CN101661497A

CN101661497A - 遥感土地利用变化检测方法及系统

Info

Publication number: CN101661497A
Application number: CN200910092529A
Authority: CN
Inventors: 杨贵军; 黄文江; 李存军; 宋晓宇; 顾晓鹤; 杨小冬; 陈红
Original assignee: Beijing Research Center for Information Technology in Agriculture
Current assignee: NONGXIN TECHNOLOGY (BEIJING) Co.,Ltd.
Priority date: 2009-09-10
Filing date: 2009-09-10
Publication date: 2010-03-03
Anticipated expiration: 2029-09-10
Also published as: CN101661497B

Abstract

本发明公开了一种遥感土地利用变化检测方法，包括步骤：对历史土地利用专题数据与最新时相遥感影像数据进行几何配准，并对其进行空间位置上的叠加；以所述历史土地利用专题数据中没有发生变化的单元为对象，提取所述最新时相遥感影像数据中的影像特征信息；利用所述提取得到的影像特征信息，构建对应不同土地利用类型的影像特征信息知识库；根据不同土地利用类型的特点利用所述影像特征信息知识库形成判别规则，判别土地利用对象是否发生变化。本发明提供的遥感土地利用变化检测方法能够实现快速、准确、实时的面向对象知识的遥感土地利用变化检测。

Description

遥感土地利用变化检测方法及系统

技术领域

本发明涉及遥感检测技术领域，特别是涉及一种面向土地利用‘图斑’对象的，结合历史土地利用专题知识和最新时相遥感影像信息的土地利用变化自动检测方法及系统。

背景技术

随着遥感技术的不断发展，利用遥感影像数据进行土地利用变化检测已经被广泛应用于实际生产工作中。目前变化检测方法主要分为两类：光谱类型特征分析法与光谱变化向量分析法。其中光谱类型特征分析法主要利用不同时相遥感影像的光谱分类和计算，确定变化信息的分布和类型，主要包括图像差值法、图像比值法、图像回归法、分类后比较法、主成分分析法及K-T变换法等。而光谱变化向量分析法则主要基于不同时相遥感影像数据之间的辐射变化，着重对各波段的差异进行分析，从而确定变化信息的分布和类型。

以上所述的遥感检测方法存在的缺陷在于，在检测过程中，仅利用影像光谱特征信息，没有充分利用影像数据中蕴含的纹理、形状、结构等特征信息；面向像元对象的土地利用变化检测，没有充分考虑相邻像元之间的空间特征信息；历史土地专题数据中隐含的土地利用类型、地理实体多边形位置等信息没有得到充分利用；人工解译工作量大、自动化程度低，容易遗漏图斑；对数据源要求较高，要求不同时期都具有影像数据，当历史时期不具有影像数据时，变化检测无法实现。

发明内容

针对现有技术的上述缺陷，本发明的目的是提供一种充分利用历史土地利用专题数据的、面向对象知识的遥感土地利用变化检测方法及检测系统。

为达到上述目的，提供一种依照本发明实施方式的遥感土地利用变化检测方法，包括步骤：

S1，对历史土地利用专题数据与最新时相影像数据进行几何配准，并对其进行空间位置上的叠加；

S2，以所述历史土地利用专题数据中没有发生变化的单元为对象，提取所述最新时相影像数据中的影像特征信息；

S3，利用所述提取得到的影像特征信息，构建对应不同土地利用类型的影像特征信息知识库；

S4，根据不同土地利用类型的特点从所述影像特征信息知识库中选择能够反映某种地物类别的影像特征信息，形成判别规则，判别土地利用对象是否发生变化。

优选地，所述检测方法还包括步骤：

S5，利用发生变化的土地利用对象的多边形位置信息对该对象对应的影像数据进行提取；

S6，对所述提取后的影像数据进行分割生成若干子对象；

S7，提取所述各子对象的影像特征信息，并将其与所述影像特征信息知识库中的不同土地利用类型的影像特征信息进行匹配，确定该子对象的土地利用类别。

优选地，所述影像特征信息知识库包括用于识别土地类型的地类名称、地类编码，以及反映土地利用类型的影像特征信息。

优选地，所述影像特征信息包括影像数据中的光谱、纹理、形状和结构。

优选地，在步骤S6中，利用均值漂移算法对提取后的影像数据进行分割。

优选地，所述S4中的判别规则为最小距离法或最大似然法。

优选地，在步骤S4中，从所述影像特征信息知识库中选择能够反映某种地物类别的影像特征信息来形成判别规则。

本发明还提供了一种遥感土地利用变化检测系统，包括：

数据叠加单元，用于对历史土地利用专题数据与最新时相影像数据进行几何配准，并对其进行空间位置上的叠加；

特征信息提取单元，用于以所述历史土地利用专题数据中没有发生变化的单元为对象，提取所述最新时相影像数据中的影像特征信息；

知识库构建单元，用于利用所述提取得到的影像特征信息，构建对应不同土地利用类型的影像特征信息知识库；

土地利用变化判别单元，用于形成判别规则，判别土地利用对象是否发生变化。

优选地，所述遥感土地利用变化检测系统还包括：

影像数据提取单元，用于对土地利用对象对应的影像数据进行提取；

影像数据分割单元，用于将所述影像数据分割为若干子对象。

优选地，所述判别规则为最小距离法或最大似然法。

上述技术方案充分利用历史土地利用专题数据，对最新时相影像数据中蕴含的纹理、形状、结构等特征信息进行深层次挖掘，并在此基础上构建不同土地利用类型的影像特征信息知识库。同时以历史土地利用专题数据中“图斑”单元为对象，实现面向“图斑”对象的土地利用变化自动检测。然后对发生变化的“图斑”对象内部影像进行分割，生成多个子对象，对这些子对象再次进行变化检测以提高变化检测的精度。最终实现快速、准确、实时的面向对象知识的遥感土地利用变化检测。

附图说明

图1是本发明实施例的遥感土地利用变化检测方法流程图；

图2是本发明实施例的遥感土地利用变化检测系统框图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细

描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

如图1所示，该实施例提供了一种遥感土地利用变化检测方法，所述检测方法具体描述为：首先进行数据的叠加，对历史土地利用专题数据与最新时相遥感影像数据进行校正，之后进行几何配准，使得它们具有相同的空间地理坐标信息，进而实现矢量数据与栅格数据在空间位置上的准确叠加，为面向“图斑”对象的特征信息准确提取提供条件，其中图斑指历史土地利用专题数据中的矢量图形单元，其对应的空间范围是闭合的，且具备土地利用类型等属性信息。接着进行面向“图斑”对象的特征信息提取，以历史土地利用专题数据中没有发生变化的完整“图斑”单元为对象，提取最新时相遥感数据中的光谱、纹理、形状、结构等特征信息，作为判别“图斑”对象发生变化的检测依据。利用提取得到的影像特征信息分层构建不同土地利用类型的影像特征信息知识库。所述影像特征信息知识库的内容主要包括标识土地利用类型的地类名称、地类编码等信息，以及反映不同土地利用类型的光谱、纹理、形状、结构等特征信息。根据不同土地利用类型的特点选择能够充分反映某种地物类别的特征信息，并结合最小距离法或最大似然法建立判别规则。

其中，最小距离法则作为变化检测规则已得到了广泛应用，其具有原理简单，实现方便等特点，具体公式如下：

D_{ij} = \sqrt{Σ_{i = 1}^{N} w_{i} {(v_{i} - \overset{&OverBar;}{v_{ij}})}^{2}}

式中v_i代表土地利用专题数据“图斑”对象的不同遥感特征信息，v_ij代表知识库中与v_i对应的特征信息，w_i代表不同特征信息的权重，N代表特征信息的个数。如果D_ij大于给定阈值则表示土地利用专题数据“图斑”对象发生变化，否则未发生变化。

最大似然法：假设地物特征信息服从正态分布，则有判别函数：

g_{i} (x) = \ln [p (w_{i})] - \frac{1}{2} \ln | Σi | - \frac{1}{2} {(x - μ_{i})}^{T} Σ i^{- 1} (x - μ_{i})

其中i为类别号，∑i为N阶协方差矩阵，N为特征信息个数，μ_i为第i类的均值，x为待判别处的特征值，p(w_i)为类别w_i的先验概率(已知值)，若g_i(x)小于某一阈值，则说明发生变化，否则未发生变化。

之后进行面向“图斑”对象的土地利用变化检测，确定各检测“图斑”是否发生变化，若发生变化，则进行面向变化“图斑”对象内部的土地利用变化检测，先利用变化的土地利用“图斑”对象的多边形空间位置信息对该“图斑”对象所对应的影像数据进行提取，并利用均值漂移分割算法对提取后的影像数据进行分割得到子对象。均值漂移算法是一种非参数估计密度函数的方法，具有快速收敛性，且抗噪性相对较强；无需进行特征空间变换，可以应用于多波段影像；分割过程中，进行均值漂移滤波，可以去除噪声，滤波影像根据合并规则进行合并，可以实现多尺度分割。

然后提取各子对象的特征信息，利用判别规则进行变化自动检测及变化土地利用类型匹配，从而实现对变化“图斑”对象内部的变化检测。

如图2所示，本发明的实施例提供了一种遥感土地利用变化检测系统。所述系统可包括：数据叠加单元，用于对历史土地利用专题数据与最新时相遥感影像数据进行几何配准，并对其进行空间位置上的叠加；特征信息提取单元，用于以所述历史土地利用专题数据中没有发生变化的单元为对象，提取所述最新时相遥感影像数据中的影像特征信息；知识库构建单元，用于利用所述提取得到的影像特征信息，构建对应不同土地利用类型的影像特征信息知识库；土地利用变化判别单元，用于形成判别规则，判别土地利用对象是否发生变化。优选地，所述遥感土地利用变化检测系统还包括：影像数据提取单元，用于对土地利用对象对应的影像数据进行提取；和影像数据分割单元，用于将所述影像数据分割为若干子对象。优选地，所述判别规则为最小距离法或最大似然法。优选地，所述影像特征信息包括影像数据中的光谱、纹理、形状和结构。

本发明实施例的关键点是，使矢量与栅格数据一体化在土地利用变化检测中成为现实；充分利用历史土地利用专题数据中的隐含信息，并在此基础上对最新时相遥感影像数据进行深层次挖掘，提取光谱、纹理、形状、结构等特征信息；构建不同土地利用类型影像特征信息知识库，并建立有效的变化检测判别规则，实现了面向“图斑”对象实时、快速、准确的土地利用变化自动检测；利用均值漂移算法对变化“图斑”对象内部影像进行分割，生成多个子对象，在此基础上对子对象进行变化检测，有效的提高了土地利用变化检测的精度。

与现有技术相比，本发明提出的技术方案充分利用了历史土地利用专题数据中的隐含信息，使具有最新时相遥感影像数据及历史土地利用专题数据进行土地利用变化检测成为现实。同时在构建不同土地类型影像特征知识库的基础上，实现了土地利用变化的自动检测。并且在有效提高工作效率，减轻工作强度的同时有效的提高了土地利用变化检测的准确性与精度。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims

1、一种遥感土地利用变化检测方法，其特征在于，所述检测方法包括步骤：

S1，对历史土地利用专题数据与最新时相遥感影像数据进行几何配准，并对配准后的数据进行空间位置上的叠加；

S2，以所述历史土地利用专题数据中没有发生变化的单元为对象，提取所述最新时相遥感影像数据中的影像特征信息；

S4，根据不同土地利用类型的特点利用所述影像特征信息知识库形成判别规则，以判别土地利用对象是否发生变化。

2、如权利要求1所述的遥感土地利用变化检测方法，其特征在于，所述检测方法还包括步骤：

S6，对所述提取后的影像数据进行分割生成若干子对象；

3、如权利要求2所述的遥感土地利用变化检测方法，其特征在于，所述影像特征信息知识库包括用于识别土地类型的地类名称、地类编码，以及反映土地利用类型的影像特征信息。

4、如权利要求1-3任一项所述的遥感土地利用变化检测方法，其特征在于，所述影像特征信息包括影像数据中的光谱、纹理、形状和结构。

5、如权利要求2所述的遥感土地利用变化检测方法，其特征在于，在步骤S6中，利用均值漂移算法对提取后的影像数据进行分割。

6、如权利要求1所述的遥感土地利用变化检测方法，其特征在于，所述步骤S4中的判别规则为最小距离法或最大似然法。

7、如权利要求1-3任一项所述的遥感土地利用变化检测方法，其特征在于，在步骤S4中，从所述影像特征信息知识库中选择能够反映某种地物类别的影像特征信息来形成判别规则。

8、一种遥感土地利用变化检测系统，其特征在于，所述检测系统包括：

数据叠加单元，用于对历史土地利用专题数据与最新时相遥感影像数据进行几何配准，并对其进行空间位置上的叠加；

特征信息提取单元，用于以所述历史土地利用专题数据中没有发生变化的单元为对象，提取所述最新时相遥感影像数据中的影像特征信息；

9、如权利要求8所述的遥感土地利用变化检测系统，其特征在于，所述遥感土地利用变化检测系统还包括：

10、如权利要求8所述的遥感土地利用变化检测系统，其特征在于，所述判别规则为最小距离法或最大似然法。

11、如权利要求8-10任一项所述的遥感土地利用变化检测系统，其特征在于，所述影像特征信息包括影像数据中的光谱、纹理、形状和结构。