CN102419865A - 一种图像对象层次的变化检测方法 - Google Patents
一种图像对象层次的变化检测方法 Download PDFInfo
- Publication number
- CN102419865A CN102419865A CN201110335745XA CN201110335745A CN102419865A CN 102419865 A CN102419865 A CN 102419865A CN 201110335745X A CN201110335745X A CN 201110335745XA CN 201110335745 A CN201110335745 A CN 201110335745A CN 102419865 A CN102419865 A CN 102419865A
- Authority
- CN
- China
- Prior art keywords
- spot
- image
- change
- advantage
- remote sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种图像对象层次的变化检测方法,该方法首先获取同一地区两个时相的遥感图像数据,进行图像配准,空间位置基本一致;然后采用尺度自适应的图像分割方法对两个时相的遥感图像进行图像最优分割;并设定优势图斑条件,在两个时相图像最优分割结果中进行优势图斑的识别和检出;对优势图斑进行基于栅格的叠置分析,并对叠置分析结果进行优势图斑的识别和检出;在叠置分析结果中识别两个时相的优势图斑中发生形状变化;以图斑为单元,统计已有的两个图像间的变化检测数据;进一步标记变化检测数据为图斑空间变化和图斑空间未变化两部分。本发明不仅能检出图像变化过程中是否发生了地物空间形状的变化,而且能给出空间变化信息。
Description
技术领域
本发明涉及到一种遥感图像变化检测方法,尤其涉及一种能够利用不同时相的遥感图像的分割结果,如所希望那样利用图像中地物的空间信息的差异进行有效地识别地物变化的遥感图像变化检测方法。
背景技术
遥感技术的出现,改变了人类观测地球的方式;可重复性的遥感资料的获取,使得人类具有了解地表环境动态变化的新途径。遥感技术的发展,光学遥感图像的空间分辨率已从最初的百米级提高到米级,甚至更高;可以重复获得同一地区的多时相遥感图像数据,重访周期也已大大缩短。因而,遥感图像变化检测技术,成为有效利用遥感图像数据的重要途径。
遥感变化检测技术起始于上世纪60年代。1961年,Rosefeld第一次发表用数字化的侦察遥感图像进行自动变化检测论文,并首次提出像元灰度差分的变化检测方法。学术界公认的关于变化检测的权威定义是由印度学者Singh提出,即变化检测是通过对同一目标或现象不同时间的观测来确定其变化的处理过程。这是一种广义的定义,可以具体的理解为遥感变化检测就是利用多时相获取的同一地表区域的遥感图像来确定和分析地表变化,提供地物的空间分布及其变化的定性与定量信息。基于像元光谱特征的变化检测方法主要包含图像代数运算、图像变换和图像分类比较等几种。国内李亚平等(2008)提出了变化检测光谱阈值确定方法,试图提高像元级变化检测方法的应用能力。刘臻等(2005)尝试进行基于相似度验证的变化检测技术。国外研究如Metternicht (1999)将模糊数学引入到变化检测,Walter(2004)将遥感数据分类结果导入到GIS系统后再进行变化检测,Liu YuanBo等(2004)分析了4种变化检测方法的误差传播,Lu等(2005)在Amazon地区比较了10种变化检测方法的应用能力,Hégarat-Mascle等(2005)认为高分辨率遥感图像的变化检测具有与低分辨率图像不同的特征。相关的研究文献还有许多,国内外所实践的变化检测方法基本上都是基于逐像元处理的,这些检测方法不可避免地受到地物本身的光谱信息随时间变化的影响,也同时受到外部变化如光源方向、传感器位置以及在探测和传输过程中的误差引起的变化的影响,上述影响表现为检测结果的不确定性,其表现形式上还存在明显的椒盐现象。
随着技术的发展,以利用遥感图像中的空间信息为目标的面向对象的图像处理方法得到了迅速发展,如多尺度分析方法(Hay等, 2003),从遥感图像中提取对象的质量评价方法(Zhang等,2005)。在变化检测方面,Baudouin等(2006)将特定尺度下的多尺度分割结果与图像差值变化检测方法,Tian等(2007)对高分辨率遥感图像中的人工地物的多尺度分析进行优化,Im等(2007)利用邻域约束和对象约束提高变化检测能力,利用图像关联分析和图像分割方法进行对象级的变化检测研究,开始尝试在变化检测方面应用图像对象技术。
发明内容
本发明的目的是克服现有技术的不足,提供一种遥感图像变化检测方法。
本发明是通过以下技术方案来实现的:一种图像对象层次的变化检测方法,包括如下步骤:
(1)获取同一地区两个时相的遥感图像数据,采用几何校正方法进行图像配准,图像中同一地物的空间位置基本一致;
(2)采用尺度自适应的图像分割方法对两个时相的遥感图像进行图像最优分割;
(3)设定优势图斑条件,在两个时相图像最优分割结果中进行优势图斑的识别和检出;
(4)两个时相遥感图像中优势图斑的进行基于栅格的叠置分析,并对基于栅格的叠置分析结果进行优势图斑的识别和检出;
(5)在叠置分析结果中识别两个时相遥感图像数据优势图斑中发生形状变化的图斑;
(6)以叠置分析结果中的图斑为单元,统计已有的两个图像间的变化检测数据;
(7)标记变化检测数据为图斑空间变化和图斑空间未变化两部分。
进一步地,所述步骤(3)中具体为:以图斑中像元的数量和像元的空间分布为条件确定优势图斑,根据奈奎斯特—香农采样定理和遥感图像混合像元成因,像元构成的图斑的大小须保证能准确表达地物对象(如位置、朝向、形状、大小等);
进一步地,所述步骤(5)具体为:在叠置分析结果中,前一时相的1个优势图斑对应后一时相2个或以上优势图斑,则表示形状变化为图斑分裂;前一时相2个或以上优势图斑对应后一时相的1个优势图斑,则表示形状变化为图斑合并;图斑的形状变化也包括上述两种方法的组合,即同时发生了图斑分裂和图斑合并情况。
本发明的有益效果是,本发明在传统变化检测的基础上应用了遥感图像中地物的空间信息。本发明不仅能检出变化区域,而且能对发生空间变化的地物给出空间变化信息。
附图说明
图1是图像对象层次遥感变化检测的技术步骤;
图2是图像对象空间形状变化的空间组合关系示意图,图中,(a)为时相1遥感图像,(b)为时相2遥感图像。
具体实施方式
光谱信息是基于图像像元的,而空间信息存在于遥感图像的像元集即地物图斑中。事实上,当图像中图斑的空间形状发生变化时,我们几乎可以确定该图斑所对应地物的局部或全部发生的变化,反之亦然,这种对应关系是存在且易于理解。传统的变化检测是基于像元光谱信息的,实际上,由于遥感图像成像条件的差异、周围环境的差异如时间、季节、太阳高度角、物候等的变化,都会引起遥感图像光谱值的变化。即使地物没有变化,其不同时相的图像中对应的光谱值也会变化,光谱值的变化是几乎绝对的,且不同地物的光谱变化差异不一。当然,当地物发生变化时,也会引起对应区域的光谱变化,遥感图像中这两种来源的光谱差异叠加在一起,必然造成基于光谱信息的传统变化检测的不确定性。然而,不同地物之间的光谱相对差异在不同时相的遥感图像中自然存在,这种不同地物的光谱差异正是遥感解译的基础。因而利用这种不同地物光谱差异的遥感图像最优分割的结果,成为利用空间信息识别图像中变化区域的途径。
下面,我们参照附图来说明本发明的具体实施形态。图1是本发明的技术步骤图。如图2所示,不同时相的遥感图像中同一区域的图斑的空间变化组合关系可以表达为:图斑分裂、图斑合并、图斑分裂且合并,无形状变化。
本发明图像对象层次的变化检测方法,包括以下步骤:
1. 获取同一地区两个时相的遥感图像数据,采用几何校正方法进行图像配准,图像中同一地物的空间位置基本一致。
在遥感图像的变化检测之前进行遥感图像之间的配准,图像配准采用地面控制点(GCP)同名点方式,即在两个时相遥感图像中选择一定数量的相同地物的图像特征点,建立控制方程。GCP模型法回避传感器成像时的实际几何状态,直接对不同时相的遥感图像进行几何校正,该方法的校正精度依赖于GCP精度。典型的GCP模型法是遥感图像多项式校正,将遥感图像的总体变形看作是平移、缩放、旋转、偏扭以及更高次的基本变形综合作用结果,校正前后图像相应点之间坐标关系可以用一个适当的多项式来表达。
2. 采用尺度自适应的图像分割方法对两个时相的遥感图像进行图像最优分割。
采用尺度自适应的图像分割方式,参见专利:ZL 200710068214.2。图像及其变换结果的一个或多个图层确定待分割图像集;设定分割方法和尺度增长方式,并以连续变化的尺度系数分割图像;不同尺度下的分割结果以图斑之间的合并关系形成树形结构的图像对象表达;定义图斑显著性;连续变化尺度分割下的图斑组成图斑演进曲线;形成分割演进过程中图斑的显著性曲线、分割初尺度曲线;从显著性曲线中计算极值形成尺度倒序;尺度倒序中对应的极值形成极值尺度图像;以极值尺度图像中的优势尺度确定分割图斑。
3. 设定优势图斑条件,在两个时相图像最优分割结果中进行优势图斑的识别和检出。
以图斑中像元的数量和像元的空间分布为条件确定优势图斑,根据奈奎斯特—香农采样定理,通常像元大小须保证等于或小于地物对象的1/10,才能准确表达地物对象(如位置、朝向、形状、大小等)。实际上考虑到遥感图像中混合像元成因,一般设定优势图斑为基本像元数的2-3倍,即优势图斑的像元数大于25个像元,像元空间分布上具有3×3图斑特性。根据上述条件对步骤2中的分割结果进行判别过滤,保留优势图斑,非优势图斑不参与空间组合关系判断。
4. 两个时相遥感图像中优势图斑的进行基于栅格的叠置分析,并对基于栅格的叠置分析结果进行优势图斑的识别和检出。
叠置分析是地理信息系统常用的提取空间隐含信息的手段之一。基于栅格数据的叠置分析是将两个栅格数据的每个栅格元素进行逻辑运算,并将各像元的运算结果集合起来。基于栅格的叠置分析其几何求交过程的结果是对原来栅格多边形信息进行判断并形成新的栅格多边形,新多边形综合了原来两个栅格的属性。同样对叠置分析结果进行步骤3一样的优势图斑识别。
5. 在叠置分析结果中识别两个时相遥感图像数据优势图斑中发生形状变化的图斑。
对步骤4的叠置分析结果进行判别,当一个时相的图斑中包含了2个以上另一时相的优势图斑,并且其叠置分析结果满足优势图斑的条件,则可以认为在这两个时相间该区域的图斑发生了空间变化。在叠置分析结果中,前一时相的1个优势图斑对应后一时相2个或以上优势图斑,则表示形状变化为图斑分裂;前一时相2个或以上优势图斑对应后一时相的1个优势图斑,则表示形状变化为图斑合并;图斑的形状变化也包括上述两种方法的组合,即同时发生了图斑分裂和图斑合并情况。
6. 以叠置分析结果中的图斑为单元,统计已有的两个图像间的变化检测数据。
对于步骤5得到的已有两个图像之间的变化检测结果,以叠置分析结果中的图斑为单元进行统计,对单一图斑中的像素点上的变化检测结果进行直方图统计,以直方图的峰值则代表了该图斑整体的变化检测结果。
7.标记变化检测数据为图斑空间变化和图斑空间未变化两部分。
根据步骤6的结果,在原有2个图像变化检测结果的基础上增加图像对象的空间变化信息,进一步以图斑是否发生变化区分原有图像的变化检测结果。
图像对象层次的变化检测方法不仅以图斑为单元确定图像的变化结果,而且能够提供图斑的空间变化信息。
本发明不限于以上的实施形态,在权利要求书中记载的发明范围内,可以进行种种的变更,这些变更当然也包含在本发明的范围内,这是不言而喻的。
Claims (3)
1.一种图像对象层次的变化检测方法,其特征在于,包括如下步骤:
(1)获取同一地区两个时相的遥感图像数据,采用几何校正方法进行图像配准,图像中同一地物的空间位置基本一致;
(2)采用尺度自适应的图像分割方法对两个时相的遥感图像进行图像最优分割;
(3)设定优势图斑条件,在两个时相图像最优分割结果中进行优势图斑的识别和检出;
(4)两个时相遥感图像中优势图斑的进行基于栅格的叠置分析,并对基于栅格的叠置分析结果进行优势图斑的识别和检出;
(5)在叠置分析结果中识别两个时相遥感图像数据优势图斑中发生形状变化的图斑;
(6)以叠置分析结果中的图斑为单元,统计已有的两个图像间的变化检测数据;
(7)标记变化检测数据为图斑空间变化和图斑空间未变化两部分。
2.根据权利要求1所述的一种图像对象层次的变化检测方法,其特征在于,所述步骤(3)中具体为:以图斑中像元的数量和像元的空间分布为条件确定优势图斑,根据奈奎斯特—香农采样定理和遥感图像混合像元成因,像元构成的图斑的大小须保证能准确表达地物对象(如位置、朝向、形状、大小等)。
3.根据权利要求1所述的一种图像对象层次的变化检测方法,其特征在于,所述步骤(5)具体为:在叠置分析结果中,前一时相的1个优势图斑对应后一时相2个或以上优势图斑,则表示形状变化为图斑分裂;前一时相2个或以上优势图斑对应后一时相的1个优势图斑,则表示形状变化为图斑合并;图斑的形状变化也包括上述两种方法的组合,即同时发生了图斑分裂和图斑合并情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110335745.XA CN102419865B (zh) | 2011-10-31 | 2011-10-31 | 一种图像对象层次的变化检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110335745.XA CN102419865B (zh) | 2011-10-31 | 2011-10-31 | 一种图像对象层次的变化检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102419865A true CN102419865A (zh) | 2012-04-18 |
CN102419865B CN102419865B (zh) | 2014-09-10 |
Family
ID=45944266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110335745.XA Active CN102419865B (zh) | 2011-10-31 | 2011-10-31 | 一种图像对象层次的变化检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102419865B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778625A (zh) * | 2013-12-27 | 2014-05-07 | 北京东方泰坦科技股份有限公司 | 基于遥感图像变化检测算法的地物智能搜索技术 |
CN104156955A (zh) * | 2014-08-04 | 2014-11-19 | 华中农业大学 | 一种高分辨率遥感影像的变化检测方法 |
CN105956557A (zh) * | 2016-05-04 | 2016-09-21 | 长江水利委员会长江科学院 | 一种面向对象的时序遥感影像云覆盖区域自动检测方法 |
CN108734219A (zh) * | 2018-05-23 | 2018-11-02 | 北京航空航天大学 | 一种基于全卷积神经网络结构的端到端撞击坑检测与识别方法 |
CN108761451A (zh) * | 2018-05-21 | 2018-11-06 | 中南大学 | 一种基于多时相遥感影像的土地利用变化智能理解方法 |
CN111127634A (zh) * | 2019-12-20 | 2020-05-08 | 山东省国土测绘院 | 土地利用数据的图斑叠加方法、装置、设备及存储介质 |
CN114119575A (zh) * | 2021-11-30 | 2022-03-01 | 二十一世纪空间技术应用股份有限公司 | 一种空间信息变化检测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101038667A (zh) * | 2007-04-24 | 2007-09-19 | 国家海洋局第二海洋研究所 | 一种尺度自适应的图像分割方法 |
CN102169545A (zh) * | 2011-04-25 | 2011-08-31 | 中国科学院自动化研究所 | 一种高分辨率遥感图像的变化检测方法 |
-
2011
- 2011-10-31 CN CN201110335745.XA patent/CN102419865B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101038667A (zh) * | 2007-04-24 | 2007-09-19 | 国家海洋局第二海洋研究所 | 一种尺度自适应的图像分割方法 |
CN102169545A (zh) * | 2011-04-25 | 2011-08-31 | 中国科学院自动化研究所 | 一种高分辨率遥感图像的变化检测方法 |
Non-Patent Citations (2)
Title |
---|
JIANYU CHEN ET AL: "Land-cover change and its time-series reconstructed using remotely sensed imageries in the Zhoushan Islands", 《PROCEEDING OF SPIE》 * |
佟彪: "基于土地利用图斑的遥感影像变化检测与更新", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778625A (zh) * | 2013-12-27 | 2014-05-07 | 北京东方泰坦科技股份有限公司 | 基于遥感图像变化检测算法的地物智能搜索技术 |
CN104156955A (zh) * | 2014-08-04 | 2014-11-19 | 华中农业大学 | 一种高分辨率遥感影像的变化检测方法 |
CN105956557A (zh) * | 2016-05-04 | 2016-09-21 | 长江水利委员会长江科学院 | 一种面向对象的时序遥感影像云覆盖区域自动检测方法 |
CN108761451A (zh) * | 2018-05-21 | 2018-11-06 | 中南大学 | 一种基于多时相遥感影像的土地利用变化智能理解方法 |
CN108761451B (zh) * | 2018-05-21 | 2020-09-04 | 中南大学 | 一种基于多时相遥感影像的土地利用变化智能理解方法 |
CN108734219A (zh) * | 2018-05-23 | 2018-11-02 | 北京航空航天大学 | 一种基于全卷积神经网络结构的端到端撞击坑检测与识别方法 |
CN108734219B (zh) * | 2018-05-23 | 2022-02-01 | 北京航空航天大学 | 一种基于全卷积神经网络结构的端到端撞击坑检测与识别方法 |
CN111127634A (zh) * | 2019-12-20 | 2020-05-08 | 山东省国土测绘院 | 土地利用数据的图斑叠加方法、装置、设备及存储介质 |
CN111127634B (zh) * | 2019-12-20 | 2023-04-28 | 山东省国土测绘院 | 土地利用数据的图斑叠加方法、装置、设备及存储介质 |
CN114119575A (zh) * | 2021-11-30 | 2022-03-01 | 二十一世纪空间技术应用股份有限公司 | 一种空间信息变化检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102419865B (zh) | 2014-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102419865A (zh) | 一种图像对象层次的变化检测方法 | |
CN105956557B (zh) | 一种面向对象的时序遥感影像云覆盖区域自动检测方法 | |
CN103632363B (zh) | 基于多尺度融合的对象级高分辨率遥感影像变化检测方法 | |
CN104637073B (zh) | 一种基于太阳照射阴影补偿的带状地下结构探测方法 | |
CN106127113A (zh) | 一种基于三维激光雷达的道路车道线检测方法 | |
CN107016403B (zh) | 一种基于夜间灯光数据提取城市建成区阈值的方法 | |
Pueschel | The influence of scanner parameters on the extraction of tree metrics from FARO Photon 120 terrestrial laser scans | |
CN103489171A (zh) | 基于标准色彩库的大范围遥感影像自动化匀光匀色方法 | |
Zhong et al. | A method for extracting trees from vehicle-borne laser scanning data | |
CN103279951A (zh) | 一种面向对象的遥感影像建筑物及其阴影提取的方法 | |
CN104715255A (zh) | 一种基于sar图像的滑坡信息提取方法 | |
CN108594226A (zh) | 一种顾及地形的山区sar图像输电塔架检测方法 | |
CN103871072A (zh) | 基于投影数字高程模型的正射影像镶嵌线自动提取方法 | |
CN103745221A (zh) | 一种二维码图像矫正方法 | |
CN104318611A (zh) | 一种基于激光扫描点云的三维树木重建方法 | |
Ming et al. | Cropland extraction based on OBIA and adaptive scale pre-estimation | |
CN113902792B (zh) | 基于改进RetinaNet网络的建筑物高度检测方法、系统和电子设备 | |
CN105631849A (zh) | 多边形目标的变化检测方法及装置 | |
CN112946643A (zh) | 基于时序雷达遥感的海上风电提取方法及系统 | |
CN105205485B (zh) | 基于多类类间最大方差算法的大尺度图像分割算法 | |
CN103700102A (zh) | 基于ct图像的岩心目标提取方法 | |
Boerner et al. | Brute force matching between camera shots and synthetic images from point clouds | |
CN106530326B (zh) | 基于影像纹理特征和dsm的变化检测方法 | |
Tian et al. | A process-oriented method for rapid acquisition of canopy height model from RGB point cloud in semiarid region | |
Kadhim et al. | Automatic extraction of urban structures based on shadow information from satellite imagery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |