利用指数熵的多时相遥感影像变化检测方法

针对像素级变化检测法中变化阈值的提取不够自动化和准确化,导致变化检测结果精度不高的问题,提出一种利用双阈值指数熵的多时相遥感影像变化检测方法。该方法首先采用差值法构造2个时相遥感影像的差异影像;其次采用双阈值指数熵的方法确定差异影像的最佳变化阈值,并将其用于分割差异影像,得到变化区域。采用客观评价法对变化检测结果进行精度评定。选择我国鄱阳湖局部区域2个时相的遥感影像进行试验,并与基于模糊C均值的变化检测方法进行对比。通过试验,所提出方法变化检测精度达94.22%,是一种有效、可行的变化检测方法。     

遥感影像变化检测综述

变化检测作为土地利用/土地覆盖检测的关键技术,其目的是在同一区域不同时期的遥感数据中检测出变化的部分及其类型。针对传统的变化检测方法中存在繁重的人工劳动和检测结果效果差等问题,大量基于遥感影像的变化检测方法被提出。为了深入了解基于遥感影像的变化检测技术以及进一步研究变化检测方法,通过对大量有关变化检测的研究进行整理、分析和比较,对变化检测进行了较为全面的综述。首先阐述了变化检测的发展历程;然后从数据选择及预处理、变化检测技术、后处理及精度评价这三个方面详细归纳了变化检测的研究进展,其中变化检测技术主要从分析单元和比较方法的方面分别进行概括;最后对变化检测各个阶段存在的问题进行了总结并提出了未来的发展方向。     

KCCA与SVM算法支撑下的遥感影像变化检测

针对多时相影像间存在非线性变化以及变化检测阈值难以确定问题,提出结合核典型相关分析和支持向量机的遥感影像变化检测算法。首先,运用核函数对多波段遥感影像非线性映射到高维特征空间进行多变量典型相关分析,去除影像间的相关性,并构造差异影像向量。然后,采用支持向量机方法提取差异影像变化区域与不变化区域。以Landsat-8遥感影像多光谱数据进行实验,结果表明,该方法可以很好提取多光谱影像的变化信息。最后,利用形态学算子对分类结果作处理,消除了“椒盐现象”的干扰,同时提高了变化检测精度。     

KCCA与SVM算法支撑下的遥感影像变化检测

针对多时相影像间存在非线性变化以及变化检测阈值难以确定问题,提出结合核典型相关分析和支持向量机的遥感影像变化检测算法。首先,运用核函数对多波段遥感影像非线性映射到高维特征空间进行多变量典型相关分析,去除影像间的相关性,并构造差异影像向量。然后,采用支持向量机方法提取差异影像变化区域与不变化区域。以Landsat-8遥感影像多光谱数据进行实验,结果表明,该方法可以很好提取多光谱影像的变化信息。最后,利用形态学算子对分类结果作处理,消除了"椒盐现象"的干扰,同时提高了变化检测精度。     

模糊Bayes 理论在遥感影像变化检测中的应用

针对传统基于Bayes 决策规则的遥感影像变化检测方法中参数估计的不足以及分类过程中的硬划分问题,采用动态更新变化和未变化两类像元模糊子集的方法,实现对两类像元模糊子集中参数的动态更新,利用估计参数获得各子集的后验概率函数,再将后验概率函数转化为模糊子集的模糊隶属函数,从而获得各子集的指标函数,根据指标函数对影像中未分类的像元值进行判断,实现遥感影像的变化区域提取。实验结果表明：与现有的基于Bayes 决策规则的遥感影像变化检测方法及ERDAS 软件生成结果相比,提出的方法具有更好的变化检测精度。     

面向对象变化向量分析的遥感影像变化检测

为了解决基于像元的变化向量分析法在高分辨率遥感影像变化检测中精度低的问题,提出了一种面向对象变化向量分析的遥感影像变化检测方法。综合2个时期的遥感影像,首先通过影像分割获取像斑,其次提取直方图作为像斑的特征向量,再次采用直方图相交法度量2个时期像斑直方图之间的距离,构建像斑的变化向量,然后利用加权组合的方法计算像斑变化向量的模,最后依据最大熵原理获取变化检测阈值,对像斑进行变化/未变化判别。在QuickBird及Ikonos遥感影像上的实验表明:在高分辨率遥感影像变化检测中,与基于像元的变化向量分析法相比,该方法变化检测的精度较优,变化检测的正确率分别达到了0.92与0.90。     

融合光谱与地形因子的土地利用/覆被变化检测

针对仅利用遥感影像单一光谱指数提取土地利用/覆盖变化信息精度较低的问题,提出融合光谱与地形因子的土地利用/覆盖综合变化检测方法,用于提高总体变化检测精度。首先利用互补的4个光谱检测指标获得尽可能消除季相差异误差的初始变化检测结果,然后根据坡度、坡向剔除因山体阴影造成的虚检部分。以江西省西南地区Landsat TM影像为例,对比了融合光谱和地形因子的综合变化检测方法与仅利用光谱信息的分类后变化检测方法的结果,表明前者的变化检测精度比后者提高了13.67%,且虚检率降低了15.56%,这说明融合光谱和地形因子的综合变化检测方法能够显著提高遥感变化检测精度。     

基于元学习和K均值聚类的高分遥感影像变化检测

为解决现有主流遥感影像变化检测方法在检测精度、自动化程度方面存在的局限性,提出一种基于元学习同/异质混合集成和K-means聚类的高分影像变化检测方法,可在较高检测精度下大幅缩减同/异质混合集成算法的运行时间。该方法首先以元学习为基础框架,选择同质集成的梯度提升树、随机森林和极端随机树作为元学习的初级学习器,快速重构原始样本的特征空间;然后利用K-means算法处理重构样本集,拟合多个逻辑回归次级学习器进行变化区域初检;最后采用超像元分割算法和空间邻域信息双重约束,滤除细小的“椒盐”碎斑。为验证该方法的有效性,选用两组不同地区的高空间分辨率遥感影像作为实验数据源。实验结果中,两组数据集上的Kappa系数分别为0.849 2和0.813 9,漏检率分别为0.132 1和0.215 2,误检率分别为0.148 2和0.101 7,处理耗时分别为65.217 s和700.441 s。结果表明,元学习算法结合K-means聚类的方法可有效提升变化检测精度,在算法效率方面也有良好的表现。     

多光谱遥感数据直接分类变化检测的神经网络方法研究

变化检测是近年发展起来的一种遥感时序数据处理方法,用于识别遥感数据在不同时间所记录的地表变化信息。采用传统的基于统计学的分类算法检测两个时期多波段遥感数据变化信息时,如果采取直接分类变化检测的方法会出现统计数据结构的奇异性问题,表现在同一位置上出现不同的光谱特征值。因此,该文提出和实验了使用基于样本和数据权重的自组织特征映射神经网络(SOFM)直接分类检测变化信息的方法。结果表明,SOFM直接分类变化检测法与两个时期最大似然方法分类后相减的结果相比,检测精度有显著提高。     

一种改进型面向对象的遥感变化检测方法

针对人工变化发现效率低下和高分影像数据量大的现状,按照"先发现变化区域,再进行分类识别"的检测思路,提出了一种集成改进型变化矢量分析法和面向对象分类法的变化检测方法。该方法利用基于最大类间方差阈值搜索的改进型CVA法以自动快速提取出变化区域,再基于面向对象分类法对变化区域进行地物类型识别。为验证该方法的有效性,本文利用2009年和2013年两期IKONOS高分影像对重庆市沙坪坝区大学城建成区进行了变化检测实验,并采用变化检测一致性比率进行精度分析。实验结果表明,该方法对道路和建筑用地的变化检测精度可以达到85%以上,对耕地和水体的地类检测精度达到70%以上。可见,该方法在大区域的宏观土地利用遥感动态监测工作中具有一定的实用价值。     

基于无人机倾斜摄影技术的多源遥感影像变化检测并行系统设计

为使无人机遥感图像的影像残差值得到有效控制,提升多源遥感影像变化特征的检测精度水平,设计基于无人机倾斜摄影技术的多源遥感影像变化检测并行系统。在C/S框架体系中,设置并行运作电路、像素点检测主机、HBase存储结构与遥感影像显示器,完成对多源遥感影像变化检测并行系统的硬件设计。根据联合平差指标的数值水平,计算密集度指标,联合已知影像数据,求解无人机倾斜摄影过程中的纹理映射条件,实现对多源遥感影像的建模处理。按照影像特征提取结果,完善影像检测金字塔的构型模式,将无人机数字影像与并行检测节点匹配起来,再结合各级硬件应用结构,完成基于无人机倾斜摄影技术的多源遥感影像变化检测并行系统设计。实验结果表明,设计的系统在无人机倾斜摄影技术的作用下,遥感图像在x轴、y轴、z轴方向上的影像残差指标均出现明显下降的数值变化状态,能够有效提升多源遥感影像变化特征的检测精度。     

遥感监测东北地区典型湖泊湿地变化的方法研究

湖泊湿地生态脆弱,易受环境因子的影响。近十年来,东北地区湖泊湿地的时空格局发生了显著变化。如何简单、有效地提取湿地变化范围进而确定其变化类型是湿地变化检测中最需要解决的问题。基于2006~2016年30 m空间分辨率的Landsat-TM/OLI影像数据,水体、植被和土壤等生态因子的动态变化率被用于提取东北地区湖泊湿地变化范围;多维特征数据集的湿地分类方案确定湿地的变化类型。另外,湿地变化检测类型分为转出类型（湿地减少）,转入类型（湿地增加）和湿地间转换类型（湿地相对稳定）。最终基于动态变化率计算方法,松嫩平原湿地、兴凯湖湿地和呼伦湖湖泊湿地变化结果的正检率均高于90%。同时,利用年内多时相数据和综合多维生态指数共同表征地表的状态变化,实验区的湖泊湿地分类结果的整体分类精度和 Kappa 系数分别达到 84.31%和0.788。湖泊湿地变化检测方法具有很好的检测精度,可以代表研究区湖泊湿地类型的实际变化,是湿地资源调查与遥感监测技术研究的有益补充,为进一步深化与拓宽地表生态质量评价及其动态变化检测的方法研究提供理论基础。     

双通道孪生网络在遥感变化检测中的应用

遥感变化检测旨在通过比较同一位置不同时期遥感影像以检测出存在显著或者潜在的遥感变化的区域. 目前, 大多数相关工作聚焦于正时序变化检测上, 对反时序变化检测表现较差. 为了避免时序对变化检测带来影响, 通常的做法是将正时序和反时序的数据都囊括构成数据集. 然而, 这会导致模型训练时间更长. 本文提出一种双通道孪生网络,...     

一种图像回归与关联关系特征融合的遥感影像变化检测方法北大核心CSCD

异质遥感影像变化检测是一个重要且具有挑战性的研究课题。针对直接比较异质数据进行变化检测导致检测精度低的问题,提出了一种图像回归与关联关系特征融合(Image Regression and Association-based Feature, IRAF)的异质遥感影像变化检测方法。首先基于信息熵理论量化异质数据的信息量差异并确定回归方向,采用多输出多层感知器图像回归得到与原始影像特征空间分布相近的回归图像;其次,得到差异图像并基于模糊局部信息C均值(Fuzzy Local Information C-Means,FLICM)算法找到部分显著样本对用于后续检测。为了考虑不同特征间的关联关系并充分利用数据中潜在的高阶信息,采用基于关联关系特征的融合算法(Association-based Fusion,AF)对原始遥感数据进行增强,最后利用融合后的特征训练分类模型得到最终的变化二值图。为验证该方法的有效性,采用Sardinia、Yellow River和Texas这3组真实数据集进行实验,Ka分别达到了0.796 1、0.827 1、0.958 1。与相关方法进行对比的实验结果表明该方法在不同数据集上均得到了最优的检测结果,能够抑制噪声的影响且有效提升变化检测精度。     

一种新的多波段遥感影像变化检测方法

随着遥感技术的发展,采用遥感影像对国土资源进行动态监测已经成为了热点。目前常用的差值法和分类后比较变化检测方法中存在着各种缺陷。提出一种基于模糊C均值聚类（FCM）算法的遥感影像变化检测方法,利用一个改进的模糊C均值聚类算法进行遥感影像分类处理,然后引入多波段综合变化掩膜的思想进行变化检测。实验结果表明这种方法是有效的,提高了检测精度,检测结果为国土资源调查提供了重要依据。     

基于协同聚类和权重注意力稀疏自编码网络的变化检测方法

遥感变化检测对于监督和管理土地资源利用具有重要作用.针对监督变化检测需要人为干预训练样本的劣势、不平衡数据问题以及基于像素变化检测中的“椒盐”现象,提出基于协同聚类和权重注意力稀疏自编码网络的变化检测方法.方法采用模糊c均值和K-means对差异图协同聚类得到训练和待分类数据,同时在样本中考虑灰度共生矩阵特征,并利用合成少数过采样方法扩充变化样本以解决样本不平衡问题.通过逐层权重注意力模块加强网络对正权重的学习和削弱负权重的影响,自编码分类性能得到提升,其分类结果在差异图超像素分割边界的映射空间中根据约束条件剔除“椒盐”噪声生成变化检测图.所提出方法在变化检测中实现漏检测与误检测平衡,达到了提高变化检测精度的同时减少人为干预的目的.     

面向对象的土地覆被变化检测研究

运用面向对象的方法进行土地覆被变化检测,利用遥感数据光谱信息、纹理特征、拓扑关系,在多尺度分割获得对象的基础上,构建了变化矢量方法和向量相似性的检测方法,两种检测方法均成功检测出了所选取实验区的土地覆被变化信息。结果表明:对于同一区域同一时相的两期影像的面向对象变化检测,两种方法的总体精度都在80%以上,但变化矢量方法(CVA)精度要高于向量相似性方法。因此,在进行土地覆被变化检测时可以优先考虑变化矢量方法(CVA)。     

基于编码对齐生成对抗网络的异源遥感影像地表覆被变化检测方法

相较于同源遥感影像地表覆被变化检测,异源影像能综合不同卫星传感器间数据特征和现势性等优势,更好满足应用需求。针对异源遥感影像变化检测中存在的光谱差异和特征空间不一致问题,研究提出编码对齐生成对抗网络实现异源影像的高精度变化检测。考虑到异源影像间通道和数据类型上存在差异,难保持重构前后影像空间结构的一致性,研究通过添加自编码器和构造编码对齐损失,约束编码器输出特征的空间结构变化,使重构前后影像空间结构一致,有效减少信息丢失;在跨域映射过程中为减少源域与目标域间影像的色彩差异,采用循环一致对抗生成网络在无成对影像情况下进行色彩迁移,实现两时相异源影像的相互跨域映射,生成能与原始影像直接对比的无色偏重构影像;利用设计的变化概率权重使网络在训练过程中自动选择样本,有效提取覆被变化信息。实验结果表明：该方法与CGAN、SCCN等方法相比能更充分提取影像特征,降低跨域映射函数的随机性;在4组公开数据集的检测精度分别达到0.93、0.96、0.97、0.88,精度最高;变化检测结果与参考图的一致性、检测差异图质量均最优。因此,该方法在异源遥感影像中能够进行高精度变化检测。     

多时相遥感影像变化检测系统设计与实现

针对遥感卫星影像数据量大,计算时间长等特点,在高性能集群并行处理环境下,研究了长时间序列遥感卫星影像变化信息快速提取技术,设计并实现了一体化变化检测工艺流程及系统框架,为多时相遥感卫星影像变化检测提供了高精度、快速的方法与平台。以广东某地区为试验数据,研究表明,与传统变化检测方法相比,进一步提高了变化信息提取精度,并可以获得良好的并行加速比,并行效率高,能够满足大规模遥感数据的变化检测。     

改进SeMask主干网络的高分辨率遥感影像变化检测模型

随着城市化进程的加速和人口不断增加, 土地资源的利用和管理变得愈发重要. 高分辨率遥感影像技术的发展为土地覆盖类别变化检测提供了新的途径. 目前, 多数遥感影像变化检测任务主要针对显著建筑物的变化检测, 缺少对土地覆盖类别变化检测任务的研究, 本研究基于公开数据集, 对更多土地覆盖类别变化情况进行标注. 在原语义分割主干网络的基础上结合孪生网络结构, 提出适用于土地覆盖类别变化检测任务的检测模型, 该模型在网络的特征提取阶段加入变化引导模块, 以辅助网络关注两时相影像中的变化信息, 并在网络不同阶段加入通道信息交互模块, 以增强不同特征图的信息融合. 同时, 在特征提取阶段最后一层加入特征对齐模块, 以缓解下采样过程导致的特征偏移. 在土地覆盖类别变化检测数据集上的实验结果表明, 本文提出的方法可以有效提取影像中的变化信息, 并提高分割精度.