基于多尺度特征城市遥感变化检测的研究.pdfVIP

基于多尺度特征城市遥感变化检测的研究 张汉松a 8东北农业大学资源与环境学院，香坊区木材街59号，哈尔滨150030 摘要：面对城市快速发展与监查的需求，基于高分辨率信息需求理论支持下的信息挖掘技术，本文提出了一种新颖的 数据库支持下的基于多尺度基元特征的高分辨率遥感影像变化检测法。首先构建多尺度基元模型，采用光谱和形状信息相结 合的混合分割算法在一系列尺度下获取内部特征相对均一的不同级别尺度的基元对象；再对不同尺度下的基元对象进行特征 分析，提取每个象元在不同尺度下的特征；然后在数据库的支持下，计算不同时相像元之间的多尺度特征距离产生差异图像： 最后通过合理的阈值得到变化图像。实验结果表明，本文提出的基于多尺度特征的高分辨率遥感影像变化检测算法能极大的 提高城市复杂环境下变化区域与非变化区域之问的可分性，对变化区域的检测有很强的鲁莽性，是一种非常有效的面向对象 的遥感变化自动检测方法。 关键字：变化检测、基元、多尺度、数据库 1．引言 变化检测是指通过对同一目标或现象不同时间的观测来确定其变化的处理过程【1】，它是多时相遥感影 像自动分析的重要应用领域之一。遥感变化检测也是城市动态监测、城市环境监测、城市灾害监测和城市 规划、管理的重要手段之一，因为它能对城市景观空间格局变化提供量化信息。许多学者和管理者已经认 识到遥感变化检测在城市动态监测和综合管理的重要性12,31。然而，至今为止，遥感在城市小区域成功的应 用远远低于大范围荒漠化监测、森林管理等方面。 目前，变化检测已经能应用在城市规划、土地管理和环境监测等方面。许多文献中已经提出了各种针 对中等空间分辨率或高光谱数据的变化检测方法【4，5l。大多数变化检测方法都是以像元为分析对象而无视影 像中的内容，这正是像元分析法最严重的局限性。随着新一代高空间分辨率遥感卫星的发射，如 合管理对变化检测提出了新的需求。它要求能在复杂场景下建立恰当的变化检测模型，生产高空间分辨率 的变化图像。传统的变化检测法以像素为独立的空间对象，但针对高空间分辨率影像的这种处理是不恰当 的，因为像元间高度空间相关性不能被忽略和无视。在城市区域中，对高空间分辨率遥感影像的变化检测 方法研究得还很不成熟，远远不能满足实际的需要。主要难点可以概括为以下三个方面： 1．空间分辨率的提高解决了原先“混合象元”的问题，但同时也引入了新的问题：同种地物的光谱可 分性增加而不同种类地物之间的光谱可分性降低16117】；变化检测中变化类和非变化类的可分性降低。由于 变化类和非变化类的可分性降低使得传统的象素级变化检测方法很难将变化类和非变化类正确区分开来。 2．城市是一个复杂场景的集合，其中既有自然景观(如水体，绿化带和郊区农田等)，又有各种人造 地物(如高程建筑、道路和园林等)。各种地物在大小，形状，颜色，纹理等特征上各有区别，又互相联 系，因此，以像素为基础对城市场景进行建模和表达是非常困难的。 523 3变化检测结果受遥感影像预处理的影响较大。以像素为基础的传统变化检测法中，图像辐射校正、 图像配准已经成为变化检测精度提高的瓶颈问题。城市区域中由于遥感影像成像时间，成像角度-平u阴影 的遮挡，这种影响变得更加明显。 由于以上这些田难，基于对象的图像分析方法则更适合于高空间分辨率遥感影像的处理口l。近年来， 面向对象的遥感影像分析方法得到了广泛的关注，并迅速拄晨起来，但太多数还是侧重于面向对象的影像 分类方法的研究，面向对象的变化检测法研究得很少。一部分文献中已经提出一些面向对象的自动变化检 测法，它们通过图象分割的方法获取影像中的“同质区域”，然后通过区域间特征的比较来区分变化类和 非变化类[61[91。尽管在这些方法中考虐了影像的空间内容。但大都是基于单一尺度的影像内容的表达-事 实上，无论是单幅围像中的对象还是两幅图像问的变化都是与尺度相关的，例如，我们可以在一些比较精 细的尺度上检测到单个平房或小的绿化带变化，然而这些细微的变化在一些较大的尺度上有可能“消失”。 根据以上分析，本文提出了种基于多尺度基元特征融台的自动变化检测法(见图1)-首先，构建多 尺度基元模型，用图像分割技术获取不同尺度下的国像基元，基元指图像中局部“同质”像素的集合；接 着，提取多时相影像中的多尺度基元特征，用多尺度基元特征来表示每个象素的特征；然后，在数据库的 支持下．用变化矢量法(cvA)计算差异