利用多特征融合的面向对象的高分辨率遥感影像变化检测.pdf

2016年 6月 陕西理工学院学报 (自然科学版) June．2016 第 32卷第 3期 JournalofShaanxiUnive~ityofTechnology(NaturMScienceEdition) Vo1．32 No．3 [文章编号]1673—2944(2016)03—0040—06 利用多特征融合的面向对象的 高分辨率遥感影像变化检测 姜慧伟 (武汉大学 遥感信息工程学院，湖北 武汉430079) [摘 要] 针对高分辨率遥感影像变化检测中的一些难点和传统基于像元的变化检测方法 的局限性，提出了一种多特征融合的面向对象变化的检测方法。为保证图斑的空间位置对应， 首先利用改进的图像分割算法对两幅影像进行联合分割，然后统计图斑的多种特征，依据该特 征进行变化 向量分析，得到图斑的变化和非变化类型。最后，利用QuickBird影像验证 了该算 法的可行性，检测结果明显优于传统基于像素的检测方法。 [关 键 词] 多特征融合； 联合分割； 变化检测 [中图分类号】 P231 [文献标识码] A 变化检测是根据不同时间的多次观测确定某种物体的状态或某种现象的变化过程…。近年来，国 内外学者对变化检测进行了大量研究，并将其应用在诸多领域，如城市动态规划_2引、森林灾害评估 J、 农作物长势检测Ⅲ5以及灾情监测与评估 等。这些变化检测方法大致可以分成 3类：基于像素、基于 特征和基于对象变化的检测 。这些检测方法不仅对数据要求比较高，而且算法主要针对特定的目 标，在实际使用中仍然存在一定的局限性。 近年来随着传感器技术的不断发展，遥感图像的空间分辨率不断提高，图像中地物的结构、形状、纹 理和细节等信息也更加突出，因此面向对象的多特征融合成为当前遥感影像变化检测的重要手段 。当 前面向对象的变化检测方法主要分为两类 ：分类后 比较法 圳和对象的变化 向量分析法 即直接 比较 法。其中第二类方法通过有效分析对象的多种特征如光谱、纹理等，能够简单高效地获取变化类型。但 是这类方法对于图斑的确定也有一定的局限性 ，如不同影像间的图斑对应关系以及分割尺度 的选择等， 并且分类后特征的选择也影响着 比较结果。因此，如何科学高效地选择分析 目标和设计 比较特征就显 得尤为重要。针对此问题，本文提出了一种利用联合分割多特征融合的面向对象的变化检测方法。 1 算法介绍 为了减弱其他客观因素对变化检测精度的影响，必须保证变化检测之前的两幅影像是处于同一地 理位置的正射影像 。本文主要采用基于向量分析的方法判断图斑的变化，为了保证需要进行分析的图 斑在两幅影像上的空间一致性，首先采用改进的基于图像的分割方法_】，对两幅图像进行联合分割，然 后根据图斑的特征，计算对应图斑的差异性，通过阈值确定变化区域，得到最终变化检测结果。本文算 法主要流程见图 1。 图像联合分割的过程如下： 第 1步，首先输入前后两期影像 和B，对它们分别建立图，即G =(，E)和 G =(V，E)，它们分 收稿 日期 ：2016-02-29 修 回 日期 ：2016-04—12 作者简介：姜慧伟 (199l一)，女 ，河南省驻马店市人，武汉大学硕士研究生 ，主要研究方向为图像处理、变化检测。 · 40 · 第3期 姜慧伟 利用多特征融合的面向对象的高分辨率遥感影像变化检测 别有m 、m 条边，n、 个顶点，按照权值w从小到 大排列A中各条边，得到一组边E=(W(e)，W(e)， 前期正射影响 (时刻)II后期正射影响 (T+At时刻) … ， (e))，初始化区域G 和G； 第2步，从E中取出第 q个边W(e)=(，vj)， 联合分割分块 从A 中得到 和 vj所在 的区域 C 和 C，如果 C 和 cj不属于同一个区域，并且A 和 中的两个 区域的不相似度不大于它们 内部相似度，则合并区 提前期取影特傻征 ll ll提后期取影特像征 域，