CN105225227B - 遥感影像变化检测的方法及系统 - Google Patents
遥感影像变化检测的方法及系统 Download PDFInfo
- Publication number
- CN105225227B CN105225227B CN201510563993.8A CN201510563993A CN105225227B CN 105225227 B CN105225227 B CN 105225227B CN 201510563993 A CN201510563993 A CN 201510563993A CN 105225227 B CN105225227 B CN 105225227B
- Authority
- CN
- China
- Prior art keywords
- spot
- remote sensing
- sensing image
- segmentation
- space vector
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种遥感影像变化检测的方法及系统。其中该方法包括以下步骤:以前一时相遥感影像相对应的矢量图斑为基准对后一时相遥感影像进行分割,获取后一时相遥感影像的分割图斑;提取所分割图斑对应前一时相遥感影像区域的全部或部分光谱特征和纹理特征构成前一空间向量特征,并根据前一空间向量特征构建前一空间向量;提取所选择分割图斑的与前一空间向量特征相对应的特征构成后一空间向量特征,并根据后一空间特征向量构建后一空间向量;通过比较后一空间向量和前一空间向量判断所选择的分割图斑是否发生变化。其检测椒盐噪声小,检测精度高。
Description
技术领域
本发明涉及遥感技术领域,尤其涉及一种遥感影像变化检测的方法及系统。
背景技术
当今,大自然的运动、人类的活动以及经济全球化的不断发展,引起了灾害频发、土地过度开垦、气候变化等全球性问题,使人们意识到快速地、大规模地对地表覆盖进行变化检测,分析其变化的特点和原因及影响结果,对于我国有效进行生态环境变化监测及地理国情监测,实现可持续发展具有十分重要的意义。
随着遥感科学、计算机技术以及数理统计等学科技术的不断发展,遥感变化检测作为这些学科交叉后新的增长点,是遥感数据处理技术发展方向的代表。自二十世纪七十年代美国国家航空航天局发射第一颗Landsat陆地观测卫星以来,国内外很多学者开始针对遥感影像变化检测进行大量研究,并将其在土地资源调查、管理和更新工作中广泛应用,主要包括土地利用类型的变化检测、土地利用数量及其变化范围的检测和利用基期辅助数据的更新工作。从分类角度看,遥感影像变化检测方法可以分为分类前变化检测和分类后变化检测:分类前变化检测就是对同一区域的多时相遥感影像数据几何配准后直接结合起来进行各种变换运算和对比分析,进而得到变化检测结果;而分类后变化检测是对同一区域的多时相遥感影像数据几何配准后先分别进行分类或特定目标识别,再将分类识别的结果进行对比分析。从变化检测的算法策略角度看,遥感影像变化检测方法可以归纳为七类:算术运算法、变换法、分类法、高级模型法、GIS方法、视觉分析法和其它方法。此外,也有部分学者以遥感影像的最小处理单元为着眼点,将变化检测方法分为基于像元的变化检测法和面向对象的变化检测法。
随着遥感卫星技术的不断发展,所获取的遥感数据空间分辨率越来越高,由此导致的巨大数据量以及更为丰富的空间特征极大地增加了变化检测有效实行的难度,降低了变化检测的效率,为变化检测算法在高分辨率遥感影像中的应用带来了阻碍。此外,目前基于多时相的高分辨率遥感影像变化检测方法仅仅利用了遥感影像像元灰度信息,并没有考虑其他几何和位置信息,对影像的变化检测方法多是通过图像上的信息来检测变化的区域。而由于同类影像地物内部灰度起伏较大,导致检测结果极其破碎,“椒盐”现象十分严重,获取的变化图斑不规整,与变化地物的边界不完全吻合,变化检测精度较低。
发明内容
基于此,有必要针对传统技术的多时相遥感影像的变化检测方法椒盐现象严重,变化检测精度低的问题,提供一种新的遥感影像变化检测的方法及系统。
为实现本发明目的提供的一种遥感影像变化检测的方法,包括以下步骤:
以前一时相遥感影像相对应的矢量图斑为基准对后一时相遥感影像进行分割,获取所述后一时相遥感影像的后分割图斑;
选定一个所述分割图斑,提取所选定的所述分割图斑对应的前一时相遥感影像区域的全部或部分光谱特征和纹理特征构成前一空间向量特征,并根据所述前一空间向量特征构建前一空间向量;
提取所选定的分割图斑对应的后一时相遥感影像的与所述前一空间向量特征相对应的特征后一空间向量特征,并根据所述后一空间特征向量构建后一空间向量;
通过比较所述后一空间向量和所述前一空间向量判断所选择的分割图斑相对所述前一时相遥感影像对应区域是否发生变化,若发生了变化,则判定所述后一时相遥感影像对应区域发生了变化;
所述矢量图斑为多个,所述分割图斑也为多个;所述遥感影像特征包括图斑的光谱特征和纹理特征。
作为一种遥感影像变化检测的方法的可实施方式,步骤通过比较所述后一空间向量和所述前一空间向量判断所选择的分割图斑是否发生变化中,当所选择的分割图斑发生的变化超过预设阈值时,判定所述后一时相遥感影像中所选择的所述分割图斑发生了变化。
作为一种遥感影像变化检测的方法的可实施方式,判断所选择的分割图斑是否发生变化完成后,继续选择新的所述分割图斑,对所述后一时相遥感影像的新的分割图斑是否发生变化进行判断。
作为一种遥感影像变化检测的方法的可实施方式,还包括以下步骤:
对所述后一时相遥感影像中的所有所述分割图斑是否发生变化判断完成后,计算所有发生变化的分割图斑的总面积,便于后续检测精度的计算。
作为一种遥感影像变化检测的方法的可实施方式,所述通过比较所述后一空间向量和所述前一空间向量判断所选择的分割图斑是否发生变化,包括以下步骤:
将所述前一空间向量和所述后一空间向量作为两组随机变量F和T,分别计算所述两组随机变量的协方差和互协方差,得到四个方差矩阵,将所述四个方差矩阵整合在一起构建一个总体方差矩阵
计算所述总体方差矩阵的广义特征方程,并在单位方差约束条件下计算广义特征方程和的特征向量a和b,其中,ρ为对应的广义特征方程的特征根;
根据公式M=U-V计算所选择的所述分割图斑的变化参数M;其中,U=aT*F,V=bT*T;
通过卡方分布概率密度函数对参数Z进行赋权计算,其中,K为每组所述随机变量F或T中的变量个数,为第i个变化参数M的变量标准差;
判断所述参数Z是否小于等于预设数值,若是,则判定当前所选择的分割图斑为变化图斑。
作为一种遥感影像变化检测的方法的可实施方式,所述后一时相遥感影像和所述前一时相遥感影像均为栅格数据,所述矢量图斑和所述分割图斑均为矢量数据;
以前一时相遥感影像相对应的矢量图斑为基准对后一时相遥感影像进行分割时,根据分割精度要求设定面向对象分割的分割尺度、紧致度以及光谱指数。
基于同一发明构思的一种遥感影像变化检测的系统,包括分割模块、前一空间向量构建模块、后一空间向量构建模块和变化判断模块;
所述分割模块,被配置为以前一时相遥感影像相对应的矢量图斑为基准对后一时相遥感影像进行分割,获取所述后一时相遥感影像的分割图斑;
所述前一空间向量构建模块,被配置为选定一个所述分割图斑,提取所选定的所述分割图斑对应的前一时相遥感影像区域的全部或部分遥感影像特征构成前一空间向量特征,并根据所述前一空间向量特征构建前一空间向量;
所述后一空间向量构建模块,被配置为提取所选定的分割图斑对应的后一时相遥感影像区域的与所述前一空间向量特征相对应的特征后一空间向量特征,并根据所述后一空间特征向量构建后一空间向量;
所述变化判断模块,被配置为通过比较所述后一空间向量和所述前一空间向量判断所选择的分割图斑相对所述前一时相遥感影像对应区域是否发生变化,若发生了变化,则判定所述后一时相遥感影像对应区域发生了变化;
所述矢量图斑为多个,所述分割图斑也为多个;所述遥感影像特征包括图斑的光谱特征和纹理特征。
作为一种遥感影像变化检测的系统的可实施方式,所述变化判断模块在进行判断时,当所选择的分割图斑发生的变化超过预设阈值时,判定所述后一时相遥感影像中所选择的所述分割图斑发生了变化。
作为一种遥感影像变化检测的系统的可实施方式,所述变化判断模块对一个所述分割图斑是否发生变化判断完成后,转执行所述后一空间向量构建模块,对所述后一时相遥感影像的下一分割图斑进行判断,直至完成所述后一时相遥感影像的所有分割图斑是否发生变化的判断;且
该系统中还包括总面积计算模块,被配置为对所述后一时相遥感影像中的所有所述分割图斑是否发生变化判断完成后,计算所有发生变化的分割图斑的总面积,便于后续检测精度的计算。
作为一种遥感影像变化检测的系统的可实施方式,所述变化判断模块包括方差矩阵构建单元、特征值计算单元、变化参数计算单元、判定参数计算单元以及图斑变化判定单元;
所述方差矩阵构建单元,被配置为将所述前一空间向量和所述后一空间向量作为两组随机变量F和T,分别计算所述两组随机变量的协方差和互协方差,得到四个方差矩阵,将所述四个方差矩阵整合在一起构建一个总体方差矩阵其中,Σff为前一空间向量对应的随机变量F的协方差;Σtt为后一空间向量对应的随机变量T的协方差;Σft和Σtf为两个随机变量之间的互协方差;
所述特征值计算单元,被配置为计算所述总体方差矩阵的广义特征方程,并在单位方差约束条件下计算广义特征方程和的特征向量a和b,其中,ρ为对应的广义特征方程的特征根;
所述变化参数计算单元,被配置为根据公式M=U-V计算所选择的所述分割图斑的变化参数M;其中,U=aT*F,V=bT*T;
所述判定参数计算单元,被配置为通过卡方分布概率密度函数对参数Z进行赋权计算,其中,K为每组所述随机变量F或T中的变量个数,为第i个变化参数M的变量标准差;
所述图斑变化判定单元,被配置为判断所述参数Z是否小于等于预设数值,若是,则判定当前所选择的分割图斑为变化图斑。
本发明的有益效果包括:本发明提供的一种遥感影像变化检测的方法及系统,其通过使用已确定的时相遥感影像及其包含的图斑对要检测的时相遥感影像进行分割,从而将所处理的时相遥感影像划分出多个规整,且与变化地物的边界能够吻合的图斑。该方法能够避免传统的多时相高分辨率遥感影像的变化检测中由类内光谱差异引起的细碎图斑造成的椒盐噪声。其能够更加合理地集中并识别变化信息,提高图斑变化检测的效率及数据处理的速度,同时也就提高了地物变化检测的效率。明显减低误检和漏检,使检测精度得到显著提高。
附图说明
图1为本发明一种遥感影像变化检测的方法的一具体实施例的流程图;
图2为本发明一种遥感影像变化检测的方法的另一具体实施例的流程图;
图3为使用基于像元的典型相关分析多元变化检测方法对实验区域的检测结果图像;
图4为使用本方法的遥感影像变化检测的方法进行检测结果图像;
图5为实验区域地表的真实变化图;
图6为实验区域变化检测混淆矩阵对比图;
图7(a1)为基于像元的典型相关分析多元变化检测方法的前一时相遥感影像局部分析示意图;
图7(b1)为使用本方法的前一时相遥感影像局部示意图;
图7(a2)为与图7(a1)对应的基于像元的典型相关分析多元变化检测方法的后一时相遥感影像局部分析示意图;
图7(b2)为与图7(b1)对应的使用本方法的后一时相遥感影像局部分析示意图;
图8(a1)为基于像元的典型相关分析多元变化检测方法的前一时相遥感影像混淆矩阵局部分析示意图;
图8(b1)为使用本方法的前一时相遥感影像混淆矩阵局部示意图;
图8(a2)为与图7(a1)对应的基于像元的典型相关分析多元变化检测方法的后一时相遥感影像混淆矩阵局部分析示意图;
图8(b2)为与图7(b1)对应的使用本方法的后一时相遥感影像混淆矩阵局部分析示意图;
图9为本发明一种遥感影像变化检测的系统的一具体实施例的结构示意图;
图10为本发明一种遥感影像变化检测的系统的另一具体实施例的结构示意图;
图11为本发明一种遥感影像变化检测的系统的一具体实施例的变化判断模块构成示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图对本发明的遥感影像变化检测的方法及系统的具体实施方式进行说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明一实施例的遥感影像变化检测的方法,如图1所示,包括以下步骤:
S100,以前一时相遥感影像相对应的矢量图斑为基准对后一时相遥感影像进行分割,获取所述后一时相遥感影像的分割图斑。
本步骤中,使用前一时相遥感影像的相对应的基期矢量数据为基准,将其与要进行变化判断的后一时相遥感影像进行套合。可通过设定分割尺度、紧致度以及光谱指数等参数,在所述前一时相遥感影像相对应的矢量图斑边界限制下,对所述后一时相遥感影像进行分割,获取同质像斑。采用这种基于已知数据对后期获取的影像进行分割,可使分割结果兼顾前后两个时相的地物特征,获取到与已知矢量图斑相对应的较为完整、规则的分割图斑。能够避免椒盐现象。且能够保证分割后获取的图斑“类间光谱相异”和“类内光谱同质”。
本领域技术人员可以理解,前一时相遥感影像和后一时相遥感影像是地理位置相对应的两帧影像,但是两帧影像在时间上是不同的,前一时相遥感影像是前期获取的,影像图斑已经确定的遥感影像。而后一时相遥感影像是后期在对地表是否发生变化进行判断时,所新获取的时相遥感影像。且前一时相遥感影像中的矢量图斑的数量一般为多个,而基于其进行分割的后一时相遥感影像分割完成后也能分割出多个分割图斑。
S200,选定一个所述分割图斑,提取所选定的所述分割图斑对应的前一时相遥感影像区域的全部或部分遥感影像特征构成前一空间向量特征,并根据所述前一空间向量特征构建前一空间向量。其中,所述遥感影像特征包括光谱特征和纹理特征等。
S300,提取步骤S200中所选定前述分割图斑对应的后一时相遥感影像区域的与所述前一空间向量特征相对应的特征后一空间向量特征,并根据所述后一空间特征向量构建后一空间向量。
这两步骤中,以获得的分割结果为基准,将所选择的分割图斑与对应的前一时相和后一时相遥感影像进行叠置分析,再分别对两个影像图斑的特征进行提取;且可提取两个影像图斑的全部光谱特征和纹理特征,再通过特征优化选取合适的特征分别构建后一空间向量和前一空间向量。当然,此处是为了根据提取的特征对后一时相遥感影像的分割图斑是否发生了变化进行判断,因此,分割图斑中所最后选择的后一空间特征向量特征和相对应的分割图斑中最后选择的前一空间特征向量特征是相同的,即两者所选择的为相同的光谱特征和纹理特征中的几个。
另外,在提取了选定的分割图斑各自的光谱特征和纹理特征后,可通过特征优化选取合适的特征分别构建前一空间特征向量和后一空间特征向量。特征优化的原则就是在最邻近分类器中以距离测度为依据,通过比较已提取的特征,计算不同特征之间的最小距离,从而得到最佳特征组合,优化之后即可得到最优特征。通过确定合理的波段及最优特征构建前一空间特征向量和后一空间特征向量,避免数据冗余,提高计算速度和效率。
S400,通过比较所述后一空间向量和所述前一空间向量判断所选择的分割图斑相对所述前一时相遥感影像对应区域是否发生变化,若发生了变化,则判定所述后一时相遥感影像对应区域发生了变化。
本发明实施例的遥感影像变化检测的方法,其通过使用已确定的时相遥感影像及其包含的图斑对要检测的时相遥感影像进行分割,从而将所处理的时相遥感影像划分出多个规整,且与变化地物的边界能够吻合的图斑。该方法能够避免传统的多时相高分辨率遥感影像的变化检测中由类内光谱差异引起的细碎图斑造成的椒盐噪声。其能够更加合理地集中并识别变化信息,提高图斑变化检测的效率及数据处理的速度,同时也就提高了地物变化检测的效率。明显减低误检和漏检,使检测精度得到显著提高。
其中,步骤S400,通过比较所述后一空间向量和所述前一空间向量判断所选择的分割图斑是否发生变化中,当所选择的分割图斑发生的变化超过预设阈值时,判定所述后一时相遥感影像中所选择的所述分割图斑发生了变化。
本实施例中,设定变化的预设值,并将数据处理完成后的变化大小与预设的预设变化阈值进行比较,在发生的变化超过设定的预设变化阈值时,判定所处理的分割图斑发生了变化。如此设置,可忽略发生微小变化的图斑,根据需要的地物变化情况设定相应的阈值则可检测到相应发生变化的图斑。如在只需要确定地物是否发生巨大改变时,则可设置较大的预设变化阈值,当需要将地物较小的改变也检测到时,则需要设定较小的所述预设变化阈值,从而可以检测到发生微小变化的分割图斑。
由前面的描述可知,步骤S100对后一时相遥感影像进行分割后会得到多个分割图斑,而后续的步骤S200~S400是对其中一个分割图斑是否为变化图斑进行的判断。本领域技术人员可以理解,在根据时相遥感影像对地物变化进行检测时,一般需要判断所处理的时相遥感影像中所有发生变化的部分。因此,本发明方法对地物变化进行检测时,在对所述后一时相遥感影像中所述当判断所选择的分割图斑是否发生变化完成后,继续选择新的所述分割图斑,对所述后一时相遥感影像的新的(另一)分割图斑是否发生变化进行判断。直至判断完后一时相遥感影像中所分割出的所有分割图斑。从而能够得到后一时相遥感影像涵盖范围内地物发生变化的所有区域的面积及相应位置。且处理速度较快。
在其中一个遥感影像变化检测的方法的实施例中,如图2所示,还包括以下步骤:
S500,对所述后一时相遥感影像中的所有所述分割图斑是否发生变化判断完成后,计算所有发生变化的分割图斑的总面积,便于后续检测精度的计算。
具体地,步骤S400,通过比较所述后一空间向量和所述前一空间向量判断所选择的分割图斑是否发生变化,包括以下步骤:
S410,将所述前一空间向量和所述后一空间向量作为两组随机变量F=(F1,F2,...,FK)T和T=(T1,T2,...,TK)T,分别计算所述两组随机变量的协方差和互协方差,得到四个方差矩阵,将所述四个方差矩阵整合在一起构建一个总体方差矩阵。其中,K为特征空间向量维数,Fn和Tn为各特征对应数据n=1,2,...K。构建的总体方差矩阵如下:其中,Σff为前一空间向量对应的随机变量F的协方差;Σtt为后一空间向量对应的随机变量T的协方差;Σft和Σtf为两个随机变量之间的互协方差。
S420,计算所述总体方差矩阵的广义特征方程,并在单位方差约束条件下计算广义特征方程和的特征向量a和b,其中,ρ为对应的广义特征方程的特征根。
本步骤中,通过总体协方差矩阵构造典型相关的广义特征方程。
S430,根据公式M=U-V计算所选择的所述分割图斑的变化参数M;其中,U=aT*F,V=bT*T。其中,变化参数也可表达为Mi=Ui-Vi,i=1,2...K。
S440,通过卡方分布概率密度函数对参数Z进行赋权计算,其中,K为每组所述随机变量F或T中的变量个数,为第i个变化参数M的变量标准差。
S450,判断所述参数Z是否小于等于预设数值,若是,则判定当前所选择的分割图斑为变化图斑。
本发明实施例中是结合卡方变换方法对随机变量z进行加权计算,并判断权值大小。且之后可对分割图斑逐个进行计算。变化权值的取值在0—1之间,越靠近0,表示变化的可能性越大,反之则为不变化。因此,可通过设定合适的预设数值(在0到1之间),获取变化图斑。
下面以一对比实例说明本方法的进步性。
如图3所示,为使用基于像元的典型相关分析多元变化检测方法对实验区域的检测结果,图4为使用本方法的遥感影像变化检测的方法进行检测结果图像。而图5为实验区域的真实变化参考图。
利用前后时相实验区土地利用图进行叠置分析比较提取变化图斑将其作为真实变化结果,总面积为430720.474894。参见图6及表一,基于像元的典型相关分析多元变化检测方法获得权值影像设定阈值为0.050,得到变化非变化二值影像并将其矢量化后,得到发生变化图斑123586个,面积为842338.7505,其中正确图斑,即与真实变化结果叠加后重合的部分面积为339378.1569,正确检测率为40.29%。利用本发明的方法中,经过分割后实验区共分为4062个图斑,本发明方法的遥感影像变化检测的方法设定阈值为0.027,共检测出281个图斑发生变化,变化面积为467303.671709,其中检测出的正确图斑总面积为390271.6878,正确检测率为83.52%。
表一
从表1各项精度评价指标得知,本发明的方法较基于像元的典型相关分析多元变化检测方法,其正确检测精度、漏检精度以及总体检测精度均有较大提高,其中正确检测精度增加了一倍。
图7(a1,b1,a2,b2)和图8(a1,b1,a2,b2)为实验区变化检测结果的局部比较图,a表示基于像元的典型相关分析多元变化检测方法的分析结果,b为本发明方法的检测分析结果;1代表前一时相遥感影像,2代表后一时相遥感影像。
由图7和图8对比可得,基于像元的典型相关分析多元变化检测方法由于同类型地物内部灰度起伏较大,造成了检测结果极其破碎,“椒盐”现象十分严重,而本发明的方法以同质像斑为输入变量,其检测结果基本消除了“椒盐”现象的影响,与实际变化地物的边界信息吻合较好。
本领域普通技术人员可以理解,实现上述实施例方法中的全部或部分流程可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
基于同一发明构思,本发明实施例提供一种遥感影像变化检测的系统,由于此系统解决问题的原理与前述一种遥感影像变化检测的方法相似,因此,该系统的实施可以按照前述方法的具体步骤实现,重复之处不再赘述。
本发明一实施例的遥感影像变化检测的系统,如图9所示,包括分割模块100、前一空间向量构建模块200、后一空间向量构建模块300和变化判断模块400。其中,分割模块100,被配置为以前一时相遥感影像相对应的矢量图斑为基准对后一时相遥感影像进行分割,获取所述后一时相遥感影像的分割图斑;前一空间向量构建模块200,被配置为选定一个所述分割图斑,提取所选定的所述分割图斑对应的前一时相遥感影像区域的全部或部分遥感影像特征构成前一空间向量特征,并根据所述前一空间向量特征构建前一空间向量;后一空间向量构建模块300,被配置为提取所述前一空间向量构建模块所选定的分割图斑对应的后一时相遥感影像区域的与所述前一空间向量特征相对应的特征后一空间向量特征,并根据所述后一空间特征向量构建后一空间向量;变化判断模块400,被配置为通过比较所述后一空间向量和所述前一空间向量判断所选择的分割图斑相对所述前一时相遥感影像对应区域是否发生变化,若发生了变化,则判定所述后一时相遥感影像对应区域发生了变化。且所述矢量图斑为多个,所述分割图斑也为多个;所述遥感影像特征包括图斑的光谱特征和纹理特征。
本发明实施例的遥感影像变化检测的系统,其通过使用已确定的时相遥感影像及其包含的图斑对要检测的时相遥感影像进行分割,从而将所处理的时相遥感影像划分出多个规整,且与变化地物的边界能够吻合的图斑。该方法能够避免传统的多时相高分辨率遥感影像的变化检测中由类内光谱差异引起的细碎图斑造成的椒盐噪声。其能够更加合理地集中并识别变化信息,提高图斑变化检测的效率及数据处理的速度,同时也就提高了地物变化检测的效率。明显减低误检和漏检,使检测精度得到显著提高。
在其中一个实施例中,所述变化判断模块在进行判断时,当所选择的分割图斑发生的变化超过预设阈值时,判定所述后一时相遥感影像中所选择的所述分割图斑发生了变化。
其设定变化的预设值,并将数据处理完成后的变化大小与预设的预设变化阈值进行比较,在发生的变化超过设定的预设阈值时,判定所处理的分割图斑发生了变化。可根据需要的地物变化情况设定相应的阈值则可检测到相应发生变化的图斑。
另外,所述变化判断模块对一个所述分割图斑是否发生变化判断完成后,转执行所述后一空间向量构建模块,对所述后一时相遥感影像的下一分割图斑进行判断,直至完成所述后一时相遥感影像的所有分割图斑是否发生变化的判断。且如图10所示,该系统中还包括总面积计算模块500,被配置为对所述后一时相遥感影像中的所有所述分割图斑是否发生变化判断完成后,计算所有发生变化的分割图斑的总面积,便于后续检测精度的计算。
作为一种可实施方式,如图11所示,所述变化判断模块400包括方差矩阵构建单元410、特征值计算单元420、变化参数计算单元430、判定参数计算单元440以及图斑变化判定单元450。方差矩阵构建单元410,被配置为将所述前一空间向量和所述后一空间向量作为两组随机变量F和T,分别计算所述两组随机变量的协方差和互协方差,得到四个方差矩阵,将所述四个方差矩阵整合在一起构建一个总体方差矩阵其中,Σff为前一空间向量对应的随机变量F的协方差;Σtt为后一空间向量对应的随机变量T的协方差;Σft和Σtf为两个随机变量之间的互协方差;特征值计算单元420,被配置为计算所述总体方差矩阵的广义特征方程,并在单位方差约束条件下计算所述广义特征方程和的特征向量a和b,其中,ρ为对应的广义特征方程的特征根即中的ρ和中的ρ都为特征根,但两者的取值可能不同,分别对应两个不同的广义特征方程。变化参数计算单元430,被配置为根据公式M=U-V计算所选择的所述分割图斑的变化参数M;其中,U=aT*F,V=bT*T;判定参数计算单元440,被配置为通过卡方分布概率密度函数对参数Z进行赋权计算,图斑变化判定单元450,被配置为判断所述参数Z是否小于等于预设数值,若是,则判定当前所选择的分割图斑为变化图斑。其中,K为每组所述随机变量F或T中的变量个数,为第i个变化参数M的变量标准差。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种遥感影像变化检测的方法,其特征在于,包括以下步骤:
以前一时相遥感影像相对应的矢量图斑为基准对后一时相遥感影像进行分割,获取所述后一时相遥感影像的分割图斑;
选定一个所述分割图斑,提取所选定的所述分割图斑对应的前一时相遥感影像区域的全部或部分遥感影像特征构成前一空间向量特征,并根据所述前一空间向量特征构建前一空间向量;
提取所选定的分割图斑对应的后一时相遥感影像的与所述前一空间向量特征相对应的特征构成后一空间向量特征,并根据所述后一空间特征向量构建后一空间向量;
通过比较所述后一空间向量和所述前一空间向量判断所选择的分割图斑相对所述前一时相遥感影像对应区域是否发生变化,若发生了变化,则判定所述后一时相遥感影像对应区域发生了变化;
所述通过比较所述后一空间向量和所述前一空间向量判断所选择的分割图斑是否发生变化,包括以下步骤:
将所述前一空间向量和所述后一空间向量作为两组随机变量F和T,分别计算所述两组随机变量的协方差和互协方差,得到四个方差矩阵,将所述四个方差矩阵整合在一起构建一个总体方差矩阵其中,∑ff为前一空间向量对应的随机变量F的协方差;∑tt为后一空间向量对应的随机变量T的协方差;∑ft和∑tf为两个随机变量之间的互协方差;
计算所述总体方差矩阵的广义特征方程,并在单位方差约束条件下计算广义特征方程和的特征向量a和b,其中,ρ为对应的广义特征方程的特征根;
根据公式M=U-V计算所选择的所述分割图斑的变化参数M;其中,U=aT*F,V=bT*T;
通过卡方分布概率密度函数对参数Z进行赋权计算,其中,K为每组所述随机变量F或T中的变量个数,为第i个变化参数M的变量标准差;
判断所述参数Z是否小于等于预设数值,若是,则判定当前所选择的分割图斑为变化图斑;
所述矢量图斑为多个,所述分割图斑也为多个;所述遥感影像特征包括光谱特征和纹理特征。
2.根据权利要求1所述的遥感影像变化检测的方法,其特征在于,步骤通过比较所述后一空间向量和所述前一空间向量判断所选择的分割图斑是否发生变化中,当所选择的分割图斑发生的变化超过预设阈值时,判定所述后一时相遥感影像中所选择的所述分割图斑发生了变化。
3.根据权利要求1所述的遥感影像变化检测的方法,其特征在于,判断所选择的分割图斑是否发生变化完成后,继续选择新的所述分割图斑,对所述后一时相遥感影像的新的分割图斑是否发生变化进行判断。
4.根据权利要求3所述的遥感影像变化检测的方法,其特征在于,还包括以下步骤:
对所述后一时相遥感影像中的所有所述分割图斑是否发生变化判断完成后,计算所有发生变化的分割图斑的总面积,便于后续检测精度的计算。
5.根据权利要求1至4任一项所述的遥感影像变化检测的方法,其特征在于,所述后一时相遥感影像和所述前一时相遥感影像均为栅格数据,所述矢量图斑和所述分割图斑均为矢量数据;
以前一时相遥感影像相对应的矢量图斑为基准对后一时相遥感影像进行分割时,根据分割精度要求设定面向对象分割的分割尺度、紧致度以及光谱指数。
6.一种遥感影像变化检测的系统,其特征在于,包括分割模块、前一空间向量构建模块、后一空间向量构建模块和变化判断模块;
所述分割模块,被配置为以前一时相遥感影像相对应的矢量图斑为基准对后一时相遥感影像进行分割,获取所述后一时相遥感影像的分割图斑;
所述前一空间向量构建模块,被配置为选定一个所述分割图斑,提取所选定的所述分割图斑对应的前一时相遥感影像区域的全部或部分遥感影像特征构成前一空间向量特征,并根据所述前一空间向量特征构建前一空间向量;
所述后一空间向量构建模块,被配置为提取所选定的分割图斑对应的后一时相遥感影像的与所述前一空间向量特征相对应的特征后一空间向量特征,并根据所述后一空间特征向量构建后一空间向量;
所述变化判断模块,被配置为通过比较所述后一空间向量和所述前一空间向量判断所选择的分割图斑相对所述前一时相遥感影像对应区域是否发生变化,若发生了变化,则判定所述后一时相遥感影像对应区域发生了变化;
所述变化判断模块包括方差矩阵构建单元、特征值计算单元、变化参数计算单元、判定参数计算单元以及图斑变化判定单元;
所述方差矩阵构建单元,被配置为将所述前一空间向量和所述后一空间向量作为两组随机变量F和T,分别计算所述两组随机变量的协方差和互协方差,得到四个方差矩阵,将所述四个方差矩阵整合在一起构建一个总体方差矩阵
所述特征值计算单元,被配置为计算所述总体方差矩阵的广义特征方程,并在单位方差约束条件下计算广义特征方程和的特征向量a和b,其中,ρ为对应的广义特征方程的特征根;
所述变化参数计算单元,被配置为根据公式M=U-V计算所选择的所述分割图斑的变化参数M;其中,U=aT*F,V=bT*T;
所述判定参数计算单元,被配置为通过卡方分布概率密度函数对参数Z进行赋权计算,其中,K为每组所述随机变量F或T中的变量个数,为第i个变化参数M的变量标准差;
所述图斑变化判定单元,被配置为判断所述参数Z是否小于等于预设数值,若是,则判定当前所选择的分割图斑为变化图斑;
所述矢量图斑为多个,所述分割图斑也为多个;所述遥感影像特征包括图斑的光谱特征和纹理特征。
7.根据权利要求6所述的遥感影像变化检测的系统,其特征在于,所述变化判断模块在进行判断时,当所选择的分割图斑发生的变化超过预设阈值时,判定所述后一时相遥感影像中所选择的所述分割图斑发生了变化。
8.根据权利要求6所述的遥感影像变化检测的系统,其特征在于,所述变化判断模块对一个所述分割图斑是否发生变化判断完成后,转执行所述后一空间向量构建模块,对所述后一时相遥感影像的下一分割图斑进行判断,直至完成所述后一时相遥感影像的所有分割图斑是否发生变化的判断;且
该系统中还包括总面积计算模块,被配置为对所述后一时相遥感影像中的所有所述分割图斑是否发生变化判断完成后,计算所有发生变化的分割图斑的总面积,便于后续检测精度的计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510563993.8A CN105225227B (zh) | 2015-09-07 | 2015-09-07 | 遥感影像变化检测的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510563993.8A CN105225227B (zh) | 2015-09-07 | 2015-09-07 | 遥感影像变化检测的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105225227A CN105225227A (zh) | 2016-01-06 |
CN105225227B true CN105225227B (zh) | 2018-03-30 |
Family
ID=54994176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510563993.8A Active CN105225227B (zh) | 2015-09-07 | 2015-09-07 | 遥感影像变化检测的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105225227B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787937B (zh) * | 2016-02-25 | 2019-03-01 | 武汉大学 | 一种基于osm的高分辨遥感影像道路变化检测方法 |
CN109934799B (zh) * | 2016-09-09 | 2021-06-25 | 南京工程学院 | 多时相差异影像模值计算及变化检测方法 |
CN106650571B (zh) * | 2016-09-09 | 2019-09-10 | 河海大学 | 一种基于自适应卡方变换的多时相遥感影像变化检测方法 |
CN108446588B (zh) * | 2018-02-05 | 2020-09-15 | 中国测绘科学研究院 | 一种双时相遥感影像变化检测方法及系统 |
CN110334581B (zh) * | 2019-05-09 | 2022-02-18 | 宁波市测绘和遥感技术研究院 | 一种多源遥感影像变化检测方法 |
CN110472661B (zh) * | 2019-07-10 | 2023-04-28 | 北京吉威数源信息技术有限公司 | 基于历史本底和现时遥感影像的自动变化检测方法和系统 |
CN110473205A (zh) * | 2019-07-10 | 2019-11-19 | 北京吉威数源信息技术有限公司 | 基于矢栅模型的遥感影像信息提取方法和系统 |
CN112241981B (zh) * | 2020-09-07 | 2024-03-22 | 中国资源卫星应用中心 | 一种验证农作物种植面积二类测量数据精度的方法及装置 |
CN113298755B (zh) * | 2021-04-13 | 2021-11-26 | 生态环境部卫星环境应用中心 | 基于时序影像的生态环境变化斑块快速检测方法和装置 |
CN114119575B (zh) * | 2021-11-30 | 2022-07-19 | 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 |
CN114882084B (zh) * | 2022-05-07 | 2024-04-05 | 安徽农业大学 | 一种基于人工智能的土地利用变化图斑自动识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101661497A (zh) * | 2009-09-10 | 2010-03-03 | 北京农业信息技术研究中心 | 遥感土地利用变化检测方法及系统 |
CN104680542A (zh) * | 2015-03-15 | 2015-06-03 | 西安电子科技大学 | 基于在线学习的遥感影像变化检测方法 |
CN104700411A (zh) * | 2015-03-15 | 2015-06-10 | 西安电子科技大学 | 基于稀疏重建的两时相遥感影像变化检测方法 |
CN104834942A (zh) * | 2015-05-22 | 2015-08-12 | 武汉大学 | 基于掩膜分类的遥感影像变化检测方法及系统 |
-
2015
- 2015-09-07 CN CN201510563993.8A patent/CN105225227B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101661497A (zh) * | 2009-09-10 | 2010-03-03 | 北京农业信息技术研究中心 | 遥感土地利用变化检测方法及系统 |
CN104680542A (zh) * | 2015-03-15 | 2015-06-03 | 西安电子科技大学 | 基于在线学习的遥感影像变化检测方法 |
CN104700411A (zh) * | 2015-03-15 | 2015-06-10 | 西安电子科技大学 | 基于稀疏重建的两时相遥感影像变化检测方法 |
CN104834942A (zh) * | 2015-05-22 | 2015-08-12 | 武汉大学 | 基于掩膜分类的遥感影像变化检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
《Digital change detection in forest ecosystems with remote sensing imagery》;Pol R. Coppin et al;《Remote Sensing Reviews》;20091019;第13卷;1-10 * |
Also Published As
Publication number | Publication date |
---|---|
CN105225227A (zh) | 2016-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105225227B (zh) | 遥感影像变化检测的方法及系统 | |
CN110287932B (zh) | 基于深度学习图像语义分割的道路阻断信息提取方法 | |
CN108764005B (zh) | 一种高光谱遥感图像地物空间波谱特征提取方法及系统 | |
Tonini et al. | Rockfall detection from terrestrial LiDAR point clouds: A clustering approach using R | |
CN101710387B (zh) | 一种高分辨率遥感图像智能分类方法 | |
Lodha et al. | Aerial lidar data classification using adaboost | |
CN108846832A (zh) | 一种基于多时相遥感影像与gis数据的变化检测方法及系统 | |
CN103258324B (zh) | 基于可控核回归和超像素分割的遥感图像变化检测方法 | |
CN103632363A (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 | |
CN106339674A (zh) | 基于边缘保持与图割模型的高光谱影像分类方法 | |
CN103578110A (zh) | 基于灰度共生矩阵的多波段高分辨率遥感影像分割方法 | |
CN102043958A (zh) | 一种高分辨率遥感图像多类目标检测识别方法 | |
CN106295498A (zh) | 光学遥感图像目标区域检测装置与方法 | |
Shahi et al. | Road condition assessment by OBIA and feature selection techniques using very high-resolution WorldView-2 imagery | |
CN112990086A (zh) | 遥感影像建筑物检测方法、装置及计算机可读存储介质 | |
CN113836999A (zh) | 基于探地雷达的隧道施工风险智能识别方法及系统 | |
CN110210500A (zh) | 一种基于多尺度局部特征嵌入的点云分类方法 | |
CN109829426A (zh) | 基于高分遥感影像的铁路建设临时建筑监测方法及系统 | |
CN105160351A (zh) | 基于锚点稀疏图的半监督高光谱分类方法 | |
Wang et al. | Change detection based on low-level to high-level features integration with limited samples | |
CN104392454B (zh) | 高光谱遥感图像空谱结合分类框架下的基于地物类别隶属度评分的合并方法 | |
Zhou et al. | A geographic object-based approach for land classification using LiDAR elevation and intensity | |
CN109740504A (zh) | 一种基于遥感影像提取海域资源的方法 | |
Damodaran et al. | Attribute profiles on derived features for urban land cover classification | |
CN108876760A (zh) | 一种基于历史解译知识的遥感影像变化检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |