基于多尺度和多特征融合的面向对象的变化检测方法

基于多尺度和多特征融合的面向对象的变化检测方法

王文杰，赵忠明，朱文清

中科院遥感应用研究所图像处理部

邮箱中国，北京100101,9718

wangwenjie@

摘要--高分辨率卫星影像为遥感应用提供了丰富的地球表面信息。利用变化检测技术从高分辨率遥感影像中提取目标区域变化并且迅速地更新地图数据库已经成为遥感信息处理研究的焦点。然而传统的变化检测方法并不适用于高分辨率遥感影像。为了克服传统的像素级变化检测方法的局限和高分辨率遥感影像变化检测的困难，本文以面向对象的分析方法为基础呈现了一种新颖的用于检测高分辨率遥感影像变化的多尺度，多特征融合方法。实验结果表明在高分辨率遥感影像变化检测方面这种方法与传统的像素级方法相比有较强的优势。

关键词:面向对象;多尺度分割;光谱特征;纹理特征;形状特征;融合

一简介

由于从环地卫星获取的数据的短间隔重复性覆盖和始终如一的图像质量，变化检测是其主要应用之一[1]。20年来,高分辨率遥感影像变化检测已成为遥感影像处理领域一项重要研究并且已被广泛应用于地理信息系统更新，资源、环境监测，城市规划和国防建设等领域[2]。

目前已经存在各种各样的变化检测方法。图像差分法，主成分分析法，分类后比较法，向量分析法是传统变化检测中最常用的一些方法[3-4]。这些方法被典型地应用于像Landsat TM这样的中等空间分辨

率的卫星影像[5-9]。然而，当涉及高分辨率影像变化检测研究的时候，这些方法就有了一些缺点。

传统的基于像素级的遥感影像变化检测方法主要是建立在光谱信息分析的基础上的。他们共同的特点是仅利用像素值的统计信息而几乎不分析地物的形状特征和结构特征。然而高分辨率遥感影像已经给遥感影像带来了重大变革，它可以清晰地展现景观的结构，纹理和细节信息。除了获得光谱信息之外，它也可以获取表面物体的机构，形状和纹理信息。传统的遥感图像变化检测方法不能真正利用高分辨率遥感影像的优势，因此它不能解决高分辨率遥感影像变化检测的问题。

面向对象的变化检测是变化检测研究新方法的主要内容。面向对象方法的基本特征是分割影像并把对象当做操作的基本单元而不是像传统的面向像素的方法那样把单个像素当做操作的基本单元。通过图像分割获取的对象有一些属性，不仅包含光谱信息还包含纹理，尺寸，形状，密度，环境和其他的从图像中提取的信息。高分辨率遥感影像的面向对象的变化检测方法不再依赖对光谱信息的分析而是靠对对象属性变化的分析来判断变化结果。因此它极大地提高了高分辨率遥感影像变化检测的精度[10-12]。

本文为高分辨率遥感影像提供了一种创新性的基于多尺度和多特征融合的面向对象的变化检测方法。由于对面向对象思维的主要特征的的良好应用，这种新颖的方法能充分利用高分辨率影像的特点并且

在检测高分辨率遥感影像变化方面取得比传统检测方法好得多的检测结果。

二研究数据和方法论

A.研究数据描述

以下两张CBERS-2数据影像分别在2004年十月和2005年五月获取。空间分辨率高达2.5米。两张数据影像的主要变化为社区的拆除和建设和道路的变动。研究影像包含复杂和简单两种人为建设。这种数据体现了城市发展的一种典型变化形式。图像预处理包括几何校正，图像校准和参照第二幅图像的直方图匹配。

CBERS-2 图像（2004年,10月）