遥感图像变化检测(交大课程报告)
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
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