图像变化检测方法综述

题目：图像变化检测方法综述学号：

姓名：

图像变化检测方法综述

摘要

图像的变化检测是指通过分析在不同时间来自同一地区的两副或多幅图像，检测出该地区的地物随时间发生的变化信息。本文主要用遥感图像的变化检测为例来进行说明，遥感图像的变化检测已经广泛地应用于如森林资源的动态监测、土地覆盖和利用的变化监测、农业资源调查、城市规划布局、环境监测分析、自然灾害评估、地理数据更新以及军事侦察中战略目标(如道路、桥梁、机场)等的动态监视等许多领域。

本文对常见的变化检测方法进行了概括性的介绍与优缺点评述，并分析了当前变化检测方法中存在的普遍问题；并在此基础上，实现了一种基于模糊贴近度的变化检测方法，通过计算相应像素点之间的模糊贴近度，得到了差异图，并用FCM对其聚类，得到了目标图像的变化检测结果。

关键词：变化检测遥感模糊贴近度

1.引言

随着社会与科技的发展, 人类开发资源与改造自然的能力不断增强, 自然界的变化和人类的各种活动每天都在改变着地表景观及其土地利用形式。世界人口的快速增长及城市化的发展, 加快了这种变化的速度。这些变化将对地球资源和生态环境产生深远的影响, 已经引起了广泛关注。土地利用与土地覆盖变化研究已经成为全球变化研究中的前沿与热点。由于遥感对地观测具有实时、快速、覆盖范围广、多光谱、周期性等特点, 遥感技术已经成为变化检测最主要的技术手段, 变化检测研究也是目前遥感应用方法研究中的热点之一。

最近20 年来, 各国学者相继发展了许多基于遥感技术的变化检测方法, 也出现了不同的划分方法, 大致可以归纳为以下几种。按数据源将变化检测方法分为3 类: 基于新旧影像的变化检测、基于新期影像旧期非影像数据的变化检测、基于立体像对的三维变化检测; 按处理的信息层次将变化检测划分为像元级、特征级与决策级 3 个层次; 按是否经过分类将其分为直接比较法和分类后比较法两类;最近还有学者按照采用的数学方法将变化检测技术分成代数运算法、变换法、分类法、GIS 法、高级模型法等7 种。随着土地覆盖变化的复杂性以及遥感数据多样性的增加, 新的变化检测方法以及新的图像处理算法不断涌现, 例如, 利用变化向量分析法、马尔科夫随机场模型进行变化检测, 利用概率统计学理论进行基于图斑的变化检测法, 利用支撑向量机、面向对象技术进行分类等。总之, 多项研究与实践证明, 目前还没有哪种方法被普遍认为是最优的, 由于这些方法大多是在不同的环境下基于不同的用途提出来的, 各自具有不同的适用性与局限性。伴随着遥感数据获取技术的快速发展, 越来越多各具特色的遥感数据及其组合对变化检测提出了新的技术要求。

2.遥感图像变化检测技术现状

遥感影像变化检测是从不同时期的遥感数据中, 定量地分析和确定地表变化的特征与过程。简单地说就是通过遥感手段, 对同一地区不同时期的两个影像提供的信息进行分析、处理与比较, 获取该时间段内的土地利用与覆盖变化信息。从技术流程上看, 一般包括影像预处理、变化信息发现、变化区域提取与变化类型确定几个过程, 在对图像进行预处理完后，剩下的关键环节是变化信息发现, 多数研究都是围绕该环节进行的。本文从算法的角度将目前变化检测的方法分为四类:

(1)基于简单代数运算的变化检测；

(2)基于图像变换的变化检测；

(3)基于图像分类的变化检测；

(4)基于特征描述的变化检测。

下面分别对上述四种方法的代表算法进行阐述。

2.1基于简单代数运算的变化检测

基于代数运算的变化检测技术包括图像差值(image differencing)、图像比值(image ratio)、植被指数 (NDVI) 、图像回归(image regression)和变化向量分析(change vector analysis)等。

（1）图像差值法

图像差值法是最简单、最常用的一种变化检测方法，其基本原理是将不同时间获取的两幅影像进行配准，然后将图像中对应像元的灰度值相减，从而获得一幅新的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。理论上，在得到的差值图像上，差值为0或接近0的认为是不变区域，不为0的认为是变化区域。

图像差值法的优点在于理论相对简单、直接，容易理解和掌握，但常常只能定量地描述目标区是否发生了变化，而很难确定目标区域发生变化的性质。为了能确定变化的性质还需结合其他方法进行分析，从而获得最终的目标区变化信息。另一方面，由于相同地物在不同时相的光谱特征往往是不同的，因此变化阈值需要根据实际情况选取。

设1X 和2X 为经过配准的同一区域、不同时间的两幅遥感图像，其中图像大小为I J ⨯。时相1的遥感图像11X ={X （i,j ）,1i I,1j J}≤≤≤≤,时相2遥感图像22X ={X （i,j ）,1i I,1j J}≤≤≤≤，则两时相遥感图像的差值运算得到的差异图X d 按下式进行计算：

12X (,)|(,)(,)|d i j X i j X i j =-

（2）图像比值法

图像比值法是将不同时相的遥感影像对应波段进行逐像元相除。通过对不同时相影像做相对辐射校正，得到的比值图像增强了变化信息，其中像元比值为1或者近似为1的认为是未发生变化的区域，像元比值明显高于或低于1的认为是发生变化的区域。

比值法的理论假设是比值图像呈正态分布，通常采用均值和标准偏差作为标准划分变化与非变化区域，但对于很多实际问题该假设并不总是成立的，这时变化阈值的选择就成为比值法变化检测是否有效的关键。比值法和差值法一样都直观，容易掌握，变化检测速度快，但这种方法过于简单，很难考虑到所有因素的影响，容易造成大量信息的流失，同时该方法对图

像的配准精度要求很高。两时相图像的对数比值图如下式进行计算：

1122

log(

)log log LR X X X X X ==- （3）植被指数法 植被指数(NDVI)是为了从来自地球遥感观测卫星的图像数据中了解全球植被分布状况的指标，它将遥感图像中不同波段的灰度值进行各种组合运算，计算反映植被的常用比率和指数。目前常用的植被指数有NDVI 、TNDVI 等几种，如归一化差异植被指数常用来对土地利用进行动态变化检测。利用植被对光学传感器的近红外波段与红外波段的明显的响应差(植被吸收红外波段，强烈反射近红外波段)，通过这两个波段的比值突出植被变化信息，再通过阈值提取植被信息和非植被信息，能够很好地反映地面植被的覆盖情况。

由于植物普遍对红光强烈吸收和对近红外光强烈反射，因此红光和近红外波段之间的比值有利于提高光谱差异。利用波段间比值图像主要有两个优点：不同地物特征的光谱响应曲线差异可能会在比值图像中得到进一步增强；比值能压抑地形效应并对辐射差异进行一定程度的归一化。它对地面植被变化信息的检测具有较好的效果，但对于地面其他变化类型的检测适用性不强。

（4）图像回归分析法

回归分析方法首先假定两期影像线性相关，也就是说两期影像中，多数像元变化不大。该方法通过最小二乘法进行回归分析，然后再用回归方程计算出的预测值减去影像真实值，从而获得两期影像的回归差值影像，利用该影像可以反映土地覆盖变化信息。

回归分析方法解决了不同时相影像像元均值和方差的差异，处理后的遥感影像数据在一定程度上类似于相对辐射校正，因而能够减小多时相影像数据中由于大气条件和太阳高度角的不同所带来的不利影响。但是这种方法的检测需要得到准确的回归方程且需要选择合适的波段，在实际应用中精度不高。

（5）变化向量分析法

变化矢量分析法首先对两个不同时相的影像进行差值运算，求得每个像元的变化值，称为变化向量。变化的强度用变化向量的欧氏距离表示，变化的内容用变化向量的方向表示。

变化矢量分析法可以利用较多甚至全部的波段来探测变化像元，因此避免了单一波段比较所带来的信息不完整，而且可以通过变化矢量的方向提供变化类型信息，但是随着波段数的增加，变化阈值的确定比较困难。

基于代数运算的变化检测技术的优点是相对简单、直接，其关键是确定阈值。由于现在