CN112906659A - 基于虚拟样本的遥感影像变化检测方法 - Google Patents

Abstract

基于虚拟样本的遥感影像变化检测方法，其方法在于，包括以下步骤：采集获取目标区域两个时相的卫星影像，对卫星影像进行预处理后选取各类地物的样本；通过分析各地类样本，确定敏感波段并组合形成具有两相时光谱信息的数据集；分析地物变化类型，然后根据各类地物样本通过自动堆叠的方式生成虚拟样本，将数据集与虚拟样本输入分类器中进行分类，提取变化信息；然后对提取的变化检测结果进行变化信息后处理；最后通过人工目视解译进行精度评价；与现有技术相比，本发明的技术将地物变化类型抽象为分类对象，采用虚拟样本的方式，大大减少了人力及时间成本，处理效率高，检测精度高，提高了遥感变化检测的自动化程度，挖掘了影像数据的潜能。

Description

基于虚拟样本的遥感影像变化检测方法

技术领域

本发明涉及遥感影像变化检测技术领域，具体是基于虚拟样本的遥感影像变化检测方法。

背景技术

遥感变化检测是利用不同时期覆盖同一地表区域的多源遥感影像和相关地理空间数据，结合相应地物特性和遥感成像机理，采用图像、图形处理理论及数理模型方法，确定和分析该地区地物的变化，包括地理位置、范围的变化。现有遥感变化检测方法众多，实际生产中主要采用先将地物分类再做变化分析和先提取变化区域再分析地物变化类型这两种。两种方法各有优缺点，一方面，先分类后变化分析方法对两个时相地物分类精度要求较高，且分类误差累积使得变化检测结果精度大打折扣。此外还会受到两时相影像几何精度问题的困扰，形成“伪变化”图斑；另一方面，先提取变化区域再分析地物变化类型的方法强烈依赖于变化阈值的选取，不同的影像所选取的阈值不尽相同，这给变化检测带来了很大的难度。分析地物变化类型大多仍然采用分类的方法，分类精度直接影响变化检测的精度；

此外，其他类型的遥感变化检测的方法受到遥感影像成像时间、几何偏差等因素影响，存在操作复杂、耗时长、需要大量样本以及人工干预的缺陷，无法适应大规模，例如省级范围的变化检测要求。

发明内容

本发明提供基于虚拟样本的遥感影像变化检测方法，可以有效解决上述背景技术中提出的问题。

本发明所采取的技术方案是：基于虚拟样本的遥感影像变化检测方法，包括以下步骤：

步骤1，采集获取目标区域两个时相的卫星影像，通过卫星拍摄获取目标区域两个不同时间的影像；

步骤2，影像预处理，对两时相影像进行辐射定标、大气校正、配准的预处理；对预处理好的两时相影像查找其重叠区域并裁剪出重叠部分；

步骤3，选择样本，在第一时相影像中选择各类地物的样本，在第二时相影像中选择各类地物的样本；

步骤4，敏感波段分析，统计步骤3中第一时相影像、第二时相影像各类地物样本的光谱信息，并计算两时相光谱差异性；

步骤5，影像波段组合，根据步骤4中的光谱差异性，筛选出差异性较小的几个波段，并将筛选的波段组合到一起形成具有两时相光谱信息的数据集；

步骤6，地物变化类型分析，根据步骤3中各地类，分析并确定地物变化类型；

步骤7，虚拟样本，根据步骤6中确定的地物变化类型，结合步骤3中得到的地物样本，采用均值法将样本堆叠，生成带有变化信息的虚拟样本；

步骤8，提取变化信息，将步骤5得到的数据集和步骤7得到的虚拟样本输入到分类器中得到变化信息，并将变化信息转换为矢量结果；

步骤9，变化信息后处理，将步骤8得到的矢量结果中未发生变化的图斑删除，保留地物类型发生变化的矢量图斑；

步骤10，统计步骤9经伪变化图斑去除后得到的图斑面积，将小于4个像元大小的图斑删除，减小影像噪点及四邻域影响；

步骤11，对步骤10得到的图斑进行平滑处理，采用多项式近似的平滑方法，结合道格拉斯-普克简化算法对图斑进行平滑处理；

步骤12，将步骤11平滑后的图斑进行面积平差处理，统计其平滑后图斑总面积、总周长以及平滑前图斑总面积；

步骤13，精度验证，将提取的变化信息结合人工目视解译进行精度评价；

步骤14，得到变化检测结果，统计各种变化类型的面积、分布情况。

作为本发明的进一步优选方案，步骤3中第一时相影像中选择的样本数据包括植被、建筑、水体、裸土、云、山体阴影、云阴影；第二时相影像中选择的样本数样本数据包括植被、建筑、水体、裸土、云、山体阴影、云阴影。

作为本发明的进一步优选方案，步骤4中两时相光谱差异性的计算有两个参数：（

），其中

为第一时相某类样本某波段DN值的均值，

为第二时相某类样本某波段DN值的均值。

作为本发明的进一步优选方案，步骤5中的数据集为将两个时相影像组合到一起作为待分类的影像，再将其输入到分类器中进行分类。

作为本发明的进一步优选方案，步骤11中的图斑平滑处理，其中多项式近似平滑方法中算法平滑容差为锯齿长度的两倍。

作为本发明的进一步优选方案，步骤12的图斑面积平差处理中结合朴素的膨胀系数，采用Buffer方法进行面积平差。

作为本发明的进一步优选方案，朴素的膨胀系数计算方法为：设膨胀系数为d，则平差前图斑周长为L1，图斑面积为S1，膨胀后图斑周长为L2，图斑面积为S2。

在ΔS一定的情况下，假设需膨胀图斑数为n，则d→0；即将膨胀系数d推广到：

其中，

为n个图斑平差面积和，

为n个图斑周长和。

与现有技术相比，本发明提供了基于虚拟样本的遥感影像变化检测方法，具备以下有益效果：

本发明采用“一次分类即可得到变化区域以及变化类型”的方法，将地物变化类型抽象为分类对象，采用虚拟样本的方式，大大减少了人力及时间，处理效率高，检测精度高，提高了遥感变化检测的自动化程度，挖掘了影像数据的潜能。

附图说明

图1为本发明遥感影像变化检测方法流程示意图；

图2为本发明变化类型分析表示意图；

图3为本发明研究区哨兵影像两时段示意图；其中图3中a是第一时相影像；图3中b是第二时相影像；

图4为本发明基于图3研究区变化检测结果示意图；

图5为本发明虚拟样本生成流程示意图；其中圆圈、正方形、六边形、三角形、五角星分别代表植被、水体、建筑、裸土、云五类特征；

图6为本发明图斑平滑处理变化示意图；其中图6中a是未处理的图斑示意图；图6中b是经平滑效果处理后的图斑示意图；

图7为本发明中采用单一膨胀系数进行面积平差的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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。

本发明提供基于虚拟样本的遥感影像变化检测方法，包括以下步骤：

步骤1，采集获取目标区域两个时相的卫星影像，通过卫星拍摄获取目标区域两个不同时间的影像；

步骤2，影像预处理，对两时相影像进行辐射定标、大气校正、配准的预处理；对预处理好的两时相影像查找其重叠区域并裁剪出重叠部分；

步骤3，选择样本，在第一时相影像中选择各类地物的样本，在第二时相影像中选择各类地物的样本；

步骤4，敏感波段分析，统计步骤3中第一时相影像、第二时相影像各类地物样本的光谱信息，并计算两时相光谱差异性；

步骤5，影像波段组合，根据步骤4中的光谱差异性，筛选出差异性较小的几个波段，并将筛选的波段组合到一起形成具有两时相光谱信息的数据集；

步骤6，地物变化类型分析，根据步骤3中各地类，分析并确定地物变化类型；

步骤7，虚拟样本，根据步骤6中确定的地物变化类型，结合步骤3中得到的地物样本，采用均值法将样本堆叠，生成带有变化信息的虚拟样本；

步骤8，提取变化信息，将步骤5得到的数据集和步骤7得到的虚拟样本输入到SVM分类器中得到变化信息，并将变化信息转换为矢量结果；

步骤9，变化信息后处理，将步骤8得到的矢量结果中未发生变化的图斑删除，保留地物类型发生变化的矢量图斑；

步骤10，统计步骤9经伪变化图斑去除后得到的图斑面积，将小于4个像元大小的图斑删除，减小影像噪点及四邻域影响；

步骤11，对步骤10得到的图斑进行平滑处理，采用多项式近似的平滑方法，结合道格拉斯-普克简化算法对图斑进行平滑处理；

步骤12，将步骤11平滑后的图斑进行面积平差处理，统计其平滑后图斑总面积、总周长以及平滑前图斑总面积；

步骤13，精度验证，将提取的变化信息结合人工目视解译进行精度评价；

步骤14，得到变化检测结果，统计各种变化类型的面积、分布等情况。

作为本发明的进一步优选方案，步骤3中第一时相影像中选择的样本数据包括植被、建筑、水体、裸土、云、山体阴影、云阴影等其他类型样本；第二时相影像中选择的样本数样本数据包括植被、建筑、水体、裸土、云、山体阴影、云阴影等其他类型样本。

作为本发明的进一步优选方案，步骤4中两时相光谱差异性的计算有两个参数：（

），其中

为第一时相某类样本某波段DN值的均值，

为第二时相某类样本某波段DN值的均值。

作为本发明的进一步优选方案，步骤5中的数据集为将两个时相影像组合到一起作为待分类的影像，再将其输入到分类器中进行分类。

作为本发明的进一步优选方案，步骤11中的图斑平滑处理，其中多项式近似平滑方法中算法平滑容差为锯齿长度的两倍。

作为本发明的进一步优选方案，步骤12的图斑面积平差处理中结合朴素的膨胀系数，采用Buffer方法进行面积平差。

作为本发明的进一步优选方案，朴素的膨胀系数计算方法为：设膨胀系数为d，则平差前图斑周长为L1，图斑面积为S1，膨胀后图斑周长为L2，图斑面积为S2。

在ΔS一定的情况下，假设需膨胀图斑数为n，则d→0；即将膨胀系数d推广到：

其中，

为n个图斑平差面积和，

为n个图斑周长和。

作为本发明的一个具体实施例:

选取承德市一区域内4月和7月的卫星影像进行变化检测，具体变化检测步骤如下：

通过哨兵2号卫星拍摄获取承德市内一块范围约为8.3km×9.3km的试验区域的卫星影像，卫星影像为10米分辨率影像，如图3所示，其中图3的a部分卫星影像是拍摄时间为4月份的时相一影像、图3的b部分卫星影像是拍摄时间为7月份的时相二影像；然后对两个时相影像分别进行辐射定标、大气校正、配准等预处理；预处理完成的两个时相影像进行查找重叠区域，并裁剪出重叠区域；在时相一影像、时相二影像中选择各类地物的样本，包括植被、建筑、水体、裸土、云；统计各类地物样本的光谱信息，并计算两时相光谱差异性；并根据光谱差异性，筛选出差异性较小的几个波段，并将筛选的波段组合到一起形成具有两时相光谱信息的数据集；

根据时相一影像、时相二影像中各地类样本数据，分析并确定两时相间地物变化类型为：裸土-云、裸土-植被、建筑-植被、裸土-水体、水体-裸土；由确定的地物变化类型，结合得到的地物样本，采用均值法，将样本堆叠，生成带有变化信息的虚拟样本；将虚拟样本和组合得到的数据集输入到SVM分类器中，得到分类结果；将得到的栅格结果转为矢量结果，再将矢量结果中未发生变化的图斑删除，只保留地物类型发生变化的矢量图斑；将小于4个像元大小的图斑删除，降低影像噪点及四邻域影响；接着对得到的图斑进行平滑处理，采用多项式近似的平滑方法，结合道格拉斯-普克简化算法对图斑进行平滑处理；平滑后的图斑进行面积平差处理，统计其平滑后图斑总面积、总周长以及平滑前图斑总面积；结合朴素的膨胀系数，采用建立缓冲区的方法进行面积平差；将提取的变化信息结合人工目视解译进行精度评价；最后得到变化检测结果，如图4所示，统计各种变化类型的面积、分布等情况。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (8)

1.基于虚拟样本的遥感影像变化检测方法，其方法在于，包括以下步骤：

步骤1，采集获取目标区域两个时相的卫星影像，通过卫星拍摄获取目标区域两个不同时间的影像；

步骤2，影像预处理，对两时相影像进行辐射定标、大气校正、配准的预处理；对预处理好的两时相影像查找其重叠区域并裁剪出重叠部分；

步骤3，选择样本，在第一时相影像中选择各类地物的样本，在第二时相影像中选择各类地物的样本；

步骤4，敏感波段分析，统计步骤3中第一时相影像、第二时相影像各类地物样本的光谱信息，并计算两时相光谱差异性；

步骤5，影像波段组合，根据步骤4中的光谱差异性，筛选出差异性较小的几个波段，并将筛选的波段组合到一起形成具有两时相光谱信息的数据集；

步骤6，地物变化类型分析，根据步骤3中各地类，分析并确定地物变化类型；

步骤7，虚拟样本，根据步骤6中确定的地物变化类型，结合步骤3中得到的地物样本，采用均值法将样本堆叠，生成带有变化信息的虚拟样本；

步骤8，提取变化信息，将步骤5得到的数据集和步骤7得到的虚拟样本输入到分类器中得到变化信息，并将变化信息转换为矢量结果；

步骤9，变化信息后处理，将步骤8得到的矢量结果中未发生变化的图斑删除，保留地物类型发生变化的矢量图斑；

步骤10，统计步骤9经伪变化图斑去除后得到的图斑面积，将小于4个像元大小的图斑删除，减小影像噪点及四邻域影响；

步骤11，对步骤10得到的图斑进行平滑处理，采用多项式近似的平滑方法，结合道格拉斯-普克简化算法对图斑进行平滑处理；

步骤12，将步骤11平滑后的图斑进行面积平差处理，统计其平滑后图斑总面积、总周长以及平滑前图斑总面积；

步骤13，精度验证，将提取的变化信息结合人工目视解译进行精度评价；

步骤14，得到变化检测结果，统计各种变化类型的面积、分布情况。

2.根据权利要求1所述的基于虚拟样本的遥感影像变化检测方法，其方法在于，步骤3中第一时相影像中选择的样本数据包括植被、建筑、水体、裸土、云、山体阴影、云阴影；第二时相影像中选择的样本数样本数据包括植被、建筑、水体、裸土、云、山体阴影、云阴影。

3.根据权利要求1所述的基于虚拟样本的遥感影像变化检测方法，其方法在于，步骤4中两时相光谱差异性的计算有两个参数：（

），其中

为第一时相某类样本某波段DN值的均值，

为第二时相某类样本某波段DN值的均值。

4.根据权利要求1所述的基于虚拟样本的遥感影像变化检测方法，其方法在于，步骤5中的数据集为将两个时相影像组合到一起作为待分类的影像，再将其输入到分类器中进行分类。

5.根据权利要求1所述的基于虚拟样本的遥感影像变化检测方法，其方法在于，步骤11中的图斑平滑处理，其中多项式近似平滑方法中算法平滑容差为锯齿长度的两倍。

6.根据权利要求1所述的基于虚拟样本的遥感影像变化检测方法，其方法在于，步骤12的图斑面积平差处理中结合朴素的膨胀系数，采用Buffer方法进行面积平差。

7.根据权利要求6所述的基于虚拟样本的遥感影像变化检测方法，其方法在于，朴素的膨胀系数计算方法为：设膨胀系数为d，则平差前图斑周长为L1，图斑面积为S1，膨胀后图斑周长为L2，图斑面积为S2。

8.在ΔS一定的情况下，假设需膨胀图斑数为n，则d→0；即将膨胀系数d推广到：

其中，

为n个图斑平差面积和，

为n个图斑周长和。

Images