（模式识别与智能系统专业论文）遥感影像变化检测算法及应用研究.pdf

摘要 摘要 遥感影像变化检测是通过分析同一地区不同时期的遥感影像，检测出该地区 中地物随时间发生变化的信息。随着n o a a a v h r r 、e o s m o d i s 、 m s s t m e t m 、s p o t 、c b e r s 、i r a 、i k o n o s 、q u i c k - b i r d 等光学和e r s 、 r a d a r s a t 雷达等系列卫星运行服务，遥感技术飞速发展发展，为了解决信息的 检测和数据库更新问题，变化检测已经成为当前遥感图像应用研究的一个重要方 向。本论文的主要工作如下： ( 1 ) 提出了基于动态聚类的高阶累积量交叉熵变化检测方法。基于概率统计 模型的变化检测方法是一种基于背景像元和目标像元之间分布差异的变化检测方 法。本文方法利用了高阶累积量能更好描述图像细节信息的特性，并且利用动态 聚类算法对图像像素进行聚类以优选参与运算的像元的特性。该方法在小尺度图 像变化检测中很好的保持了图像的边缘和细节。仿真实验结果证明了提出算法具 有良好的效果。 ( 2 ) 提出了基于区域分割和图像抑噪的变化检测方法。由于图像中各个区域 的变化阈值不同，对全图进行统一阈值变化检测容易产生错检现象。区域分割可 以对局部进行变化检测，从而提高变化检测精度，减少错检。本文提出了一种新 的区域分割变化检测方法，是对差异图进行二次区域分割，并利用区域分割结果 图像像元的聚合程度判断区域图像中是否含有变化像元，然后叠加分割结果，根 据分割结果构造新的差异图像并分类提取变化区域。本文提出的方法很好的解决 了区域检测中边界部分检测连续性差的问题。 ( 3 ) 提出了基于邻域相关的阈值分割算法。图像分割方法中像素级的自适应 阈值分割方法一直占有重要地位，长久以来发展处很多自适应阈值分割算法。但 图像在产生和传输过程中，不可避免的受到噪声的影响干扰，使得图像的质量变 差甚至产生畸变，导致分割结果中存在许多错检。本文用邻域中像素之间的关系 对分割后的图像进行处理，剔除误检的像元，改善检测结果。仿真结果证明了提 出算法在保存变化目标信息的基础上，极大地提高了变化检测精度。 本文工作得到国家自然科学基金( n o 6 0 7 0 3 1 0 9 ) 和博士点基金 ( n o 2 0 0 7 0 7 0 1 0 1 6 ) f 撇助。 关键词：变化检测动态聚类累积量区域分割 a b s t r a c t i i i a b s t r a c t r e m o t es e n s i n gi m a g e sc h a n g ed e t e c t i o ni sap r o c e s st h a ta n a l y z e sap a i ro f r e m o t es e n s i n gi m a g e sa c q u i r e do nt h es a m eg e o g r a p h i c a la r e aa td i f f e r e n tt i m e si n o r d e rt oi d e n t i f yc h a n g e st h a tm a yh a v eo c c u r r e db e t w e e nt h ec o n s i d e r e da c q u i s i t i o n d a t e s w i t ht h ed e v e l o po fs a t e l l i t e ，s u c ha sn o a a a v h r r 、e o s m o d i s 、 m s s t m e t m ，s p o t ，c b e r s ，i r a ，i k o n o s ，q u i c k b i r da n de r s ， r a d a r s a t ，r e m o t es e n s i n gt e c h n o l o g yd e v e l o pr a p i d l y i no r d e rt os o l v et h e q u e s t i o no fi n f o r m a t i o nd e t e c t i o na n dd a t a b a s eu p d a t e ，c h a n g ed e t e c t i o nh a sb e c o m e a ni m p o r t a n tr e s e a r c hd o m a i no fr e m o t es e n s i n gi m a g e s ( 1 ) t h ec h a n g ed e t e c t i o nm e t h o d sb a s e do np r o b a b i l i t ya n ds t a t i s t i c sm o d e l s ，s u c h a sa l g o r i t h m sc u m u l a n t - b a s e d ，a r eg o o da tp r o c e s s i n gt h ei m a g e s 晰t hd i f f e r e n c e b a c k g r o u n dp i x e l sa n dt a r g e tp i x e l s c o n s i d e r i n gt h ea d v a n t a g e so fa l g o d t h r n s c u m u l a n t b a s e da n dd y n a m i cc l u s t e r i n ga l g o r i t h m ，d e s c r i b i n gd e t a i l sf e a t u r e so f i m a g e sa n dg e t t i n gb e t t e rc l u s t e r i n gr e s u l t sr a p i d l y , ac h a n g ed e t e c t i o nm e t h o db a s e d o nc u r n u l a n t - b a s e dk la p p r o x i m a t i o n 、析t ht h ed y n a m i cc l u s t e r i n gi sp r o p o s e di nt h i s p a p e r t h i sm e t h o dc a l lg e tv e r yg o o di m a g ei n f o r m a t i o na n de d g e sf o rs m a l l - s c a l e i m a g e s s i m u l a t i o n r e s u l t ss h o wt h a tt h e p r o p o s e da l g o r i t h m m a k ea g o o d p e r f o r m a n c e ( 2 ) ac h a n g ed e t e c t i o nm e t h o db a s e do nr e g i o ns e g m e n t a t i o na n dn o i s er e m o v a li s p r o p o s e d t h e r ea r ed i f f e r e n tt h r e s h o l d si nd i f f e r e n tr e g i o n s i fat h r e s h o l di su s e di nt h e w h o l ei m a g e ，t h e r ea r em a n ye r r o r sw i l lb eg e n e r a t e d u s i n gr e g i o ns e g m e n t a t i o nt o d e t e c tr e g i o n sc h a n g ec a ni m p r o v ed e t e c t i o na c c u r a c y t h en e wc h a n g ed e t e c t i o n m e t h o dp r o p o s e ds e g m e n t st h ed i f f e r e n c ei m a g et w ot i m e sa n da d d st h er e s u l t st o c o n s t r u c tan e wd i f f e r e n c ei m a g e o u rm e t h o dc a l ls o l v et h ep r o b l e mo fp o o rc o n t i n u i t y a b o u tb o u n d a r y ( 3 ) t h ea d a p t i v et h r e s h o l ds e g m e n t a t i o nm e t h o dh a sa l w a y sb e e np l a y i n ga l l i m p o r t a n tr o l e m a n ya d a p t i v et h r e s h o l ds e g m e n t a t i o na l g o r i t h m sh a v eb e e nd e v e l o p e d b u tm o s to ft h e mc a l l g i v ear e s u l tc o n t a i n i n gm a n yw r o n gp i x e l sw h e np r o c e s s i n g i m a g e sw i ln o i s e s i nt h i sp a p e r , an e w t h r e s h o l di m a g es e g m e n t a t i o nm e t h o db a s e do n t h er e l a t i o n s h i po ft h ep i x e l si nt h en e i g h b o rr e g i o ni sp r o p o s e d i no r d e rt or e j e c tf a l s e d e t e c t i o na n di m p r o v et h ed e t e c t i o nr e s u l t ，t h er e l a t i o n s h i pb e t w e e na d j a c e n tp i x e l si s 遥感影像变化检测研究 u s e dt op r o c e s st h es e g m e n t e di m a g e s i m u l a t i o nr e s u l t ss h o wt h a tt h ep r o p o s e dm e t h o d c a ng r e a t l yi m p r o v et h er e s u l t so fc h a n g ed e t e c t i o no nt h ec o n d i t i o no fs t o r i n gt h et a r g e t i n f o r m a t i o n 1 1 1 i sw o r kw a ss u p p o r t e di np a r tb yt h en a t i o n a ln a t u r a ls c i e n c ef o u n d a t i o no f c h i n a ( n o 6 0 7 0 310 9 ) a n dt h er e s e a r c hf u n df o rt h ed o c t o r a lp r o g r a mo fh i g h e r e d u c a t i o n ( n o 2 0 0 7 0 7 01016 ) k e y w o r d s ：c h a n g e d e t e c t i o n d y n a m i cc l u s t e r i n g c u m u l a n t r e g i o n s e g m e n t a t i o n 独创性( 或创新性) 声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不 包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或 其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做 的任何贡献均已在论文中做了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名： 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，e p 研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。本人保证毕 业离校后，发表的论文与本论文工作成果有关时署名单位仍然为西安电子科技大 学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文 的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。( 保密的 论文在解密后遵守此规定) 本人授权西安电子科技大学图书馆保存学位论文，并同意将论文在互联网上 发布。 本人签名：羔丝叁 导师签名：j 狸蜱 第一章绪论 第一章绪论 1 1 研究的背景和意义 随着n o a a a v h r r 、e o s m o d i s 、m s s 厂i m t m 、s p o t 、c b e r s 、i r a 、 i k o n o s 、q u i c k b i r d 等光学和e r s 、r a d a r s a t 雷达等系列卫星运行服务，实 现了遥感数据长周期积累，各种基于遥感数据的空间数据库也相继建立，记录了地 球表面1 0 0 0m 、3 0 - - - 1 5m 、 s m 等不同空间尺度时序变化信息。据粗略统计，遥感 复轨观测到的地表年变化信息占整个信息的1 0 左右【l 捌，许多和监测有关的问题 都可以以变化检测问题的形式提出。变化检测是通过不同时间的观测，来识别对 象状态变化的过程。从卫星得到的遥感数据的一个重要应用是变化检测。变化检 测技术在许多环境监测研究中广泛应用，如土地利用分析、森林采伐监测、灾情 估计等。由于卫星在大范围区域侦察的优势，变化检测技术在军事上也有着广泛 的应用。目前有许多军事目的应用研究，如人造目标检测、地面武力部署分析等。 图像变化检测技术旨在检测相隔一段时间的图像之间发生的变化。图像变化 检测技术主要依赖于辐射值或者局部纹理的变化。这些变化可能是由于地表覆盖 的真实变化引起的，或者是由照射角、大气条件、传感器精度、地面湿度等条件 变化引起的。变化检测的基本前提是相对于由一些随机因素引起的变化由对象本 身变化引起的辐射值或局部纹理的变化是可分的。 遥感应用与新技术发展互相促进。2 0 世纪7 0 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；9 0 年代早期g i s 技术的发展促进了遥感数字图像处理与g i s 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。 9 0 年代中期开始，美国n a s a 喷汽实验室( j p l ) 、大学和研究机构先后开展了多领 域的遥感影像变化检测技术研究，包括m o d i s 数据植被变化检测、e t m 土地覆盖 土地利用项目( l c l u c ) 的地表覆盖变化检测、水资源质量的变化检测、多光谱遥 感数据变化自动检测技术、i k o n o s 军事目标的变化检测、利用干涉雷达检测地震 等，形成一批面向应用的遥感变化检测研究成果，如后分类影像相减比较变化检 测技术，海岸线变化检测技术1 3 巧】、光谱维空间向量( c h a n g ev e c t o ra n a l y s i s ，c v a ) 森林变化检测技术、高光谱分析( s p e c t r a lm i x t u r ea n a l y s i s ，s m a ) 变化检测技术等 6 - 9 1 。由于时空尺度、检测算法和精度要求与所采用的影像空间、光谱、时域及被 识别的专题密切相关，采用的方法不同，结果将有较大的差别，因此变化检测一 般需要采用两种以上的方法进行变化信息的提取，以防有漏判及错误；同时要将 基础地理信息和定位信息作为遥感变化检测辅助数据，提高变化检测精度【1 0 , 1 1 】。 2 遥感影像变化检测算法及应用研究 显然，变化检测技术对遥感图像纠正、匹配和特征提取各个环节提出了更高的要 求，强调了数据库辅助数据支持变化检测分析的重要性 1 2 - 1 4 j 。 进入2 l 世纪，我国正在从航天大国迈向航天强国。主要标志是至1 j 2 0 0 6 年环境 减灾小卫星发射后，将形成气象、资源、海洋和环境减灾4 个民用卫星系列。在遥 感应用方面，经过国家“七五”、“八五”、“九五”计划的支持，遥感应用技术不断普及， 研究部门和行业相继建立了遥感应用业务运行系统，形成t b 级、g b 级遥感、g i s 与g p s 空间数据集，国家和部门分布式数据库系统也应运而生，并且不断发展和完 善。科研部门产生的“科学分析数据”和行业部门产生的“行业权威数据”相继运行， 在国家、省、市、行业等各个层面为国土资源和城市土地资源调查、森林资源监 测、环境变化监测、灾害预报与评估、国家重大生态工程监理、突发事件监控与 决策方面发挥了不可替代的作用，但是也存在一些急待解决的问题。如行业部门 往往按固定周期更新( 如5 年1 个周期) ，在周期跨度内目标开始和结束的变化结果差 别较大；传统技术采取屏幕的手工更新，效率低、误差大；更新数据的管理和传 输需要建立统一的标准等。遥感变化检测技术，特别是变化信息自动检测系统是 解决这些实际问题的重要技术途径【1 5 1 。7 1 。总之，以遥感数据为基础、不同行业和 科研部门的空间数据库已经建立起来，现都面临着更新。在这个需求背景条件下， 遥感变化检测技术逐渐发展起来，工程化、产业化趋势正在显现，我们要抓住这 个发展机遇，开发适合我国遥感应用和运行体系的变化检测技术系统，推动遥感 技术的应用和发展。 1 2 本文研究的内容 变化检测的理论和技术方法主要由数据选取和预处理、变化检测、检测 结果评估三大部分组成。数据选取和预处理包括了遥感影像及辅助数据的选择获 取，多时相影像数据的几何配准和辐射校正等，变化检测就是选用行之有效的方 法手段从影像中提取变化信息，检测结果精度评估是指采用定量指标评价变化检 测结果的精度水平。本文针对遥感图像的独特特点，主要完成了三个方面的工作： ( 1 ) 提出了运用动态聚类和高阶累积量交叉熵算法构造差异图像的方法。针对 高阶累量几乎无法检测小尺度变化检测的缺点，本文用动态聚类方法将图像聚类 提取具有共性的样本点，然后再运用基于邻域信息的交叉熵算法进行变化差异图 构造。该方法适用于遥感影像的变化检测。 ( 2 ) 提出了基于区域分割和图像抑噪的变化检测方法。针对图像整体分类时由 于目标像素值的范围不一致导致个别目标缺失的问题，本文提出了基于区域的分 割方法，针对区域分割过程中出现的过分割问题，提出了用噪声系数判别的方法。 该方法适用于遥感图像变化检测中的差异图像构造。 第一章绪论 3 ( 3 ) 提出了对自适应阈值分割结果运用邻域像元之间的关系去除噪点，得到更 精确检测结果的方法。针对像素级的分割结果容易产生大量噪点的缺点，本文提 出了通过邻域内像元之间的关系获取图像变化结果的方法。该方法适用于遥感图 像变化检测中的差异图像分类。 论文共分六章，各章内容安排如下： 第一章是绪论。阐述了本论文的研究背景和意义，并描述了本论文的研究内 容。 第二章讨论了遥感变化检测的基本流程，并阐述了变化检测的相关方法。 第三章是基于动态聚类的高阶累积量交叉熵变化检测方法。详细介绍了动态聚类 算法和高阶累积量交叉熵算法在遥感影像变化检测中如何构造差异图像。 第四章是基于区域分割和图像抑噪的变化检测方法。详细介绍了区域分割方 法，以及其在遥感影像变化检测中的应用。 第五章是基于邻域相关的阈值分割变化检测方法。介绍了用邻域信息进一步 分割o t s u 阈值分割、p 氏熵阈值分割和k s w 熵阈值分割的检测结果。 第六章是总结与展望。对本论文的研究进行了总结，并对今后进一步的研究 工作做了展望。 第二章遥感图像变化检测技术 第二章遥感图像变化检测技术 环境和持续发展相关的许多地学现象是动态变化过程，研究这一变化过程也 是测绘工作者热衷的事业。随着对地观测技术的发展，获取多通道、多时相遥感 图像的能力已大大提高，可为这些动态过程的研究提供丰富的信息源。但是由于 地球系统的开放性、复杂性和不确定性，如何有效地提取所需的信息，是当前对 地观测领域急需解决的问题。通过对不同时相的遥感图像之间的变化检测，提取 变化信息，一直以来是这一领域其中的课题之一。 2 1 变化检测的基本流程 一个完整的遥感图像变化检测处理流程一般包含：遥感数据源的选取、数据 预处理、变化检测、精度评估、产品输出，如图2 1 所示：下而简要介绍其中几项 关键任务，包括数据预处理，变化检测和检测结果精度评估。 图2 - 1 遥感图像的一股步骤 2 1 1 数据预处理 对遥感图像数据的数据预处理包括图像增强与滤波、图像裁剪、图像镶嵌、 几何校正【1 8 】和辐射校正等，其目的是为了突出检测对象，提高解译能力，确定并 定位研究区域。在这些预处理过程中几何校正和辐射校正对变化检测结果的影响 最大，因此显得十分关键。 变化检测过程需要对同一地物的不同时相数据进行综合分析，从某种意义上 来说需要“叠合”同一地物不同时相的数据，显然这种处理是需要一致的位置参考 的。由于飞行器平台和传感器姿态、大气传输、地形起伏以及传感器成像几何性 能等因素的变化常常会引起图像几何的线性和非线性畸变，使得不同时相获取的 图像在同一坐标位置上对应的地物不一致【1 9 】。为此，变化检测之前要对检测数据 进行几何校正。校正的方式有两种，根据具体的应用情况选择采用：一种是遥感 6 遥感影像变化检测算法及应用研究 图像相对丁1 时相参考数据进行相对几何校正；另一种是遥感图像和丁1 时相参考数 据都相对其他的参考坐标系统进行纠正，纳入到同一几何基准下。几何校正的精 度对变化检测结果的精度影响非常大，精度低的几何校正结果会导致大量的伪变 化。j e n s e n e t a l 认为对于航空遥感图像2 2 6 个像素的配准精度就足够了，m i l n e a k 认为几何校正误差应该小于一个像素，t o w n s h e n d e t a l 用l a n d s a tm s s 数据对几何配 准误筹对变化检测结果的影响进行了定量研究，认为要获得9 0 的检测精度配准 精度要小于0 2 个像素。不同的应用条件和目的以及小同的变化检测方法对几何校 正精度要求不同，因此需要提供一种定量分析方法，具体问题具体分析，从而保 证几何校正精度对变化检测结果影响最小 2 0 1 。 当丁1 和r 2 时相观测的数据都是遥感图像时，如果采用基于灰度比较的变化检 测方法，则在检测前要进行辐射校正。基于图像灰度的变化检测方法前提是相同 的地物在图像上有相同的灰度，地物的时相变化在图像灰度上有明显的不同或者 地物的时相变化是可以从其他因素引起的灰度变化中区分出来的，其他因素引起 的灰度变化包括传感器标定、太阳高度角、地面潮湿度以及季节变化等引起的相 同地物的灰度变化。要使不同时相图像上的相同地物具有相同或相近的灰度就需 要对图像进行辐射校正。辐射校正包括绝对和相对校正两种方法。通过绝对校正 模型去除大气传输影响，使得校正后的图像灰度能够反映真实的地物光谱反射率， 恢复地物的本来面目，常用的模型有6 s ，m o d t r a n ，f l a a s h 和a t c o r 等。相对辐 射校正就是选择一幅参考图像，其他图像以其为标准进行归一化处理，常用的有 回归和直方图匹配方法等。 当n 时相的参考数据不是遥感图像时，除了需要进行辐射校正外还可能要进 行数据格式转换、向量化采集以及专题数据抽取等处理【z l j 。 2 1 2 变化检测 变化检测就是要根据应用情况选择合适的方法，提取变化信息，并加以分析， 最后以变化分布图和数据表格的形式输出检测成果。变化检测是整个过程的核心， 它决定着数据的准备和预处理，同时项目的实际情况也制约着变化检测方法选择 范围。一个好的检测方法应该有好的抗干扰能力。常用变化检测方法有：代数运 算方法、变换类方法、分类比较方法、灰度比较方法、可视化分析方法、回归分 析方法、变化向量方法、特征分析方法、主成分分析法等。 2 1 3 精度评估 变化检测结果的精度对于评估不同检测方法，地物时相变化规律分析以及管 理决策都是十分重要的，它表明了结果的可靠性。常用的精度评估指标有总体精 度、漏检率、虚检率等。变化检测类似于图像分类，不同之处在于变化检测的结 第二章遥感图像变化检测技术 7 果只有两类：变化与没有变化。因此对变化检测的精度进行确切而有效的量化分 析，是评价某中变化检测方法性能的客观依据【2 2 乃】。根据变化信息检测的不同层 次，将变化检测的性能评估分为三个层次： ( 1 ) 像元的检测评估，即判断是否检测出该像元处发生的变化。 ( 2 ) 特征的检测评估，即判断是否检测出该特征发生的变化。 ( 3 ) 目标级的检测评估，即判断是否检测出该目标发生的变化。 地物的变化包括地物结构的变化和地物属性的变化，目前变化检测的性能评 估基本上是集中在地物结构变化的分析上。而在针对地物结构变化的性能评估中 主要评估变化检测算法对变化区域( 面积) 的检测性能，也就是像元级评估，而对于 特征级以及目标级的评估则很少涉及。这主要是因为特征级与目标级的性能评估 难以找到客观的评价体系和参考标准。而对于变化区域的评估方法主要源自遥感 图像分类的精度评估，这是因为像元级的变化检测基本上都需要是通过图像分类 来实现。这样从图像分类的分类误差矩阵演化来的变化检测误差矩阵作为一种定 量的变化检测性能评估方法，是目前变化检测性能评估的主要方式【2 4 】。 变化误差矩阵是根据传统评价分类精度的分类误差矩阵而提出的一种评价变 化检测的指标，对变化检测的总体有效性进行定量化的评价。一种简单的变化误 差矩阵如表2 1 所示： 表2 1 变化误差矩阵 实际的变化像元c t实际的费变化像元c f 检测出的变化像元c oc ec e , 检测出的非变化像元c lc 灯c e 在变化检测的变化误差矩阵中，没有检测误差情况下存在的变化与非变化像 元分别为c ，和c ，；应用变化检测方法得到变化与非变化像元为c 0 和g 。则可以得 到真正检测出的变化像元为，并且有：c 厶= c ，f l c o ；由于检测误差而产生 的虚警变化像元为c 向，且c 向= c i c c 0 且c c r ；由于检测误差引起的漏 警变化像元为c 扣，且c 护= t i c c l 且c c 。 根据前面变化检测误差矩阵中各项的定义，变化检测的性能可以通过下面的 参数来定量分析： 检测概率： 虚警率： 漏警率： 总的检测误差： 气= c i d | c o ； 易= c o ； 气= c ，| c o ； 弓= 厶+ 0 。 遥感影像变化检测算法及应用研究 2 2 变化检测方法介绍 遥感图像的变化检测一直是遥感应用研究的热点之一，从现有的资料分析中 可以看出，目前变化检测方法大体上可分为以下几类：一是基于分类的变化检测 方法，即根据变化前后图像的分类结果进行变化检测。二是基于不同时相图像的 像素级的灰度变化的比较或住灰度变化的基础上进行相关的分析，利用分析的结 果进行变化检测。三是基于不同时相图像的特征级变化检测【2 5 1 。近年来，科学工 作者又提出许多新方法。一些方法不仅利用图像的灰度特征、形状特征、空间特 征，而且利用了图像的纹理特征、结构特征。在处理算法上采用了小波变换，神 经网络等；另一些方法基于对不同时相图像处理的基础上，再对处理后的图像进 一步处理，如统计分析的分类、马尔科夫场的纹理分析，以确定变化区域。现将 几种主要的变化检测方法进行阐述与分析 2 6 , 2 7 】。 2 2 1 分类比较法 分类比较法包括两种：一种是分类后比较法，另一种就是多时相图像直接分 类法也称为光谱时相分类法。 ( 1 ) 分类后比较法 分类后比较法是一种很直观的变化检测方法，要求对每- - n 图像单独进行分 类，然后对多时相图像的分类结果图像进行比较，检测出感兴趣地物的变化信息， 而且可以提供变化类型信剧2 8 捌。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。分类后图像可以用人工目视比较或者计算机比较。此 方法的主要缺点是分类错误有组合影响，变化检测的精度等于每幅图像分类精度 的乘积。分类结果比较法经常用于检测非城区向城区、森林向农田的转化、土地 利用变化、湿地和森林检测等。由于不同时相是独自先进行分类的，因而可以消 除大气、传感器、季节和地面环境等因素对不同时相图像的影响。然而，这种方 法的关键是分类，变化检测结果精度取决于分类结果精度，由于产生高精度分类 结果往往比较困难，从而会导致变化检测结果的精度不高和结果的不确定性1 3 们。 ( 2 ) 多时相图像直接分类法 多时相图像直接分类法是把不同时相的图像看作同一时相不同波段的图像， 用分类的方法检测出发生了变化的类别【3 l 】。直接分类的方法理论上比较简单，但 在实际应用中往往由于一起分类的图像数目多而变得复杂，一种处理方法可以先 进行主成分分析法( p r i n c i p a lc o m p o n e n t sa n a l y s i s ：p c a ) 变换压缩冗余信息，选取 其中几个主分量进行分类。直接分类法只能区分变化与未变化，不能给出变化类 型信息。另外，不同时相的图像最好来源于同一传感器，因为不同传感器对同一 第二章遥感图像变化检测技术 9 地物的光谱响应不同，这在分类中很容易被分为不同的类而认为发生了变化。 基于分类的变化检测方法的关键是分类，在模式识别中分类方法有很多，从 大的分类来说有监督和非监督分类方法。在监督分类中，属于变化和没有变化区 域的训练样本用来推导一些统计量，以定义特征空间的子空间；在非监督分类中， 通过聚类分析决定类别。直接的多时相图像分类用于检测海岸区域或森林区域的 变化，经常能够得到较好的结果。此方法主要应用于多波段图像。 2 2 2 代数运算法 代数运算类变化检测方法包括：图像差值法、图像比值法、变化向量分析法、 相关系数法和内积分析法等方法 3 2 删。 ( 1 ) 图像差值法 图像差值法对多时相图像中对应像素的灰度值进行相减，结果图像代表了两 个时间图像的变化。表达式如式( 2 1 ) 。 图像差值法可以应用于单一波段( 称作单变量图像差分) ，也可以应用于多波段( 称 作多变量图像差分) 。应用一些辐射校正来减少照射角、强度和视角变化的影响。 d 瞄一_ 可k - 2 ，一 k ( ) + c ( 2 一1 ) 其中“，为像素坐标值，k 为波段，r 2 为第一幅图像时间、第二幅图像时间， c 为常量，用来使瞒为正值。 由于最后只要找到变化的区域，因此对于变化的方向就显得不重要了。为此 更改图像差值公式( 2 1 ) 为公式( 2 2 ) ： 瞄= k ( 2 ) - 4 ( ) l ( 2 2 ) 对差值图像进行统计处理，计算差值图像的均值和标准差。如果差值图像中 像素的灰度值满足公式( 2 3 ) ，就认为该像素发生变化。 联- m 乃s t d( 2 - 3 ) 其中册为差值图像均值，s t d 为差值图像标准差，乃为门限值。 由于对应像素灰度值直接相减的效果很差，一般都取窗口，用窗口均值代替 窗口中心像素的灰度值进行计算。 其次纹理特征差值法，灰度共生矩阵强调灰度的空间依赖性，其特点是体现 了在一种纹理模式下的像素灰度的空间关系，此外用图像区域纹理特征值作为该 区域中心像素的变化检测对象。常用的纹理测度有熵、惯性矩、局部平稳性等。 再次图像回归法，在图像回归变化检测方法中，时间r 1 获得的图像中的像素应 该可以表示成时间厶获得的图像中的对应像素灰度值的一个线性函数，所以我们可 以使用最小均方误差估计来估计此线性函数。如果两幅图像( f ，) 点处的像素灰度 值分别为苟( f 1 ) 和呓( t 2 ) ，其中k 表示波段数。由菇( f 1 ) 经过估计出的线性函数计 1 0 遥感影像变化检测算法及应用研究 算得到的第二幅图像对应像素估计值为群( 乞) ，则差值图像可以表示为： 磷= 笱( r ：) 一苟( ，1 ) ( 2 - 4 ) 通过选择合适的阈值，可以确定变化的区域。图像回归法可以用于处理不同 时期图像的均值和方差存在差别的情况，所以不同的大气条件和太阳角的影响被 减小了。 然后图像植被指数差分法，植被指数差分方法与图像差分方法比较相似，用 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。植被指数通常选用绿色植物强吸收的可见红光( 6 0 0 - 7 0 0 n m ) 和强反射的近红 外波段( 7 0 0 11 0 0 n m ) 作为组合，植被在这两个波段中的光谱响应差别明显，这种差 别随着树冠结构、植被覆盖而变化，因而可以定义它们之间的比值、差分和线性 变换等运算来增强和揭示植被信息。对于植被指数的定义有多种，常用的模型有： 比值植被指数( r a t i ov e g e t a t i o ni n d e x ：r v i ) 、归一化的植被指数( n o r m a l i z e d d i f f e r e n c ev e g e t a t i o ni n d e xv ：n d v i ) 和调整土壤亮度的植被指数( s o i l a d j u s t e d v e g e t a t i o ni n d e x ：s a v i ) ，公式( 2 5 ) 给出了表达式，式中n i r ，r 和l 分别为近红外、 可见红色波段像素值和土壤调节系数。 r v i ：坐 r n d v i = n i r r( 2 - 5 ) s a v l ：f 塑生1 f 1 + 三) , n i r 七r - i - l ) 、 应用植被指数作为检测特征针对性强，排除了非植被信息的干扰，增强了植 被在不同波谱段的物理特性，同时抑制了传感器、大气、地形和光照等因素引起 的伪变化干扰，但同时植被指数检测方法也增强了随机噪声和相关噪声。 同时反射率差值法，反射率定义为反射的电磁波与入射波数量的比值。在反 射率差值法中，计算每个像素的反射率来生成反射图像，图像的灰度值与反射率 成正比，两幅反射图像的差值代表了反射率的差异。 还有矩特征差值法，若将图像看作一个二维随机过程，标准化的中心矩具有 平移、旋转、比例及线性变换不变性等优良性质，因而适应于作描述图像的特性。 在理论上，足够多的一组矩就可完全描述任何图像，与任何其他变换一样，低阶 矩描述的多是能量分布较大的粗犷信息，而高阶矩多描述图像中的细节信息。用 图像区域不同的矩特性作为该区域中心像素的变化检测对象。 最后归一化图像差值法，归一化图像差值法对原始图像差值法作了一点改变， 在这一方法中，两幅图像在比较之前进行了归一化，产生了具有可以比较的均值 和方差的图像，经过归一化后的图像再相减生成差值图像。有很多方法可以进行 第二章遥感图像变化检测技术 归一化，最常用的方法是使用均值和方差。图像的归一化可以通过以下公式进行： 段= 嚷+ 瓯( 一瓦) ( 2 6 ) 其中是第七个波段的像素值，瓦为给定图像第七个波段的均值，以是第七个波段 的输出值，q 和玩是参数，可以分别表示为： c 吼= 忍，玩= 孚 ( 2 7 ) ) 嫱 其中厦为以的均值，和分别为黾和段的标准差。 归一化图像差值方法可以提高检测的性能，但是变换系数的选择非常重要， 而且在归一化过程中，均值和方差需要在变换前进行计算，增加了程序运行的时 间。 ( 2 ) 图像比值法 图像比值法计算已配准的多时相图像对应象素的灰度值的比值，如果在一个 象素上没有发生变化，则比值接近1 ，如果在此象素上发生变化，则比值远大于或 远小于1 ( 依靠变化的方向) ，方程式如下： l ， = 笋 ( 2 8 ) 以t 2 j 式中：凡为比值图像像素值，五。f 和五：l ，分别为时相和时相乞图像的像素值。 比值方法的优点就是通过除法运算可以消除一些由于太阳高度角、阴影和地 形引起的乘法误差，缺点是生成的结果图像往往不服从正态分布，给分析带来了 一定的困难。 ( 3 ) 变化向量分析 多光谱遥感图像数据可以用一个具有与图像光谱分量相同维数的向量空间来 表达。图像中一个特定的像素可以用此向量空间中的一个点来表示，向量空间的 坐标与相应光谱分量的亮度值有关。因此，与每个像素有关的那些数据值在多维 空间中定义了一个向量。如果一个像素在时间到t 2 内发生了变化，向量描述的变 化可以用岛时的向量与时的向量的差来定义。这个差向量就称为光谱变化向量。 如果使用这个变化向量分析两个时间图像的变化，则我们称它为变化向量分析法。 如果光谱变化向量的幅值超过了某个特定的阈值，就认为发生了变化。这个向量 的方向包含了变化类型信息。这个方法可应用于森林变化检测，和土地使用变化 检测3 5 婀。 ( 4 ) 相关系数法 相关系数法计算多时相图像中对应像素灰度的相关系数，结果代表了两个时 相间图像中对应像素的相关性。一般是取窗口，计算两个图像中对应窗口的相关 1 2 遥感影像变化检测算法及应用研究 系数，来表示窗口中心像素的相关性。如果相关系数值接近1 则说明相关性很高， 该像素没有变化；反之，则说明该像素发生了变化。通过公式( 2 - 9 ) 得到相关系数， 如果相关系数，满足公式( 2 1 0 ) ，就认为该像素发生变化，丁为门限值。 ( 一万) ( - y ) 勺= 雩= m = = 只一 ( 2 9 ) 甩为一个窗内所有像素的个数，i ，罗分别为待配准图像和基准图像的相应窗内像 素灰度的平均值。 ，z( 2 - 1 0 ) ( 4 ) 内积分析法 在内积分析方法中，像素灰度值被看作是多光谱的向量，两个向量之间的区 别通过两个向量间夹角的余弦来表示，这一方法的本质就是如果两个向量彼此一 致，内积就等于1 ；如果两个不同时期的对应像素发生了改变，内积就会在1 和l 之 间变动，生成一幅单波段图像来记录内积，根据内积的不同值来体现图像变化。 设x ，y 为取自两幅不同时间图像对应像素的光谱向量，两向量的内积可以表 示为： ( x ( ) ，x ( ，2 ) ) = x ( ) 。x ( f 2 ) 七 ( 2 - 1 1 ) 表面反射值的差异可以表示为： d ：丝窒丝l 一 ( 2 - 1 2 ) ( x ( ，1 ) ，x ( ，1 ) ) ( x ( ，2 ) ，石( ，2 ) ) 。 由于有1 u ：u = 彳x ，假设前面k 对典 型变量以和k ( f _ 1 ，2 ，尼) 充分反映了肖和】，之间的相关性，则后面的p 一后对典型 变换+ ，和圪+ ，( j = 1 ，2 ，p - k ) 充分反映了x 和y 之间的不相关，从而p - k 对典 型变量之差以+ ，一圪+ ，应该最大限度地包含了x 和】，之间的不同信息。确定一组线 性变换彳和印对不同时相的遥感图像置互，盯、墨：l ，分别做典型变换，使得五。玎、 x ，相关系数最大，从中寻找相关最小的线性组合对，它们之间差值就包含了五协、 置川之间的时相变化。 m 变换法消除了光谱和时相之间的相关性，突出了时相差异，对尺度不一致 和辐射畸变不敏感。在实际应用中通过选取样本来计算变换系数q 和岛，容易受到 噪声的干扰，变化信息往往不能完全集中。 1 4 遥感影像变化检测算法及应用研究 2 2 4 特征分析方法 特征级变化检测是指运用不同算法，首先从初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，其原 理框图如图2 2 。 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p 8 ，3 9 1 。可以分为：边缘特征 检测方法和点特征检测方法。 t l 时 相遥 感图 像 他时 相遥 感图 像 特 征 提 取 基于 特征 分析 的变 化检 测 变化 像元 ( 区 域) 输出 图2 - 2 特征级变化检测 ( 1 ) 边缘特征检测法 边缘检测法通过提取多时相图像边缘，再比较边缘图的差异，标注的差异边 缘就是变化目标的轮廓。边缘检测法一般用于检测线性体目标的变化。该方法的 优点是比较稳健，它不敏感于光照条件和视角差异【4 0 1 。 ( 2 ) 点特征检测法 特征点是指图像中具有复杂纹理特性的特殊点，例如角点、拐点、交叉点等， 是一种很有用的图像特征。该方法主要用于利用高分辨率的遥感图像检测点目标 的变化情况。 2 3 变化检测技术存在的问题 以上变化检测方法是根据不同的应用情况和目的发展起来的，为了对这些方 法进行定性或定量比较、评价；许多学者从不同角度进行了实验研究。尽管出现 了这么多的变化检测方法，但存在着一些局限性。在各种经典的变化检测方法中， 却仍存在着以下几个方面的关键问题： ( 1 ) 基于分布差异的变化检测方法在小尺度图像中提取变化区域是变化检测 分析中的一个关键问题。基于分布差异的变化检测方法是通过比