CN108460789A - 一种人造地表时序变化在线检测系统与方法 - Google Patents

一种人造地表时序变化在线检测系统与方法 Download PDF

Info

Publication number
CN108460789A
CN108460789A CN201810228326.8A CN201810228326A CN108460789A CN 108460789 A CN108460789 A CN 108460789A CN 201810228326 A CN201810228326 A CN 201810228326A CN 108460789 A CN108460789 A CN 108460789A
Authority
CN
China
Prior art keywords
module
region
data
earth
artificial earth
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
Application number
CN201810228326.8A
Other languages
English (en)
Other versions
CN108460789B (zh
Inventor
陈军
张俊
武昊
史忠奎
支野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NATIONAL GEOMATICS CENTER OF CHINA
Original Assignee
NATIONAL GEOMATICS CENTER OF CHINA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NATIONAL GEOMATICS CENTER OF CHINA filed Critical NATIONAL GEOMATICS CENTER OF CHINA
Priority to CN201810228326.8A priority Critical patent/CN108460789B/zh
Publication of CN108460789A publication Critical patent/CN108460789A/zh
Application granted granted Critical
Publication of CN108460789B publication Critical patent/CN108460789B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/532—Query formulation, e.g. graphical querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/54—Browsing; Visualisation therefor
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种人造地表时序变化在线检测系统与方法，检测系统包括数据层、应用逻辑层和用户界面层；在数据层，原始影像管理模块对用户本地上传的影像以及其他用户上传的影像进行导入、修改和删除，成果数据管理模块对用户最终成果数据进行下载、查询和删除；在应用逻辑层，在线时序变化检测模块从原始影像管理模块获取数据流，对用户原始数据进行时序变化检测，并将检测结果返回给成果数据管理模块；GeoServer数据服务发布模块对用户原始影像及成果数据以WMS服务方式进行发布；用户界面层用于影像数据加载和预览、时序变化检测算法选择以及成果数据下载。本发明能够提供在线变化检测服务，且能够有效提高变化检测的精度和速度。

Description

一种人造地表时序变化在线检测系统与方法
技术领域
本发明属于地表检测技术领域，具体涉及一种人造地表时序变化在线检测系统与方法。
背景技术
人造地表变化信息是城市生态平衡发展评估、城市发展宜居性分析、城乡规划等不可或缺的重要科学依据。现有技术中往往利用遥感影像通过两期对比法获得人造地表变化信息，这种获得变化信息的方式无法满足人们对提取精度和提取速度的需求。具体体现在：1)在提取精度方面，季相差异引起的伪变化问题容易将其他地类误分为人造地表类别，如收割后耕地类别；单期分类结果存在误差，比较后获得的变化信息结果存在误差积累；这都影响着精度的进一步提高。2)在提取速度方面，传统方法在获取多期变化信息时，需通过多次两两对比，耗时耗力，制约着提取速度的提高。此外，面对不同地区的应用需求，用户无需关心算法的运行环境及计算过程，通过服务请求和提供输入数据，即可获取变化检测结果，因此提出了从离线到在线方式的在线变化检测服务新需求。
发明内容
为了解决现有技术存在的上述问题，本发明提供了一种人造地表时序变化在线检测系统与方法。
为实现上述目的，本发明采取以下技术方案：一种人造地表时序变化在线检测系统包括数据层、应用逻辑层和用户界面层，所述数据层包括原始影像管理模块和成果数据管理模块，所述原始影像管理模块用于对用户本地上传的影像以及通过查找获得的其他用户上传的影像进行导入、修改和删除操作，所述成果数据管理模块用于对用户最终成果数据进行下载、查询和删除；
所述应用逻辑层包括在线时序变化检测模块和GeoServer数据服务发布模块，所述在线时序变化检测模块从原始影像管理模块获取数据流，对用户原始数据进行时序变化检测，并将检测结果返回给所述成果数据管理模块；所述GeoServer数据服务发布模块对用户原始影像及成果数据以WMS服务方式进行发布；
所述用户界面层用于影像数据加载和预览、时序变化检测算法选择以及成果数据下载。
进一步地，用户界面层采用GlobalLand30信息服务平台，所述用户界面层显示的主界面中包括位于顶部的菜单栏和工具栏、位于左侧的变化检测操作面板以及位于右侧的地图显示面板；所述菜单栏包括浏览和下载；所述工具栏包括全局视图、放大、缩小、漫游、距离测量、面积测量、矩形查询和多边形查询；变化检测操作面板用于提供用户输入输出以及服务链生成与执行监控接口；地图显示面板对用户输入的遥感影像数据、相关参考数据以及变化检测处理结果数据进行服务化展示。
进一步地，所述在线时序变化检测模块包括轨迹获取模块，轨迹重建模块、掩膜模块、轨迹拟合模块、变化时点检测模块；所述轨迹获取模块用于获取BCI时序特征轨迹，所述轨迹重建模块用于对BCI时序特征轨迹进行噪声去除和滤波平滑处理后进行重建，所述掩膜模块用于剔除非人造地表区域、水体区域和未发生变化的区域，获取人造地表变化区域，所述轨迹拟合模块用于对人造地表变化区域中各像素点的整个人造地表时间序列进行拟合，所述变化时点检测模块用于比较拟合得到的曲线中各点的时序轨迹变化速率，将时序轨迹变化速率最快的点对应的时间作为人造地表扩展的时点。
更进一步地，所述轨迹重建模块中设置有异常值检测模块、异常值去除模块和滤波平滑模块；所述异常值检测模块用于对影像中云、雪、云阴影区域以及其它随机突变处进行检测，所述异常值去除模块用于对影像中云、雪、云阴影区域以及其它随机突变处进行时序线性插值，去除时序中的异常高点值或低点值，所述滤波平滑模块用于对去除异常值后的BCI时序特征轨迹中的波动点进行滤除和平滑处理。
更进一步地，所述掩膜模块包括非人造地表区域剔除模块、水体区域去除模块、未发生变化区域剔除模块；所述非人造地表区域剔除模块用于剔除一直为植被的区域以及一些非城市地类间发生变化的区域；所述水体区域去除模块通过非监督分类获取掩膜去除水体区域；所述未发生变化区域剔除模块用于对未发生变化的区域进行剔除。
一种人造地表时序变化在线检测方法包括以下步骤：
获取原始影像数据；
对原始影像数据进行在线时序变化检测，其具体过程为：
根据原始影像数据获取BCI时序特征数据，利用BCI时序特征数据得到BCI时序特征轨迹；
对BCI时序特征轨迹进行噪声去除和滤波平滑处理，对处理后的BCI时序特征轨迹进行重建；
剔除影像中非人造地表区域、水体区域和未发生变化区域，获取人造地表变化区域；
对人造地表变化区域中各像素点的整个人造地表时间序列进行拟合，得到横坐标为时间，纵坐标为BCI指数值的拟合曲线；
比较拟合得到的曲线中各点的时序轨迹变化速率，将时序轨迹变化速率最快的点对应的时间作为人造地表扩展的时点；
将检测到的人造地表扩展的时点进行可视化展现。
进一步地，所述步骤对BCI时序特征轨迹进行噪声去除和滤波平滑处理的具体过程为：对影像中云、雪、云阴影区域以及其它随机突变处进行检测；对检测到的影像中云、雪、云阴影区域以及其它随机突变处进行时序线性插值，去除时序中的异常高点值或低点值；对去除异常值后的BCI时序特征轨迹中的波动点进行滤除和平滑处理。
进一步地，所述步骤剔除影像中非人造地表区域、水体区域和未发生变化区域中，对非人造地表区域进行剔除时，预设人造地表阈值Turban，将重建后的BCI特征时间序列的最大值BCImax与人造地表阈值Turban进行比较，将最大值BCImax小于人造地表阈值Turban的区域作为非城市区域进行剔除。
进一步地，所述步骤剔除影像中非人造地表区域、水体区域和未发生变化区域中，对未发生变化区域进行剔除时，预设变化阈值Tchange，将重建后的BCI特征时间序列中的变化幅度BCIrange与变化阈值Tchange进行比较，将变化幅度BCIrange小于变化阈值Tchange的区域作为未发生变化区域进行剔除。
进一步地，所述步骤对人造地表变化区域中各像素点的整个人造地表时间序列进行拟合中，采用单增长的逻辑斯蒂函数：
对人造地表变化区域中各像素点的整个人造地表时间序列进行拟合；式中，t表示为年份，BCI在t处的值表示为参数a、b、c、d的函数；其中，a表示拟合曲线中的BCI特征值的变化幅度，b表示BCI特征值的变化速率，c表示变化的时间，d表示发生扩展前的BCI特征值，比值c/b表示发生扩展时拟合曲线的拐点所对应的时间。
由于采取以上技术方案，本发明具有以下优点：本发明利用长时间序列影像反映的时间域全局变化趋势，构造人造地表时序轨迹模型，用于将原来的局部邻点判断改变为全局趋势判断，能够有效提高变化检测的精度和速度。本发明将人造地表时序变化在线检测方法发布为服务，提供一种在线变化检测服务，这使得用户无需安装桌面端的专业软件，仅需通过Web浏览器便可轻松地调用服务，以在线的方式获取数据处理与分析的结果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中提供的一种人造地表时序变化在线检测系统的结构示意图；
图2是本发明一实施例中提供的一种人造地表时序变化在线检测方法的流程图；
图3是图2中步骤S2的流程图；
图4是本发明一实施例中提供的一种人造地表时序变化在线检测方法中人造地表扩展拟合的原理示意图。
图中：1-数据层；11-原始影像管理模块；12-成果数据管理模块；2-应用逻辑层；21-在线时序变化检测模块；22-GeoServer数据服务发布模块；3-用户界面层。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
如图1所示，本发明提供了一种人造地表时序变化在线检测系统，其包括数据层1、应用逻辑层2和用户界面层3。
数据层1包括原始影像管理模块11和成果数据管理模块12。原始影像管理模块11用于对用户本地上传的影像以及通过查找获得的其他用户上传的影像进行导入、修改和删除等操作。成果数据管理模块12用于对用户最终成果数据进行下载、查询和删除，为GeoServer数据服务发布模块22提供资源目录。
应用逻辑层2包括在线时序变化检测模块21和GeoServer数据服务发布模块22。在线时序变化检测模块21从原始影像管理模块11获取数据流，通过DLL封装和Web Service服务发布技术，在服务器端对用户原始数据进行时序变化检测服务，并将检测结果返回给成果数据管理模块12。GeoServer数据服务发布模块22主要对用户原始影像及成果数据以WMS服务方式进行发布，以供GlobeLand30信息服务平台进行可视化展现。
具体地，应用逻辑层2将基于GDAL、GSL、Levmar等开源遥感影像处理组件实现的人造地表在线时序变化检测算法转化为GlobeLand30信息服务平台支持的Web Service算法服务，其具体过程为：
1)采用动态链接库(Dynamic Link Library，DLL)对时序变化检测算法进行DLL封装；
由于GDAL、GSL、Levmar等开源组件，都是用C++编译，所以基于.netframework开发的GlobeLand30信息服务平台无法直接调用，因此采用动态链接库(Dynamic LinkLibrary，DLL)的方式，对时序变化检测算法进行DLL封装，从而解决代码跨平台共享和调用问题。
2)Webservice服务代码封装；
编辑GlobeLand30信息服务平台上的.asmx文件，在[WebMethod]标签下面新增服务函数接口。
3)生成WSDL文件；
通过在VS2013中编译，生成对应的WSDL文件。WSDL采用XML编码的方式用以描述Web服务的规范，主要描述内容包括服务能够做什么，该服务的地址是什么以及采用何种方式调用该服务。
4)生成可调用的URL。
用户界面层3采用GlobeLand30信息服务平台。基于GlobeLand30信息服务平台的浏览器UI接口，用户界面层3用于影像数据加载和预览、时序变化检测算法选择以及成果数据下载等涉及与用户交互的操作。
具体地，用户界面层3显示的主界面中包括位于顶部的菜单栏和工具栏、位于左侧的变化检测操作面板以及位于右侧的地图显示面板。其中，菜单栏主要包括浏览和下载等内容。工具栏主要包括全局视图、放大、缩小、漫游、距离测量、面积测量、矩形查询和多边形查询等对地图的基本操作。变化检测操作面板用于提供用户输入输出以及服务链生成与执行监控接口。地图显示面板主要对用户输入的遥感影像数据、相关参考数据以及变化检测处理结果数据进行服务化展示。相关参考数据包括天地图数据和地表覆盖数据等。
使用时，用户通过数据上传接口上传数据，用户最终上传的影像数据，可以通过服务发布的方式在地图显示面板中集成显示。用户输入完影像数据后，可以选择时间序列在线变化检测算法；实际执行过程中，用户可以对服务链的执行进度进行实时监控。最终的变化检测结果数据以数据服务的方式集成在地图显示面板中显示，用户也可通过数据下载按钮，下载到真实的结果数据。
一般而言，城市化进程中，城市区域的变化主要表现为非人造地表类别转变为人造地表，即人造地表扩展，很少有人造地表转变为植被等非人造地表类型的情况。人造地表扩展区域在时间变化上主要表现为三个阶段，一是扩展前阶段，该阶段为非人造地表区域，表现为比较稳定的低城市指数值；二是扩展阶段，非人造地表转变为人造地表，表现为人造地表特征值急剧或平缓增长；三是扩展后阶段，保持为人造地表，表现为稳定的高人造地表特征值。
下面采用BCI(Biophysical Composition Index，生物物理组成指数)值表示人造地表特征值。
对于人造地表区域来说，其主要由亮度及湿度组分构成，且湿度值较高，而绿度值较低。总体上，BCI(Biophysical Composition Index，生物物理组成指数)指数值越大，代表该像元为人造地表的比例越高。同时，高密度建筑区产生的阴影较低密度建筑区多，将得到更高的BCI值。
对于裸土等裸露地面，其主要由亮度组分构成，根据含水量的变化有不同的湿度值，但相对人造地表区域来说，裸土的湿度与亮度值的差异较小，得到的BCI指数值较低。
对于植被覆盖区域，高植被覆盖区域虽然使得湿度值较高，但仍以绿度值为主，得到的BCI指数较低。
上述实施例中，在线时序变化检测模块21包括轨迹获取模块，轨迹重建模块、掩膜模块、轨迹拟合模块、变化时点检测模块。其中，轨迹获取模块用于获取BCI时序特征轨迹。轨迹重建模块用于对BCI时序特征轨迹进行噪声去除和滤波平滑等处理后进行重建。掩膜模块用于剔除非人造地表区域、水体区域和未发生变化的区域，获取人造地表变化区域。轨迹拟合模块用于对人造地表变化区域中各像素点的整个人造地表时间序列进行拟合。变化时点检测模块用于比较拟合得到的曲线中各点的时序轨迹变化速率，将时序轨迹变化速率最快的点对应的时间作为人造地表扩展的时点。
上述实施例中，轨迹重建模块中设置有异常值检测模块、异常值去除模块和滤波平滑模块。其中，异常值检测模块用于对影像中云、雪、云阴影等区域以及其它随机突变处进行检测。异常值去除模块用于对影像中云、雪、云阴影等区域以及其它随机突变处进行时序线性插值，去除时序中的异常高点值或低点值。滤波平滑模块用于对去除异常值后的BCI时序特征轨迹中的波动点进行滤除和平滑处理。具体地，滤波平滑模块采用现阶段应用广泛的Savitzky-Golay滤波(简称S-G滤波)。S-G滤波能够保持曲线形状并滤掉一些小的波动点，达到滤波平滑的目的。
上述实施例中，掩膜模块包括非人造地表区域剔除模块、水体区域去除模块、未发生变化区域剔除模块。其中，非人造地表区域剔除模块用于对长时间BCI序列中指数值均较低的区域进行剔除。例如，剔除一直为植被的区域以及一些非城市地类间发生了较大变化的区域。水体区域去除模块通过非监督分类获取掩膜去除水体区域。未发生变化区域剔除模块用于对未发生变化的区域进行剔除，例如，一直为人造地表的区域，表现为长时间BCI序列中特征值没有发生较大变化的区域。
非人造地表区域剔除模块中预设人造地表阈值Turban，将重建后的BCI特征时间序列中的最大值BCImax与人造地表阈值Turban进行比较，将最大值BCImax小于人造地表阈值Turban的区域作为非城市区域，对这些区域的时间序列特征值取均值，得到均值时间序列，不参与人造地表扩展的提取。
未发生变化区域剔除模块中预设变化阈值Tchange，将重建后的BCI特征时间序列中的变化幅度BCIrange与变化阈值Tchange进行比较，将变化幅度BCIrange小于变化阈值Tchange的区域作为未发生变化区域，对这些区域的时间序列特征值取均值，得到均值时间序列，不参与人造地表扩展的提取。
上述实施例中，轨迹拟合模块采用单增长的逻辑斯蒂函数：
对人造地表变化区域中各像素点的整个人造地表时间序列进行拟合，以此去除掉一些在整个序列中变化复杂的区域，例如耕地在不同季相上显示为裸土这种类似人造地表的特征，提取出基于整个时间序列上各个像元位置的人造地表变化时点，即标记为非人造地表变为人造地表的区域，表现为BCI特征值从小变大。式中，t表示为年份，BCI在t处的值表示为参数a、b、c、d的函数。其中，a表示拟合曲线中的BCI特征值的变化幅度，即扩展前后BCI特征值的差值，b表示BCI特征值的变化速率，c表示变化的时间，d表示发生扩展前的BCI特征值，比值c/b表示发生扩展时拟合曲线的拐点所对应的时间。
如图2所示，本发明还提供了一种人造地表时序变化在线检测方法，其包括以下步骤：
S1、获取原始影像数据。
S2、如图3所示，对原始影像数据进行在线时序变化检测，其具体包括以下步骤：
S21、根据原始影像数据获取BCI时序特征数据，利用BCI时序特征数据得到BCI时序特征轨迹。
S22、对BCI时序特征轨迹进行噪声去除和滤波平滑等处理，对处理后的BCI时序特征轨迹进行重建。处理过程具体包括：对影像中云、雪、云阴影等区域以及其它随机突变处进行检测；对检测到的影像中云、雪、云阴影等区域以及其它随机突变处进行时序线性插值，去除时序中的异常高点值或低点值；对去除异常值后的BCI时序特征轨迹中的波动点进行滤除和平滑处理。
S23、剔除影像中非人造地表区域、水体区域和未发生变化区域，获取人造地表变化区域。
针对人造地表区域一般BCI指数值较大的特点，首先，对长时间序列中指数值均较低的区域即非人造地表区域进行剔除，例如，剔除一直为植被的区域，或一些非城市地类间发生了较大变化的区域。其次，对水体区域通过非监督分类获取掩膜去除。最后，对未发生变化的区域进行剔除，例如，一直为人造地表的区域，其表现为长时间序列中特征值没有发生较大变化的区域。最终剩下的为人造地表变化可能性较大的区域，对该区域进行人造地表时间序列上的变化时点提取。该处理一方面能够剔除非人造地表变化的干扰，另一方面能够有效提高后续处理效率。
对非人造地表区域进行剔除时，预设人造地表阈值Turban，将重建后的BCI特征时间序列的最大值BCImax与人造地表阈值Turban进行比较，将最大值BCImax小于人造地表阈值Turban的区域作为非城市区域，对这些区域的时间序列特征值取均值，得到均值时间序列，不参与人造地表扩展的提取。
对未发生变化区域进行剔除时，预设变化阈值Tchange，将重建后的BCI特征时间序列中的变化幅度BCIrange与变化阈值Tchange进行比较，将变化幅度BCIrange小于变化阈值Tchange的区域作为未发生变化区域，对这些区域的时间序列特征值取均值，得到均值时间序列，不参与人造地表扩展的提取。
S24、对人造地表变化区域中各像素点的整个人造地表时间序列进行拟合，得到横坐标为时间，纵坐标为BCI指数值的拟合曲线，其具体过程为：
采用单增长的逻辑斯蒂函数：
对人造地表变化区域中各像素点的整个人造地表时间序列进行拟合。
提取出基于整个时间序列上各个像元位置的人造地表变化时点，即标记为非人造地表变为人造地表的区域，表现为BCI特征值从小变大。式中，t表示为年份，BCI在t处的值表示为参数a、b、c、d的函数。其中，a表示拟合曲线中的BCI特征值的变化幅度，即扩展前后BCI特征值的差值，b表示BCI特征值的变化速率，c表示变化的时间，d表示发生扩展前的BCI特征值，比值c/b表示发生扩展时拟合曲线的拐点所对应的时间。
S25、比较拟合得到的曲线中各点的时序轨迹变化速率，将时序轨迹变化速率最快的点对应的时间作为人造地表扩展的时点。
采用非线性最小二乘Levenberg-Marquardt算法估算拟合参数a、b、c、d。
如图4所示，拟合曲线上增长的一段为人造地表扩展发生的阶段，其包括人造地表扩展开始点A点、人造地表扩展结束点C点以及城市扩展速率最快的点B点。因此，对函数拟合结果中，A点与C点间的时间差为变化的持续时间，A点与C点间的BCI特征值之差为变化的幅度，B点对应的时间为人造地表扩展的时点，即为函数曲线的拐点所对应的时间点。
人造地表扩展的时点通过以下方式得到：计算拟合参数c与b的比值c/b，对比值c/b进行取整处理。变化开始点与变化结束点所对应的时间点先采用曲线曲率变化率的极值点的横坐标进行提取，再对计算得到的极值点的横坐标进行取整处理，即得到变化开始点与变化结束点对应的时间点。
S3、将检测到的人造地表扩展的时点进行可视化展现。
本发明对人造地表扩展结果的精度采用以下两种方式进行验证：一是对人造地表扩展结果直接进行精度验证，包括人造地表变化发生的年份及位置进行验证；二是在通过两点变化检测提取人造地表扩展结果中某段时期的变化情况，对该时期人造地表变化与本方法中在该时期的人造地表扩展情况进行对比分析和精度验证。精度验证过程中采用常用的混淆矩阵、Kappa系数、总体精度、生产者精度及用户精度进行结果评价。
对人造地表扩展结果进行精度评价时，按照人造地表扩展中每年扩展区域以进行分层随机样本点的选取，总共选取近2300个随机样本点，且保证一些区域较小的类别能有一定数量的样本点。
而两点变化检测获取的某时期的人造地表变化结果，主要分别对两期变化检测中的两期分类结果进行精度验证，并与本发明得到的该时期内人造地表变化提取结果进行对比。采用分层随机方法，对人造地表与非人造地表分别选取约3000个样本点进行精度验证。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种人造地表时序变化在线检测系统，其特征在于，它包括数据层、应用逻辑层和用户界面层，所述数据层包括原始影像管理模块和成果数据管理模块，所述原始影像管理模块用于对用户本地上传的影像以及通过查找获得的其他用户上传的影像进行导入、修改和删除操作，所述成果数据管理模块用于对用户最终成果数据进行下载、查询和删除；
所述应用逻辑层包括在线时序变化检测模块和GeoServer数据服务发布模块，所述在线时序变化检测模块从原始影像管理模块获取数据流，对用户原始数据进行时序变化检测，并将检测结果返回给所述成果数据管理模块；所述GeoServer数据服务发布模块对用户原始影像及成果数据以WMS服务方式进行发布；
所述用户界面层用于影像数据加载和预览、时序变化检测算法选择以及成果数据下载。
2.如权利要求1所述的一种人造地表时序变化在线检测系统，其特征在于，用户界面层采用GlobeLand30信息服务平台，所述用户界面层显示的主界面中包括位于顶部的菜单栏和工具栏、位于左侧的变化检测操作面板以及位于右侧的地图显示面板；所述菜单栏包括浏览和下载；所述工具栏包括全局视图、放大、缩小、漫游、距离测量、面积测量、矩形查询和多边形查询；变化检测操作面板用于提供用户输入输出以及服务链生成与执行监控接口；地图显示面板对用户输入的遥感影像数据、相关参考数据以及变化检测处理结果数据进行服务化展示。
3.如权利要求1所述的一种人造地表时序变化在线检测系统，其特征在于，所述在线时序变化检测模块包括轨迹获取模块，轨迹重建模块、掩膜模块、轨迹拟合模块、变化时点检测模块；所述轨迹获取模块用于获取BCI时序特征轨迹，所述轨迹重建模块用于对BCI时序特征轨迹进行噪声去除和滤波平滑处理后进行重建，所述掩膜模块用于剔除非人造地表区域、水体区域和未发生变化的区域，获取人造地表变化区域，所述轨迹拟合模块用于对人造地表变化区域中各像素点的存在人造地表变化的时间序列进行拟合，所述变化时点检测模块用于比较拟合得到的曲线中各点的时序轨迹变化速率，将时序轨迹变化速率最快的点对应的时间作为人造地表扩展的时点。
4.如权利要求3所述的一种人造地表时序变化在线检测系统，其特征在于，所述轨迹重建模块中设置有异常值检测模块、异常值去除模块和滤波平滑模块；所述异常值检测模块用于对影像中云、雪、云阴影区域以及其它随机突变处进行检测，所述异常值去除模块用于对影像中云、雪、云阴影区域以及其它随机突变处进行时序线性插值，去除时序中的异常高点值或低点值，所述滤波平滑模块用于对去除异常值后的BCI时序特征轨迹中的波动点进行滤除和平滑处理。
5.如权利要求3所述的一种人造地表时序变化在线检测系统，其特征在于，所述掩膜模块包括非人造地表区域剔除模块、水体区域去除模块、未发生变化区域剔除模块；所述非人造地表区域剔除模块用于剔除一直为植被的区域以及一些非城市地类间发生变化的区域；所述水体区域去除模块通过非监督分类获取掩膜去除水体区域；所述未发生变化区域剔除模块用于对未发生变化的区域进行剔除。
6.一种人造地表时序变化在线检测方法，其特征在于，包括以下步骤：
获取原始影像数据；
对原始影像数据进行在线时序变化检测，其具体过程为：
根据原始影像数据获取BCI时序特征数据，利用BCI时序特征数据得到BCI时序特征轨迹；
对BCI时序特征轨迹进行噪声去除和滤波平滑处理，对处理后的BCI时序特征轨迹进行重建；
剔除影像中非人造地表区域、水体区域和未发生变化区域，获取存在人造地表变化的区域；
对人造地表变化区域中各像素点的整个人造地表时间序列进行拟合，得到横坐标为时间，纵坐标为BCI指数值的拟合曲线；
比较拟合得到的曲线中各点的时序轨迹变化速率，将时序轨迹变化速率最快的点对应的时间作为人造地表扩展的时点；
将检测到的人造地表扩展的时点进行可视化展现。
7.如权利要求6所述的一种人造地表时序变化在线检测方法，其特征在于，所述步骤对BCI时序特征轨迹进行噪声去除和滤波平滑处理的具体过程为：对影像中云、雪、云阴影区域以及其它随机突变处进行检测；对检测到的影像中云、雪、云阴影区域以及其它随机突变处进行时序线性插值，去除时序中的异常高点值或低点值；对去除异常值后的BCI时序特征轨迹中的波动点进行滤除和平滑处理。
8.如权利要求6所述的一种人造地表时序变化在线检测方法，其特征在于，所述步骤剔除影像中非人造地表区域、水体区域和未发生变化区域中，对非人造地表区域进行剔除时，预设人造地表阈值Turban，将重建后的BCI特征时间序列的最大值BCImax与人造地表阈值Turban进行比较，将最大值BCImax小于人造地表阈值Turban的区域作为非人造地表进行剔除。
9.如权利要求6所述的一种人造地表时序变化在线检测方法，其特征在于，所述步骤剔除影像中非人造地表区域、水体区域和未发生变化区域中，对未发生变化区域进行剔除时，预设变化阈值Tchange，将重建后的BCI特征时间序列中的变化幅度BCIrange与变化阈值Tchange进行比较，将变化幅度BCIrange小于变化阈值Tchange的区域作为未发生变化区域进行剔除。
10.如权利要求6所述的一种人造地表时序变化在线检测方法，其特征在于，所述步骤对人造地表变化区域中各像素点的整个时间序列进行拟合中，采用单增长的逻辑斯蒂函数：
对存在人造地表变化的区域中各像素点的整个时间序列进行拟合；式中，t表示为年份，BCI在t处的值表示为参数a、b、c、d的函数；其中，a表示拟合曲线中的BCI特征值的变化幅度，b表示BCI特征值的变化速率，c表示变化的时间，d表示发生扩展前的BCI特征值，比值c/b表示发生扩展时拟合曲线的拐点所对应的时间。
CN201810228326.8A 2018-03-19 2018-03-19 一种人造地表时序变化在线检测系统与方法 Active CN108460789B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810228326.8A CN108460789B (zh) 2018-03-19 2018-03-19 一种人造地表时序变化在线检测系统与方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810228326.8A CN108460789B (zh) 2018-03-19 2018-03-19 一种人造地表时序变化在线检测系统与方法

Publications (2)

Publication Number Publication Date
CN108460789A true CN108460789A (zh) 2018-08-28
CN108460789B CN108460789B (zh) 2020-05-26

Family

ID=63237256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810228326.8A Active CN108460789B (zh) 2018-03-19 2018-03-19 一种人造地表时序变化在线检测系统与方法

Country Status (1)

Country Link
CN (1) CN108460789B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109783528A (zh) * 2018-11-23 2019-05-21 国网江苏省电力有限公司电力科学研究院 一种用电模式提取方法和系统
CN112328684A (zh) * 2020-11-03 2021-02-05 浪潮云信息技术股份公司 一种基于OpenTsdb实时同步时序数据至Kafka的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678777A (zh) * 2016-01-12 2016-06-15 武汉大学 一种多特征联合的光学卫星影像云与云阴影检测方法
CN105809189A (zh) * 2016-03-02 2016-07-27 中国科学院遥感与数字地球研究所 时间序列影像处理方法
CN106597484A (zh) * 2016-12-12 2017-04-26 武汉大学 热膨胀效应对gps坐标时间序列影响的精确量化方法
CN106599271A (zh) * 2016-12-22 2017-04-26 江苏方天电力技术有限公司 一种燃煤机组排放监测时序数据异常值检测方法
CN106803059A (zh) * 2016-12-02 2017-06-06 浙江工业大学 一种遥感植被指数时间序列森林监测方法
WO2017151504A1 (en) * 2016-02-29 2017-09-08 Oracle International Corporation Method for creating period profile for time-series data with recurrent patterns

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678777A (zh) * 2016-01-12 2016-06-15 武汉大学 一种多特征联合的光学卫星影像云与云阴影检测方法
WO2017151504A1 (en) * 2016-02-29 2017-09-08 Oracle International Corporation Method for creating period profile for time-series data with recurrent patterns
CN105809189A (zh) * 2016-03-02 2016-07-27 中国科学院遥感与数字地球研究所 时间序列影像处理方法
CN106803059A (zh) * 2016-12-02 2017-06-06 浙江工业大学 一种遥感植被指数时间序列森林监测方法
CN106597484A (zh) * 2016-12-12 2017-04-26 武汉大学 热膨胀效应对gps坐标时间序列影响的精确量化方法
CN106599271A (zh) * 2016-12-22 2017-04-26 江苏方天电力技术有限公司 一种燃煤机组排放监测时序数据异常值检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王恩鲁 等: "时间序列植被覆盖度断点检测方法研究", 《地球信息科学》 *
赵忠明 等: "遥感时间序列影像变化检测研究进展", 《遥感学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109783528A (zh) * 2018-11-23 2019-05-21 国网江苏省电力有限公司电力科学研究院 一种用电模式提取方法和系统
CN112328684A (zh) * 2020-11-03 2021-02-05 浪潮云信息技术股份公司 一种基于OpenTsdb实时同步时序数据至Kafka的方法

Also Published As

Publication number Publication date
CN108460789B (zh) 2020-05-26

Similar Documents

Publication Publication Date Title
Sidhu et al. Using Google Earth Engine to detect land cover change: Singapore as a use case
Dutta et al. Changing pattern of urban landscape and its effect on land surface temperature in and around Delhi
Geerken et al. Classifying rangeland vegetation type and coverage from NDVI time series using Fourier Filtered Cycle Similarity
Magesh et al. GIS based morphometric evaluation of Chimmini and Mupily watersheds, parts of Western Ghats, Thrissur District, Kerala, India
Mander et al. A morphometric analysis of vegetation patterns in dryland ecosystems
Cassidy et al. Social and ecological factors and land-use land-cover diversity in two provinces in Southeast Asia
Bell et al. Quantifying regional trends in large live tree and snag availability in support of forest management
Maselli et al. Evaluation of statistical methods to estimate forest volume in a Mediterranean region
Zhu et al. Loess terrain segmentation from digital elevation models based on the region growth method
CN108460789A (zh) 一种人造地表时序变化在线检测系统与方法
Juhász et al. Open source web GIS solutions in disaster management–with special emphasis on inland excess water modeling
Smith et al. The importance of understanding error in lidar digital elevation models
CN106875481A (zh) 一种三维可视化遥感影像地表分类模型的制作方法
Zhilin Multi-scale digital terrain modelling and analysis
Notti et al. Semi-automatic mapping of shallow landslides using free Sentinel-2 images and Google Earth Engine
Hu et al. Multi-information PointNet++ fusion method for DEM construction from airborne LiDAR data
Yang et al. PEF-MODFLOW: A framework for preliminary soil profile horizon delineation based on soil color captured by smartphone images
Vizzari et al. Urban-rural gradient detection using multivariate spatial analysis and landscape metrics
Jussila et al. Quantifying wetness variability in aapa mires with Sentinel‐2: towards improved monitoring of an EU priority habitat
Barreto-Neto et al. Application of fuzzy logic to the evaluation of runoff in a tropical watershed
Thwaites et al. Soil–landscape resource assessment for plantations—a conceptual framework towards an explicit multi-scale approach
Schneider et al. Analysis of topographic controls on depletion curves derived from airborne lidar snow depth data
Mummery et al. Applying PROMOD spatially across Tasmania with sensitivity analysis to screen for prospective Eucalyptus globulus plantation sites
CN115170390B (zh) 一种文件风格化方法、装置、设备及存储介质
CN111311169A (zh) 一种城市室外环境分析方法、系统、存储介质及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant