遥感图像变化检测(交大课程报告)

3. 面向对象的变化检测
3.1 面向对象变化检测
Pixel-by-pixel
Object-orΒιβλιοθήκη Baiduented
基于像素变化检测的局限性：
应用于中等空间分辨率卫星图像，不适用于高空间分辨率、多光谱图像 高空间分辨率图像特点：
高对比度的高频分量（如阴影像素） 由于视角不同，凸出地面的物体导致水平覆盖（如建筑物、树）
2.3 数据预处理
辐射纠正
卫星成像时由于大气状况、太阳高度角和地形等不同造 成同一地区多时相影像间存在辐射差异。 基本思路：分别在不同数据源中选取对应的多个稳定地 物点亮度值，找出对应关系，得到回归系数，将所有图 像的辐射条件同化到一参考图像。
2.3 遥感变化检测的理论模型
按照是否需要分类可分为：直接变化检测和分类后变化 检测 根据是否需要先验知识可分为：监督变化检测和非监督 变化检测
遥感图像变化检测
第7组
主要内容
1. 遥感技术介绍
2. 变化检测概述
3. 面向对象的变化检测
1. 遥感技术介绍
1.1 遥感的概念 遥感（Remote Sensing）：
从远处探测、感知物体或事物的 技术。即不直接接触物体本身， 从远处通过各种传感器探测和 接受来自目标物体的信息，经 过信息的传输及其处理分析， 来识别物体的属性及其分布等 特征的综合技术。
Thank You！
创建的NCIs：（neighborhood with a 1-pixel radius）
邻域大小的选择
邻域大小的选择对变化检测相关性的影响
选取c区域与d区域研究
c区域：树建筑物
d区域：阴影变化
结论：
大邻域类似于低通滤波，有利于消除噪声；但可能通过增加或减少 变化区域而改变变化信息。适用于大的变化，不适用线形变化（如 细窄的公路）。 小邻域可以检测细节变化，但可能带来一些噪声（如阴影）。
根据变化检测所选取的分析对象可分为： 面向像素、特征、对象变化检测
根据变化检测选取的时相可分为：双时相和多时相变化 检测
2.3.1 面向像素变化检测
图像差值法 将两幅影像进行配准，然后将图像中对应像素的灰度值 相减，获得一幅差异图像以表示在所选两个时间当中目 标区所发生的变化。 图像比值法 将一个时间图像的像元值与另一个时间图像对应的像元 值相除,增强变化信息,抑制背景信息的同时可以帮助减 少大气条件造成的影响。
1.2 遥感图像特点
1.宏观性与综合性
（1）覆盖范围大：一景TM图 像为185x185平方公里
（2）信息丰富
景山坐像
2.多波段性
可采用可见光、红外线、微波 等多种波段对物体进行遥感 检测
3.多时相性
重复探测，有利于进行动态分析。
1.3 遥感应用
在资源调查方面的应用
3月份的图像
5月份的图像
尽可能选取具有相同辐射分辨率的遥感影像
云覆盖>20%的影像不可取
土壤过于湿润的影像也不好
2.3 数据预处理
几何校正
卫星影像获取时由于卫星影像覆盖范围大受到地球曲率、 传感器高度和姿态角的变化及地形起伏的影响产生几何 畸变。
基本思路：把存在几何畸变的图像，纠正成符合某种地
图投影的图像，且要找到新图像中每一像元的亮度值。
采伐后裸地的详细调查
2. 变化检测概述
2.1 变化检测的概念
变化检测的实质是地表特征随时间变化发生的变化而引 起的两个时期影像像元光谱响应的变化，所以利用不同 时期的影像进行变化检测就能获得地物的变化信息。 工作流程：数据选取、数据预处理、变化信息提取和分 离、精度评定。
2.2 数据选取
尽可能选取同一季节,同一时刻或相近的遥感影像,以消 除太阳高度角及植物物候条件的差异影响。
展望
变化检测是影像配准、辐射纠正、影像分类、特征提取 等技术的综合。自动化的检测有待深入研究。 变化检测结果缺乏具体的精度评定标准。 预处理过程误差对变化检测结果影像分析及消除。 „„
因此，基于遥感影像的变化检测理论和方法在今后遥感 科学发展过程中仍然是研究的热点，成为全球范围环境 变化研究的重要技术。
2.3.2 面向特征变化检测
对于特征提取后比较法，特征提取是其变化检测 的关键，同时也是影像处理中的难点问题。
常见的目标特征有：灰度特征、纹理特征、几何 特征、颜色特征以及空间关系特征等。
2.3.3 面向对象变化检测
影像对象定义为形状与光谱性质具有同质性的单个区域。
传统的逐像元的变化检测分析方法仅仅考虑单个像元的光 谱特征，没有考虑到周围像元的光谱特征及邻近像元的空 问特征信息，致使变化检测的精度较低。 利用GIS对象把影像分解成多个像素组的集合，每个像素组 代表一个GIS对象，即一个“影像对象”，在影像分割阶段 就整合了光谱信息和空间信息
3.2 实例分析 数据来源：ADAR 5500遥感系统
随机选取800个采样参考点（ArcGIS软件），分为13个类：
创建多层NCIs：
1.correlation：
：图像1特定邻域中所有波段第i个像元亮度值
2.slope和intercept：
不变区域：slope~1，intercept~0 计算公式：slope（a），intercept（b）
此例中取3像素半径的圆形邻域效果最好
利用决策树分类结果图
结论：
小邻域由于阴影影响带来椒盐噪声（a） 邻域变大消除了噪声（b和c） 大邻域使边缘更平滑（c） 大邻域使边界分类产生误差（c中T>D周围产生错误分类）
产生分类误差的因素
（1）配准误差（尤其对直线特征的分类、使用小邻域的 情况影响更大） （2）在“Grass”分类时物候变化产生分类误差（如稀 疏的草地光谱特性与建筑物或荒地相似） （3）地面参考样本数过少
针对农作物的变化检测
在环境监测评价等方面的应用
贝尔加湖畔森林火灾的图像
在区域分析及建设规划方面的应用
城市土地利用
植被覆盖率的检测：在地表 景物中，通常只有植物在 近红外波段有很高的反射 率。
道路交通分析 城市规划
彩红外航片（上海市人民广场局部）
在全球性宏观研究中的应用
通过全球植被覆盖情况 监测数据与其它环境因 子变化情况的相关分析， 可以得出有关植被对全 球环境影响情况的结论， 这为认识地球环境的整 体行为，预测其未来的 变化提供了有用的数据 支持。
Correlation Slope intercept
专家系统或 面向对象分类技术
详细的 “from-to” 变化信息
基于新的三个通道（channel）NCI（neighborhood correlation image）： 包括三部分信息： Correlation（相关性）：从特定邻域图像（如3*3）中提取包含此邻域变化信息 Slope（斜率）、intercept（截距）：作为附属数据用于变化检测