用独立阈值的遥感影像变化检测方法能够获得更准确的变化阈值,在城郊变化检测中平均漏检率较全局阈值法和局部阈值法降低了9.6%和17.24%,在城区变化检测中平均正确率较全局阈值法和局部阈值法提高了51.27%和35.42%。     

面向对象的高分辨率遥感影像建筑物变化检测

以武汉市东湖高新技术开发区部分区域为研究区,提出基于面向对象的高分辨率遥感影像建筑物变化检测法.利用BMI算法提取建筑物,利用CVA算法进行变化检测得到全部对象差异度,利用EM算法的贝叶斯阈值计算方法确定变化阈值.结果表明,基于面向对象的变化检测总体精度为89.48％,Kappa系数为0.86,优于基于像元的变化检测,...     

基于频域显著性方法和ELM的遥感影像变化检测

提出一种基于频域显著性(FDS)方法和极限学习机(ELM)方法进行遥感影像变化检测的方法.首先,对利用变化矢量分析方法(CVA)获取不同时相遥感影像的光谱特征差异图及纹理特征(灰度共生矩阵法)差异图进行融合获得差异影像(DI);然后,利用频域显著性方法获取差异影像的显著性图,采用模糊c均值(FCM)聚类算法对显著性图选取阈值得到的粗变化检测图进行预分类(变化像素、未变化像素、待定像素);最后,从光谱及纹理特征影像上提取变化像素和未变化像素的邻域特征作为可靠样本进行ELM训练,并利用训练好的ELM分类器对粗变化检测图进行变化检测,得到最终的变化检测图.通过对高分辨率遥感影像数据实验结果表明本方法的变化检测精度及性能优于其他对比方法.     

一种集成多分类器的面向地理对象遥感影像变化回溯分析方法

城市土地覆被变化分析在城市发展规划、环境保护研究等方面具有重要意义.在多期遥感影像变化分析中,存在多基于像元、分类器单一等问题,很难体现其优势.为了克服这些问题,提出了一种面向地理对象遥感影像变化回溯分析方法,将三种泛化能力较高的分类器适时应用在遥感影像变化分析框架的不同阶段.首先基于随机森林分类器完成基期影像(最新时间的影像)的土地覆被制图,然后基于与不同期的差异影像结合模糊C均值聚类与多阈值算法获得差异影像二值化结果,最后基于回溯分析获得不同时期影像的变化区域,使用支持向量机分类器获得变化检测结果.以Landsat影像为基础数据,在巴基斯坦伊斯兰堡1990-2018年间的4期影像变化分析中进行验证,并与两种不同方式变化检测方法对比.结果表明,提出的方法得到的4期影像变化检测总体精度平均达到81.4%,明显高于其他两种方法,证明该方法在遥感多期影像变化分析方面是有效的.     

基于MDL准则和EM算法的多光谱遥感影像变化检测

针对由实际遥感地物类型难以确定导致的多光谱遥感影像变化检测精度较低的问题,提出一种结合最小描述长度(MDL)准则的EM变化检测方法。首先,采用主成分变换与相关系数融合法相结合的方式构造差异影像;其次,利用分支数为k的高斯分布混合模型对差异影像进行建模,并利用MDL-EM算法自适应估计模型各参数;最后,利用基于统计最小错误率的Bayes判别准则确定变化检测的阈值来实现多光谱遥感影像变化检测。实际遥感数据验证结果表明,所提检测方法应用于多光谱遥感影像变化检测中是可行、有效的。     

基于GF-2号卫星影像的土地利用变化监测研究

针对土地利用变化中局部像斑变化较难提取和自动化监测较难实现等问题,该文提出了一种基于类别的矢量图与遥感影像变化检测方法。在矢量图约束下,对遥感影像进行影像分割获取像斑;提取像斑在遥感影像上的直方图特征,采用G统计量度量像斑之间的特征距离;利用像斑与其他相同类别像斑之间的特征距离,构建单波段上像斑的类别异质度,自适应加权组合各波段上像斑的类别异质度构建像斑的类别异质度;依据最大熵方法获取各地物类别对应的异质度阈值,以类别为单位对各像斑进行变化判别,获取变化检测结果。在GF-2号卫星影像上的实验验证了该方法的有效性,实现了矢量图与遥感影像的自动变化检测。     

基于遥感影像变化检测的土地调查监测应用研究

遥感影像变化检测是遥感应用研究的热点之一。针对土地调查监测工作,运用遥感影像变化检测方法,基于不同源卫星数据(Worldview-2、天绘)和同源卫星数据(高分一号),分别对湖南省两区片地表覆盖物进行了不同时点地类变化的检测,完成了面积合计34km2范围内的遥感影像数据变化分析,并通过外业实地考察核准了变化检测结果,验证结果显示遥感影像变化检测方法实现的地类变化识别准确率可达80%以上,从而证明了该方法在土地监测调查工作中的可行性。     

基于高分辨率数据的云南土地调查监测研究

遥感影像变化检测是遥感应用研究的热点之一。针对土地调查监测工作,运用遥感影像变化检测方法,基于不同源卫星数据(Worldview-2、天绘)和同源卫星数据(高分一号),分别对云南省两区片地表覆盖物进行了不同时点地类变化的检测,完成了面积合计34km2范围内的遥感影像数据变化分析,并通过外业实地考察核准了变化检测结果,验证结果显示遥感影像变化检测方法实现的地类变化识别准确率可达80%以上,从而证明了该方法在土地监测调查工作中的可行性。     

基于三维直方图聚类特性的非监督图像变化检测方法

针对图像非监督变化检测算法进行了研究,提出了一种新的检测方法. 基于差异图像的三维直方图聚类特性,利用改进的一维最大熵寻找三维直方图最佳的平面阈值和平面方向;由其共同确定三维直方图的最佳划分平面,将三维直方图划分成变化聚类和非变化聚类;再根据三维直方图聚类划分结果完成差异图像的变化检测. 理论分析和实验结果表明,该方法相对传统检测方法具有更好的检测性能.     

基于广义高斯模型的多时相SAR图像变化检测

基于广义高斯模型和Kittler-Illingworth(KI)准则获取SAR比值差异图像的最佳分割阈值,实现多时相SAR图像的非监督变化检测.以徐州市云龙湖畔同一地区2个时相的SAR图像为例进行了试验研究.试验结果表明:与其它的变化检测方法相比,所采用的变化检测算法能更有效地从多时相SAR图像中提取变化信息.     

基于面向对象和CART决策树方法的遥感影像湿地变化检测研究——以龙祥岛地区为例

以乌龙江流域龙祥岛地区为研究区,以两期不同水位的Landsat-8 OLI影像与高分一号(GF-1)PMS1影像为数据源,经过面向对象的分割技术,以CART(Classification And Regression Tree,CART)决策树方法挖掘不同地类的特征指数阈值,提取出该地区滩涂湿地并根据水位值进行变化检测分析.研究表明:GF-1 PMS1传感器8 m分辨率影像可以与Landsat-8 OLI传感器15 m分辨率影像结合进行变化检测,总体分类精度分别达到0.89和0.92;CART决策树算法与面向对象的分类方法相结合可以获得很好的分类效果,对于湿地滩涂信息提取具有高效快捷的优势,这种方法随着多元遥感的发展将展现巨大的应用潜力;水位变化对湿地滩涂的影响可以通过遥感影像进行检测分析,两期影像T1与T2两时刻水位高程分别为3.34 m与3.56 m,水位变化0.22 m,T1时刻河流水面面积为1 811.09 hm~2,T2时刻河流水面面积为2 092.34hm~2,两期变化增加的水面面积为281.25 hm~2,未变化面积为1 778.47 hm~2,占T1时刻总面积的98.20%,T1时刻内陆滩涂转化为T2时刻河流水面的面积为244.91 hm~2,占T1时刻内陆滩涂总面积的34.60%.     

面向对象的高分辨率遥感影像变化检测方法

变化信息是遥感图像中的一类重要信息,变化信息的自动检测是遥感图像智能解译的重要研究领域.利用面向对象分类技术,对一种同一地区不同数据源的高分辨率遥感影像采用了分类后比较的变化检测方法.介绍了方法原理,建立规则以及实现过程;最后利用提出的方法对同一地区不同时相的QuickBird影像和IKONOS高分辨率遥感影像实施了变化检测实验,结果表明将基于面向对象技术的变换检测方法用于不同数据源的高分辨率遥感影像变化信息的检测是切实可行的,并具有较高的提取精度.     

一种基于特征点的人工目标变化检测方法

提出了一种基于特征点的人工目标变化检测方法.该方法基于特征点影像片的相关运算,不仅对灰度偏差引起的伪变化有很好的抑制作用,而且对不同时相影像配准误差也有很强的容忍度.即使图像的配准误差在几个像元,使用该方法仍然可以得到较准确的变化检测结果,并可以得到统计意义下反映人工目标变化程度的变化率.     

基于XGBoost特征选取和迭加权相关权重矩阵的高分五号遥感影像变化检测

提出一种基于迭加权相关权重矩阵(IR-CWM),使用XGBoost机器学习模型训练选取特征变化波段,训练预测变化检测结果的方法 (IR-CWM-XGB).以国产高分五号(GF-5)高光谱遥感影像为数据源,经过预处理后,通过迭代加权得到迭加权相关权重矩阵(IR-CWM),然后经过XGBoost算法选取特征波段,选取随机样本进行模型训练,使用最终模型生成变化的结果.实验结果表明:本研究方法与变化矢量分析(CVA)变化检测方法、主成分变化矢量分析(PCA-CVA)变化检测方法、迭加权多元(IR-MAD)方法、卷积神经网络(CNN)等方法进行对比,本研究方法变化检测结果的Kappa系数和总体精度较高,误检率较低.     

一种扩展的土地覆盖转换像元变化检测方法

基于土地覆盖类型的遥感影像分类结果,改进了一种扩展的基于比较叠合像元的变化检测方法,用于分析城郊土地覆盖类型的变换情况.这种扩展的变化检测方法可同时实现多种土地覆盖类型间的变化检测,依据土地覆盖类型图像中不同类型具有不同的灰度值或RGB(三元色)值的特点,将灰度的或RGB彩色的土地覆盖类型图像重叠得到土地覆盖变化图像,从而统计各种土地覆盖类型的定量转化.以上海市嘉定区1989年、1995年、2001年和2006年4期Landsat TM遥感影像为例,应用该检测方法,计算了1989年及1995年、1995年及2001年和2001年及2006年3个年份间隔各种土地覆盖类型的面积变化和相互转换数据,验证了扩展的变化检测方法的适用性.     

集成基于对象影像分析与贝叶斯软融合的土地覆被变化检测

应用遥感数据进行分类后变化检测时,土地覆被分类误差会造成严重的误差累积效应,同时会导致土地覆被类型转换结果中经常出现不尽合理的情况.采用基于对象的影像分析方法,利用两期国产高分一号影像数据分析了兰州市建成区及其东南部边缘地区的土地覆被变化.通过分析研究区的特征,得到了研究区的土地覆被转移逻辑.利用贝叶斯软融合方法降低了土地覆被变化分类误差的累积效应,运用土地覆被逻辑,消除了不合逻辑的结果,变化检测结果总精度达到81.61%.最终得出了兰州市总体上沿沟谷地向周边东南方向延伸的发展模式.     

基于深度置信网络与数学形态学融合的遥感影像建筑物变化检测

当前人工调查土地资源利用情况具有较高的人力成本且劳动强度大,对其实现自动变化检测具有较高的理论和应用价值。将深度置信网络(deep belief network,DBN)应用于高分辨率遥感影像的建筑物变化检测,但DBN在变化检测时存在由误判现象造成的建筑物完整度欠缺、空间存在噪声等问题,提出DBN与数学形态学融合模型对高分辨率遥感影像建筑物进行变化检测。在遥感影像预处理基础上,标记少量明显的变化与未变化样本,利用搜索窗口从标记的区域获取大量带有标签的样本训练融合模型分类器对建筑物进行变化检测,检测方法准确率为94.76%,召回率为87.63%,F_1为91.06%。实验结果表明,该方法可以为建筑物的变化检测提供有效依据。     

利用多特征融合的面向对象的高分辨率遥感影像变化检测

针对高分辨率遥感影像变化检测中的一些难点和传统基于像元的变化检测方法的局限性,提出了一种多特征融合的面向对象变化的检测方法。为保证图斑的空间位置对应,首先利用改进的图像分割算法对两幅影像进行联合分割,然后统计图斑的多种特征,依据该特征进行变化向量分析,得到图斑的变化和非变化类型。最后,利用Quick Bird影像验证了该算法的可行性,检测结果明显优于传统基于像素的检测方法。     

基于GIS的变化检测技术探讨

本文针对变化检测中获取同质像斑较难的问题,提出应用GIS技术辅助分割获取同质像斑,进一步提出了基于历史矢量与双时相遥感影像的变化检测方法,实验结果表明,该方法能检测出80%变化的像斑,并能同时获取变化像斑的类别,证明了该方法的有效性。