基于DS理论的多特征遥感影像变化检测方法.doc

基于DS理论的多特征遥感影像变化检测方法 96?北京测绘?第5期引文格式卢琴.基于13理论的多特征遥感影像变化检测方法J.北京测绘，xx (5):96-99.D OI10.19580/j.kL1007-3000.xx.05.022基于犇犛理论的多特征遥感影像变化检测方法卢琴(河北大地建设科技有限公司上海分公司，上海xx15)摘要针对当前遥感影像变化检测特征单一与几何配准要求较高的问题，提出了一种将证据理论融合到影像多特征变化检测之中的方法。 利用检索窗口与匹配窗口计算前后时相影像的几种特征结构相似度，并运用D-S证据理论计算出基本概论赋值函数，完成对这些特征的融合。 通过变化检测实验，发现该法能有效提高变化检测的精度，不失为一种变化检测有效方法。 除此之外，该法对辐射校正精度要求不高，这一点明显优于传统的单一特征变化检测方法。 关键词D-S证据理论；基本概论赋值函数；变化检测；辐射校正P237八1引言变化检测是通过分析两幅具有相同地理区域但不同时相的遥感影像，检测它们之间发生变化的区域的过程1。 变化检测在地理数据更新、土地管理与利用、城市规划等方面有着广泛的应用。 近年来，遥感影像的变化检测研究有了长足进展，多种检测方法被相继提出，如基于光谱梯度差的检测方法、基于边缘特征的检测方法、基于纹理特征的检测方法、基于概率统计特征的检测方法等，这些方法有效解决了变化检测中的实际问题。 由于采用单一特征变化检测对匹配要求高，且多数方法是在匹配后进行的，这对于精度和效率而言是不利的，因此，当前的变化检测研究已转向多特征融合。 一些多特征融合检测方法被先后提出，如多特征面向对象检测方法7、多特征B P神经网络方法8、多特征证据融合方法等等。 基于两期城市遥感影像，本文提出了一种DS(Dempster-sha-fer)证据多特征变化检测方法，利用两时相多特征结果相似度构造基本概率赋值函数（BPAF，basic probability assignment function)，对变化检测的不确定性进行精确度量10，并运用裁判规则判断不同时相间区域变化，旨在提高变化检测精度，降低10073000 (xx)0500964几何配准与辐射校正要求，提高检测效率。 2方法的建立研究方法的核心思路是，选取边缘、纹理、梯度等特征，组建两时相影像的多个特征向量，通过结构相似度计算其相似程度，然后由D-S理论推算出基本概率赋值函数BP AF，最后根据多特征的BP A F，通过预设的判定条件完成变化检测。 2.1D-S理论E-S(Dempster-shafer)证据理论是由Dempster和Shafer先后建立与完善的，其问题提出的根源为多值映射，它以集合表示命题（事件空间），以信任区间代替概率，以组合规则不断更新信任函数，能更好表达与不确定信息，其表示效果优于Bayes公式。 在&S理论中，先将未识别对象可能产生的结果所构成的集合进行划分，作为识别集合0，其下的子集表述为20，对于20中的任意集合A，均有rn(A)e0，1，并有式 (1)成立。 犿（）=0m(A)=1()Ae2&公式（1)中，m为20的基本概率赋值函数，即B PA F，m(A)为A的基本概率函数，表示证据xx-03-05作者筒介卢琴（1982），女，江苏盐城人，大学本科，髙级工程师，主要从事工程测量方面工作与研究。 E-mailiuqin_1982163.xx年第5期?北京测绘?97对A的信任度，其定义为如果A C?，m(A)为对A的确定信任度；如果A=?，则表示分配不确定；如果A G?，且rn(A)0,此时A为m的焦兀；此外，肌（A)+m(A)eLm()e2 (3)m(A i)m(?)2.2结构相似度理论结构相似度是利用向量X与Y的统计指标计算二者相似程度，以评价影像质量。 设特征向量X、Y均值为x、”，标准差为，方差为协方差为&Y，则X与Y的相似度SIM(X，Y)可用公式（)表示。 S IM(X犢)=_2xy+/i_aG xY/2fJXXY犳2(J xY犳2(yXY犳3CX犢+犳3()式中的a、/?、y为各分量的权，犳、/ 2、/3为补充常数，其目的是避免分母接近零时产生不稳定现象。 如果各分量的权重相当，即令a=0=y=i，并且取/3=犳2/2，（4)式可以简化为（5)式，和式相比，（5)式参数较少，更易于计算。 S IM(X，Y)=(:犢士(:犢士犳、 (5)十Y十/i)(X十犢十/2)若利用上述的结构相似度原理生成BPAF，则特征向量X、Y的相似度最好满足下述性质:第一，相似度绝对值在0与i之间，其值接近于i，X、Y的相似性越强，反之越接近于0,相似性越差；第二，尽量满足对称条件，即S M(X，Y)=S M(Y，X)，在特定条件下，其值不应相差过大;第三，存在唯一最大值，仅当X=Y时，S M(X，Y)=i。 2.3检测步骤检测的步骤分为四个过程，首先是影像数据的预处理，对两时相影像进行几何配准与辐射校正；获取波段最大值后，进行特征提取，特征提取选用梯度、纹理和边缘特征；提取后，进行结构相似度计算，推算出BP AF;最后进行证据合成，完成影像变化信息的提取，并进行精度评定。 变化检测的步骤如图i所示。 图1D-S证据合成变化检测流程图2.4精度评定精度是衡量变化检测的指标，是变化检测的检验标尺。 检测精度受多种因素影响，如几何校正、地表复杂性、检测方法等等。 设变化检测的结果有两种情况，分别是变化与未变化，用A c和R c分别表示检测变化的像素和实际变化像素，A u和R u分别表示检测未变化像素和实际未变化像素，则变化检测的精度可用正确率、虚检率、漏检率和平均错误率来表示。 正确率（C T)是检测结果正确的像素（包括变化和未变化像素）与总像素的比值，该值越大，表明精度越高；虚检率(F A)是检测结果发生变化而实际并未变化的像素与总像素之比，该值越小精度越高；漏检率(M A)是检测结果中未变化而实际发生变化的像素与总像素之比，该值越小，精度越高；平均错误率(A E)为虚检率与漏检率平均值，反映错误率水平。 C T、F A、M A、A E的计算如公式（）所示。 犆T(R Ac)+(Run Au)J/(Rc+Rc)i00%F AAA e A A eR u)/(R c+R c)i00%M AA|A eR AeAu)/(Rc+Rc)i00%A EA E=(F A+M A)/2*i00%()98卢琴基于D-S理论的多特征遥感影像变化检测方法第5期3实验与分析3.1实验数据实验数据选择的是某区A LO S全色影像数据，波段范围为520?770nm，分辨率为975*564,影像范围为北纬31。 5245至315405，东经118463至1184736。 该区为某市郊区，交通路线、居民地、绿地交错分布，地表复杂性适中。 两时相影像摄取时间分别为xx年和xx年(图2(a)与（b)，由于时间分辨率较低且植被较多，该区域变化信息不明显，对变化检测方法要求较高。 (d)无福射校正的梯度、边缘（e)边缘、梯度与纹理（f)无辐射校正的边缘、梯度与纹理图2D-S证据理论多特征变化检测结果3.2参数选定利用特征向量的结构相似度对象元进行判定，需要定义D-S框架，这里以Y代表发生变化，N代表未发生变化，则20的非空子集为Y、州、?小，结构相似度$所对应的已？八？如式（7)所示。 m,(Y)=(1St)*jt (7)m MYN二1犻犻依据组合权重确定，组合不同，其权重值也各不相同，在判定时，阈值S1和&的确定是关键，在预设?1=0.5和?2=0.1前提下，反复调整阈值和&与正确率、虚检率、漏检率的关系，最终得到优化值为?=0.8?=0.15。 为了计算结构相似度，（5)式中取/!=0? 3、/2=0.9。 3.3结果分析实验时，滑动窗口选择5X5,偏离步长1像素，canny边缘检测时标准方差为0.56,梯度和纹理量化时等级选择12,其它参数值采用3.2所设参数，除单特征检测外，本文还选择4种不同特征组合进行检测试验，所得结果如图2所示。 由图2分析可知，2种特征合成取得的检测效果较好，精度高;3种特征监测的效果更好，能够发现细微变化，但同时也增加了误检的风险，如图2()中的椭圆内地物。 同时，为了研究数据预处理对DS证据法的影像，在不进行辐射校正的条件下进行变化检测，其成果如图2的（d)、（f)所示，通过比较发现，（d)、（f)与（c)、（e)相比，监测结果几乎一致，只在(d)图中椭圆内地物检测有所差异，这说明本算法对辐射校正精度要求不高。 表1变化检测精度评定项目是否辐射校正特征组合正确率虚检率漏检率平均错误率是梯度十边缘92.43.24.43.8是边缘十梯度十纹理93.63.52.93.2否梯度十边缘91.74.14.24.2证据合成否边缘十梯度十纹理92.13.74.24.0是纹理87.97.34.86.0是边缘74.811.5137126是梯度76.212.0118119xx年第5期?北京测绘?99实验选用的遥感影像像素为549900个，通过与目视解译成果进行对比，并结合2.4所述的精度评定指标，对正确率、虚检率、漏检率和平均错误率进行统计，可得如表1所示的检测精度。 分析表1可以发现，单特征变化检测的正确率较低，纹理特征最高，达到87.9%，边缘特征最低，仅达到74.8%的正确率;在进行辐射校正的前提下，边缘、梯度双特征融合检测精度为92.4%，比单特征检测精度提高很多，边缘、梯度、纹理三特征融合精度最高，达到93.6%，但与双特征相比，精度仅提高了1.2%;同时发现，在不进行辐射校正的条件下，双特征与多特征精度相差不大，分别降低了0.7%和1.5%，这也印证了前述说法，说明基于D-S证据理论的多特征证据合成变化检测对辐射校正精度依赖程度较低。 4结束语基于D-S证据理论，本文提出了一种顾及纹理、梯度和边缘特征的多特征证据合成变化检测方法。 该方法根据前后时相影像差分统计指标，计算两时相影像的结构相似度，并依据证据理论B PAF进行证据合成，实现了多特征遥感影像变化检测。 通过对不同特征的不同数量组合，发现其精度各不相同，得到的有效结论如下 (1)多特征证据融合的变化检测精度明显优于单特征检测，三特征与双特征融合相比，精度也有所提升，但提升幅度有限，在精度要求不甚高的条件下，可采用双特征合成检测较为适宜，因为三特征检测敏感度高，容易误检； (2)本文提出的方法对数据预处理要求不高，辐射校正对双特征和三特征检测精度影像不大，因此本法是一种高效率、高精度变化检测方法。 由于特征可以任意组合，因此证据源可以进行任意增加删减，故可通过特征不同组合进一步提高检测精度，这也是今后的研究方向。 总之，基于&S理论的多特征证据合成变化检测是一种有效的变化检测方法，且对数据预处理要求较低，不失为一种应用性较强的高精度变化检测方法。 参考文献1黄亮，左小清，於雪琴.遥感影像变化检测方法探讨J.测绘科学，xx,38 (4)203-206.韩飞.光谱梯度差分与面向对象方法相结合的高分辨率遥感影像变化检测D.四川成都:西南交通大学，xx.方圣辉，佃袁勇，李微.基于边缘特征的变化检测方法研究.武汉大学学报（信息科学版），xx,30 (2):135-138张剑清，佘琼，潘励.基于LBP/C纹理的遥感影像居民地变化检测.武汉大学学报（信息科学版），xx,33 (1)17-11,万幼川，申邵洪，张景雄.基于概率统计模型的遥感影像变化检测.武汉大学学报（信息科学版），xx,33 (7)669-672.李德仁.利用遥感影像进行变化检测.武汉大学学报（信息科学版），xx,28(特刊）7-11.徐俊峰，张保明，郭海涛，等.一种多特征融合的面向对象多源遥感影像变化检测方法.测绘科学技术学报，xx,32 (5):505-509.郝睿，徐俊峰，王庆宝，等.基于BP神经网络的多特征融合变化检测方法.海洋测绘，xx，36 (1):7982.王立民，雷琳，邹焕新.基于D-S证据理论的遥感图像融合变化检测方法.计算机工程与科学，xx，33 (7)50-54.0牟克典，林作餘.定性DempsterShafer理论.计算机研究与发展，xx,42 (11)1833-1842.Multi-feature RemoteSensing ImageChange DetectionMethod Based on D-S EvidenceTheoryL UQin(Hebei DadiConstruction TechnologyCompany LimitedShanghai Branch，Shanghaixx15，China)AbstractIn orderto solvethe problemof thesingle featureand highrequirements ofgeometric registrationof remotesensing imageduring change detection,a newmethod baedonevidence theoryis proposed.The retrievalwi