CN101510374A

CN101510374A - 一种基于历史数据及遥感数据的土地利用图自动更新方法

Info

Publication number: CN101510374A
Application number: CNA2009101195222A
Authority: CN
Inventors: 谢仁伟; 牛铮; 占玉林
Original assignee: Institute of Remote Sensing Applications of CAS
Current assignee: Institute of Remote Sensing Applications of CAS
Priority date: 2009-03-12
Filing date: 2009-03-12
Publication date: 2009-08-19
Anticipated expiration: 2029-03-12
Also published as: CN101510374B

Abstract

一种基于历史数据及遥感数据的土地利用图自动更新方法，首先对历史数据进行预处理，得到土地利用图斑编号图及土地利用方式代码图，并与遥感影像第一主成分图叠加，计算得到各种土地利用方式图斑特征结构数组，采用循环平均值显著性统计检验方法检测变化图斑，并将土地利用未变化区域作为各土地利用方式感兴趣区样本，对土地利用变化区域进行最小距离监督分类，得到变化区域的土地利用图，并与土地利用未变化区域图像合并，获得新的土地利用图。本发明采用两种数据源，提高变化检测精度、实现土地利用图更新的自动化，可用于国土资源部门更新海量土地利用图数据、快速检测土地利用变化等场合，具有广阔的市场前景与应用价值。

Description

一种基于历史数据及遥感数据的土地利用图自动更新方法

技术领域

一种基于历史数据的土地利用图的自动更新方法，属于数字图像处理技术领域，特别涉及土地利用变化检测技术及数字图像分类技术。

背景技术

土地利用图反映了一个时期某一区域的土地利用各种信息，它为国土资源管理提供最新土地利用基础资料，是各种重大政策制定的重要参考依据，是众多科研机关进行研究的源数据，对于它的研究有重要意义。(参见文献：顾峰华，张继贤，李海涛.多源遥感数据在土地利用图件更新中的应用——以怀柔区为例.测绘科学，2006，31(6)：68-69)

土地利用图自动更新方法一直国土资源遥感的重要研究课题，在许多领域有着广泛的应用。目前土地利用图更新的一般步骤是先进行土地利用变化检测，然后根据变化信息更新土地利用图。根据土地利用变化检测方法的不同，土地利用图更新主要有光谱类型特征分析方法、光谱变化向量分析方法、时间序列分析等。

1、光谱类型特征分析方法(参见文献：赵英时等.遥感应用分析原理与方法.北京：科学出版社，2003)主要基于不同时期遥感图像的光谱分类和计算，确定变化的分布和类型特征。具体包括：多时相图像叠合方法、图像代数变化检测算法、分类后对比检测法等。

多时相图像叠合方法主要思想是在图像处理系统中将不同时相遥感图像的各波段数据分别以R(红)、G(绿)、B(蓝)图像存储，从而对相对变化的区域进行显示增强与识别。该方法可以直观地显示两到三个不同时相的变化区域，便于目视解译，但是无法定量地提供变化的类型和大小。

图像代数变化检测算法主要思想是在两个时相的遥感影像进行严格配准叠加后，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进行代数运算，对运算结果图像进行阈值判断，从而得到变化信息。该方法的阈值对于变化检测起决定作用，所以必须经过多次试验，找出最佳阈值，并且这个阈值不具有普适性，只能针对当前研究的区域。

分类后对比检测法主要思想是对经过几何配准的两个(或多个)不同时相遥感图像分别作分类处理后，获得两个(或多个)分类图像，并逐个像元进行比较，生成变化图像。该方法必须进行两次图像分类，变化分析的精度依赖于图像分类的精度。

2、光谱变化向量分析方法(参见文献：Malila，W.A.，Change Vector Analysis：an approach fordetecting forest changes with Landsat，Proceedings of the 6th Annual Symposium on MachineProcessing of Remotely Sensed Data held at Purdue University in 1980(Indiana：PurdueUniversity)，1980，326-336)对两个不同时间的遥感影像，进行图像的光谱量测，每个像元可以生成一个具有变化方向和变化强度两个特征的变化向量。变化向量的幅度越大，变化强度越大，说明像元光谱差异越大，变化发生的可能性越大。可以根据变化强度的大小，设定阈值来检测变化/未变化像元。变化向量的变化方向反映了该点在每个波段的变化是正向还是负向，可以根据变化向量的方向和角度来确定，这些变化表示了所发生变化的类型。该方法和图像代数法一样也需要设定阈值来检验变化与未变化，该阈值同样不具有普适性，要多次反复试验才能获得。

3、时间序列分析强调的是通过对一个区域进行一定时间段内的连续遥感观测，提取图像有关特征，并分析其变化过程与发展规律。首先要根据检测对象的时相变化特点来确定遥感监测的周期，从而选择合适的遥感数据。为了实现时间序列分析，就要求遥感监测数据有一定的时间积累。(参见文献：赵英时等.遥感应用分析原理与方法.北京：科学出版社，2003)

此外还有许多其他土地利用变化检测方法，如多时相图像主成分变化检测方法、基于土地利用图的遥感变化检测方法、外业人工调查土地利用变化等，但是这些土地利用变化检测方法中，能够实现土地利用变化自动检测的诸方法如光谱类型特征分析方法，由于纯粹以遥感影像为底层处理数据，这样遥感中普遍存在的同物异谱、同谱异物等现象对变化检测带来的误差就不可避免，同时由于检测方法都是设定一个像素特征变量，然后针对全图，通过反复试验确定出一个阀值，最终逐像素判断其变化性。这样设定的阀值不具有普适性和科学性。变化检测后只能通过大量的外业作业来修改变化信息。而其他通过外业调查或叠加土地利用矢量图人工解译判断土地利用变化的方法，虽然其检测精度较高，但是不能实现自动化，对数据量大的土地利用图更新不适用。

发明内容

本发明提供一种基于历史数据及遥感数据的土地利用图自动更新方法，用以解决现有技术中纯粹以遥感影像作为数据源导致变化检测误差大，以及依靠人工外业调查、目视解译确定土地利用变化不能实现土地利用图更新自动化的问题。

本发明技术方案如下：

一种基于历史数据及遥感数据的土地利用图自动更新方法，其特征在于包括以下具体步骤：

步骤一、历史数据预处理。针对历史数据即旧土地利用分类图采用改进扫描线种子填充算法，进行图斑编号化，形成一幅土地利用图斑编号图像。同时，对历史数据即旧土地利用分类图进行土地利用方式代码值赋值处理，形成一幅土地利用方式代码图。

步骤二、生成各种土地利用方式图斑特征结构数组。对遥感影像进行主成分分析，得到第一主成分图像。将第一主成分图像与步骤一中得到的土地利用图斑编号图像及土地利用方式代码图进行叠加，形成一个三维数据。以图斑为单位，把第一主成分图像作为底层计算数据，计算出每个图斑的均值。定义一个图斑的特征结构，该结构包含以下三个属性：图斑编号、图斑土地利用方式代码、图斑均值。对于全图所有图斑的特征结构，按照其土地利用方式代码值进行归类，针对每一种土地利用方式形成一个图斑特征结构数组。

步骤三、循环平均值显著性统计检验变化图斑。利用步骤二得到的各种土地利用方式的图斑特征结构数组，进行循环平均值显著性统计检验，检测出每种土地利用方式中土地利用发生变化的图斑，将未检测到的图斑区域作为监督分类感兴趣区。

步骤四、变化区域监督分类。利用步骤三得到的感兴趣区，对检测出的变化图斑区域进行最小距离法监督分类及分类后处理，得到变化区域土地利用图。

步骤五、区域图像合并。将步骤四得到的变化区域土地利用图与步骤三得到的未检测到的图斑区域土地利用图即土地利用未变化图合并，得到新的土地利用图。

本发明与现有技术相比所具有的优点：本发明将历史数据即旧土地利用分类图与遥感影像综合分析，只采用单一时相的遥感影像作为底层计算数据源，避免了利用多个时相遥感数据进行土地利用变化检测时，其他不相关因素引起的土地利用变化误判；本发明的地类图斑特征数组生成方法，采用改进扫描线种子填充算法快速生成土地利用图斑编号图像，同时该方法将遥感信息及历史数据即旧土地利用分类图信息有效融合在地类图斑特征数组里，为土地利用变化检测提供丰富数据源；本发明的循环平均值显著性统计检验变化图斑方法，可以快速、准确检测土地利用变化区域，形成各种土地利用类型样本区域；本发明还提出利用检测的各种土地利用类型样本区域，对变化区域进行监督分类，继而更新土地利用图的思想，进一步完善了土地利用图的自动更新过程，实现土地利用图更新的自动化，可用于国土资源部门更新海量土地利用图数据、快速检测土地利用变化等场合，具有广阔的市场前景与应用价值。

附图说明

图1：本发明的基于历史数据及遥感数据的土地利用图自动更新方法流程图；

图2：历史数据预处理流程图；

图3：生成各种土地利用方式图斑特征结构数组流程图；

图4：循环平均值显著性统计检验变化图斑方法流程图；

图5：本发明试验结果局部图。其中图5a为新时期土地利用图，图5b为所使用的历史数据即旧土地利用分类图，图5c为遥感影像图。

具体实施方式

为了更好地理解本发明的技术方案，下面结合附图及具体实施方式详细介绍本发明。

本发明一种基于历史数据及遥感数据的土地利用图自动更新方法，该方法主要包括以下几个步骤：

1、历史数据预处理；

2、生成各种土地利用方式图斑特征结构数组；

3、循环平均值显著性统计检验变化图斑；

4、变化区域监督分类；

5、区域图像合并；

本发明的具体实现流程如图1所示，各部分具体实施细节如下：

1、历史数据预处理

由于采用的历史数据即旧土地利用分类图是栅格数据，为了从便于与遥感影像叠加分析，需要进行预处理，具体处理流程如图2所示。

针对历史数据即旧土地利用分类图采用改进扫描线种子填充算法，进行图斑编号化，形成一幅土地利用图斑编号图像。对图像里的每一个图斑进行编号赋值，使得一个图斑内的所有像素值为该图斑的编号值，形成一幅土地利用图斑编号图像。

改进扫描线种子填充算法实施步骤如下：

对一幅图像依次取各个像素值作为编号赋值对象，首先检测该点是否已被赋值，若该点已被赋值，则取下一个点作为编号赋值对象；若该点未被赋值，则将点作为种子入栈。当栈非空时作如下四步操作：

(1)栈顶像素出栈；

(2)沿扫描线对出栈像素的左右像素进行填充即赋上当前最大的图斑编号值，直至遇到边界像素即该像素已被赋予图斑编号值为止；

(3)将(2)步中的最左、最右的像素分别记为x_l，x_r；

(4)在区间[x_l，x_r]中检查与当前扫描线相邻的上下两条扫描线的有关像素是否全为边界像素或已填充的像素，若存在非边界、未填充的像素，则把每一区间的最右像素取作种子像素入栈。

对历史数据即旧土地利用分类图进行土地利用方式代码值赋值处理，使得每一个图斑内的所有像素值为该图斑的土地利用方式代码值，形成一幅土地利用方式代码图。

2、生成各种土地利用方式图斑特征结构数组

该模块的具体实施流程如图3所示。生成各种土地利用方式图斑特征结构数组具体采用以下几个步骤实现：

(1)对遥感影像进行主成分分析，得到第一主成分图像；

(2)将第一主成分图像与历史数据预处理中得到的土地利用图斑编号图像及土地利用方式代码图进行叠加，形成一个三维数据；

(3)以图斑为单位，把第一主成分图像作为底层计算数据，计算出每个图斑的均值；

(4)定义一个图斑的特征结构，该结构包含以下三个属性：图斑编号、图斑土地利用方式代码、图斑均值。对于全图所有图斑的特征结构，按照其土地利用方式代码值进行归类，针对每一种土地利用方式形成一个图斑特征结构数组。

3、循环平均值显著性统计检验变化图斑，检测土地利用发生变化的图斑组。

该模块的具体实施流程如图4所示。循环平均值显著性统计检验变化图斑采取以下几个步骤实现：

(1)某一土地利用方式图斑特征结构数组作为数据输入，并取第一个图斑进行检测；

(2)对输入图斑采用平均值显著性统计检验，判断该图斑是否为差异显著图斑。差异显著则将该图斑归入变化图斑组，将下一个图斑作为检测图斑进入步骤(1)；差异不显著则进入步骤(3)；

(3)判断图斑是否为本图斑特征结构数组中的最后一个图斑。是最后一个图斑则返回变化图斑组，进入步骤(4)，不是最后一个图斑则将下一个图斑作为检测图斑进入步骤(2)；

(4)统计变化图斑组的个数。个数为0则将所有检测出的差异显著图斑作为变化图斑组返回，并退出循环；个数大于0则返回变化图斑组，并将剩下的差异不显著图斑特征结构数组作为数据输入进入步骤(1)。

平均值显著性统计检验步骤：

要检验一组数据x₀、x₁、x₂、x₃、……x_n(假设n＝100)中某一个数x₀是否是异常值。

(1)建立假设

计算出该组数据除x₀外其他所有数据的平均值

原假设H0：

u = \overset{&OverBar;}{x_{n}}

，对立假设H1：

u > \overset{&OverBar;}{x_{n}}

或

u < \overset{&OverBar;}{x_{n}}

(2)确定单尾还是双尾检验

选择单尾的情况是判断必须来自数据以外的专业知识或实践要求，而不能来自数据本身。选择双尾的情况是没有数据以外的知识判断相对大小。由于本方法中是针对某一个地类的各个图斑的特征值进行异常值检验，这个异常值有可能比其他数据大、也有可能比其他数据小，它的判断纯粹来自数据本身。所以在本方法中采用双尾检验。

(3)选择显著性水平α

由于遥感数据受到非常多因素的影响，像素灰度分布符合正态发布。所以在这里可以采用统计学中最常用，约定俗成的数据α＝0.05

(4)选择统计量并计算

由于遥感数据受到非常多因素的影响，地类统计特征数组所对应的随机变量为独立正态分布变量，具有同一个数学期望值，构造统计量t为：

t = \frac{x_{0} - \overset{&OverBar;}{x_{n}}}{S_{n}} {(\frac{n - 1}{n + 1})}^{\frac{1}{2}} - - - (1)

统计量遵从自由度为n-1的t分布，其中：

\overset{&OverBar;}{x_{n}} = \frac{1}{n} Σ_{i = 1}^{n} x_{i} - - - (2)

S_{n} = \sqrt{\frac{1}{n} Σ_{i = 1}^{n} (x_{i} - \overset{&OverBar;}{x_{n}})} - - - (3)

(5)根据显著性水平α和自由度n-1查表求临界值t_α

(6)判断与结论

如果|t|>t_α即拒绝原假设，认为x₀与其他数据有显著差异；否则接受原假设，认为x₀与其他数据有无显著差异。

4、变化区域监督分类

在完成各种土地利用方式变化图斑检测之后，将未变化图斑区域与遥感影像进行叠加，得到各种土地利用方式的感兴趣区样本，再利用这些感兴趣区样本，对变化图斑区域进行最区域进行最小距离监督分类，得到变化区域的土地利用图。

最小距离监督分类是利用样本中各类别在遥感影像各波段的均值，根据各像元离样本均值距离的大小来决定其类别。假设在一个具有两个波段(第1波段、第2波段)的遥感影像上有两个类别(类别A、类别B)的样本区。在第1波段图像中，类别A的所有样本像素均值为A1，在第2波段图像中，类别A的所有样本像素均值为A2；同样，对于类别B，在第1波段图像中，类别B的所有样本像素均值为B1，在第2波段图像中，类别B的所有样本像素均值为B2。针对类别A、类别B，有相应的两个点(A1，A2)、(B1，B2)。假设有一个像元C，它在两个波段的像素值为(C1，C2)，分别计算点(C1，C2)到点(A1，A2)、(B1，B2)距离的大小，距离哪个最近，就将该像素划分至哪一类别。

5、区域图像合并

变化区域土地利用图与未检测到的图斑区域土地利用图即土地利用未变化图合并，得到新的土地利用图。

变化区域土地利用图与土地利用未变化图的图幅大小一致，将变化区域土地利用图中土地利用未变化区域的像素值赋为0；土地利用未变化图中的土地利用变化区域的像素值赋为0。把处理后的两幅图像进行加操作，得到整幅新的土地利用图。

采用上述步骤可以快速、准确检测土地利用变化区域，形成各种土地利用类型样本区域；同时利用检测的各种土地利用类型样本区域，对变化区域进行监督分类，继而更新土地利用图的思想，进一步完善了土地利用图的自动更新过程，实现土地利用图更新的自动化，可用于国土资源部门更新海量土地利用图数据、快速检测土地利用变化等场合，具有广阔的市场前景与应用价值。

Claims

1、一种基于历史数据及遥感数据的土地利用图自动更新方法，其特征在于包括以下步骤：

(1)首先对历史数据即旧土地利用分类图进行预处理，图斑编号化得到土地利用图斑编号图像，土地利用方式代码值赋值处理得到土地利用方式代码图；

(2)对遥感数据进行主成分分析，取得第一主成分图像，并与步骤(1)中处理得到的土地利用图斑编号图像及土地利用方式代码图叠加计算，得到各种土地利用方式图斑特征结构数组；

(3)对步骤(2)得到的各种土地利用方式图斑特征结构数组采用循环平均值显著性统计检验变化图斑的方法，检测土地利用发生变化的图斑，将未变化图斑区域作为最小距离监督分类感兴趣区；

(4)利用步骤(3)中的感兴趣区，在遥感影像上对土地利用变化区域进行最小距离监督分类，得到变化区域土地利用图；

(5)将步骤(4)得到变化区域土地利用图与步骤(3)中得到的未检测到的图斑区域土地利用图即土地利用未变化图合并，得到新的土地利用图。

2、根据权利要求1所述的一种基于历史数据及遥感数据的土地利用图自动更新方法，其特征是：所述步骤(1)对历史数据即旧土地利用分类图进行预处理，是指采用改进扫描线种子填充算法，对图像里面的每一个图斑进行编号赋值，使得一个图斑内的所有像素值为该图斑的编号值，形成一幅土地利用图斑编号图像；对历史数据即旧土地利用分类图进行土地利用方式代码值赋值处理，使得每一个图斑内的所有像素值为该图斑的土地利用方式代码值，形成一幅土地利用方式代码图。

3、根据权利要求1所述的一种基于历史数据及遥感数据的土地利用图自动更新方法，其特征是：所述步骤(2)中生成各种土地利用方式图斑特征结构数组，具体步骤如下：

(a)对遥感影像进行主成分分析，得到第一主成分图像；

(b)将第一主成分图像与历史数据预处理中得到的土地利用图斑编号图像及土地利用方式代码图进行叠加，形成一个三维数据；

(c)以图斑为单位，把第一主成分图像作为底层计算数据，计算出每个图斑的均值；

(d)定义一个图斑的特征结构，该结构包含以下三个属性：图斑编号、图斑土地利用方式代码、图斑均值，对于全图所有图斑的特征结构，按照其土地利用方式代码值进行归类，针对每一种土地利用方式形成一个图斑特征结构数组。

4、根据权利要求1所述的一种基于历史数据及遥感数据的土地利用图自动更新方法，其特征是：所述步骤(3)循环平均值显著性统计检验变化图斑，是指对图斑特征结构数组进行平均值显著性统计检验，然后将该次未检测出的图斑特征结构数组再次进行平均值显著性统计检验，直至检测不出变化图斑为止。

5、根据权利要求1所述的一种基于历史数据及遥感数据的土地利用图自动更新方法，其特征是：所述步骤(3)循环平均值显著性统计检验变化图斑中采用的平均值显著性统计检验，具体步骤如下：

(a)建立假设：包含原假设和对立假设；

(b)确定单尾还是双尾检验：采用双尾检验；

(c)选择显著性水平α∶α＝0.05；

(d)选择统计量并计算：构造统计学t统计量；

(e)根据显著性水平α和自由度n-1查表求临界值t_α；

(f)判断与结论：如果|t|>t_α即拒绝原假设，认为检测数据与其他数据有显著差异；否则接受原假设，认为检测数据与其他数据有无显著差异。

6、根据权利要求1所述的一种基于历史数据及遥感数据的土地利用图自动更新方法，其特征是：所述步骤(4)变化区域监督分类，是指将未变化图斑区域与遥感影像进行叠加，得到各种土地利用方式的感兴趣区样本，再利用这些感兴趣区样本，对变化图斑区域进行最小距离监督分类，得到变化区域的土地利用图。

7、根据权利要求1所述的一种基于历史数据及遥感数据的土地利用图自动更新方法，其特征是：所述步骤(5)区域图像合并，是指按照原来的图幅范围，将土地利用未变化部分与变化区域土地利用图合并，得到新的土地利用图。