基于面向對象的多特征綜合高分辨率遙感影像變化檢測研究.pdf

1、隨著科學與信息技術的不斷進步，與人類社會密切相關的自然地表景觀及其利用形式無時無刻不在發(fā)生著變化，及時準確地檢測出地球表面土地覆蓋的變化情況，對于正確認識人類與地球之間的關系、合理有效利用與管理自然資源、實現(xiàn)經(jīng)濟與社會的可持續(xù)發(fā)展具有不可替代的重要作用。由于遙感對地觀測具有大范圍、全天候的特點，基于遙感影像的變化檢測是目前遙感應用領域的研究熱點。隨著影像空間分辨率的提高，地物的細節(jié)更加豐富，為變化檢測提供了更好的觀測方式，與此同時，地物

2、中“同物異譜，異物同譜”的影響也越發(fā)明顯，給變化檢測帶來了很多難點。如何快速提取出變化信息，并且滿足人們對自動化程度和精度的需求是一個任重道遠的漫長探索過程。
　　本文針對高分辨率遙感影像的變化檢測進行研究，通過對高分辨率遙感影像進行面向對象的多尺度分割，進而對所形成的影像對象矢量圖斑進行特征提取，綜合考慮了其光譜、形狀和紋理特征，并且將對象空間位置關系上的鄰域特征作為研究的重點，提出了一種基于面向對象的多特征綜合高分辨率遙感影像

3、變化檢測方法。首先利用QuickBird影像進行了基于空間鄰域特征的變化檢測實驗，將檢測結果與傳統(tǒng)的差值法和分類后比較法進行對比，發(fā)現(xiàn)其在檢測精度上具有明顯的優(yōu)勢。最后通過多特征重要性分析，綜合選取了影像對象的光譜均值μ，標準差δ、面積s、亮度值b、長度l、寬度w、最大差值d，以及對象空間位置關系上的鄰域特征D，構建出一個一維特征向量V，計算前后時相影像對象的綜合特征向量V的相關系數(shù)，通過一個合適的閾值來判別對應圖斑是否發(fā)生變化。

4、>　　在進行以上的自動變化檢測時，為保證相對較低的漏檢率，對閾值設置較為嚴格，從而造成較高的虛檢率，因此需要對偽變化信息進行剔除。首先對自動變化檢測的結果進行非監(jiān)督聚類，主要采用的方法是ISODATA聚類。經(jīng)過聚類后的變化檢測結果會產(chǎn)生n個具有相似性質(zhì)特征的類別，這里邊有大量的偽變化信息，但這些偽變化信息的分布情況是有其相應規(guī)律可循的，我們可以在人工目視解譯判斷的輔助下，與計算機進行交互，通過這樣的方式找出偽變化信息，與聚類的結果進行匹

5、配。經(jīng)過一定數(shù)量的驗證后，可以判定這n個類別中的某個類別或者某幾個類別的特征性質(zhì)全都與偽變化區(qū)域所表現(xiàn)的特征一致，那么這種情況下我們就可以將這一類別進行整體的刪除，進而快速提取這些偽變化信息。這種處理方式是批量聯(lián)動的，相較于以人工逐一圖斑的檢查，效率得到了較大的提升，準確度也得到了保證。
　　為了對理論研究進行驗證，變化檢測實驗選用湖南省漣源市作為研究區(qū)。影像的成像時間分別為2015年和2016年的夏季，空間分辨率分別為1m和2m

6、，無云霧干擾，地物輪廓清晰，特征明顯，成像條件良好。以人工勾繪的實際變化區(qū)域作為本次實驗評判的標準，與自動檢測結果進行疊加對比分析，經(jīng)過變化檢測誤差矩陣相關統(tǒng)計量的計算驗證，各項檢測指標如下:總體檢測精度為94.55％，Kappa系數(shù)為59.26％，漏檢率為3.57‰虛檢率為54.55％。經(jīng)過半自動人機交互剔除后，總體檢測精度為98.76％，相較之前的94.55％提高了4.21％; Kappa系數(shù)為86.34％，相較之前的59.26％提