遥感变化检测方法综述--中国期刊网

字体：大中小

首页> 原创作品> 正文

遥感变化检测方法综述

发表时间：2020/8/11 来源：《基层建设》2020年第10期作者：徐永杰

[导读] 摘要：遥感变化检测是遥感技术领域的研究重点和难点，在地理国情监测和城市规划当中具有重大应用。

        重庆交通大学土木工程学院重庆 400074
        摘要：遥感变化检测是遥感技术领域的研究重点和难点，在地理国情监测和城市规划当中具有重大应用。文章从变化检测处理的基本单元像元和对象两个角度对变化检测的方法进行了梳理和总结，分析二者的优缺点。
        关键词：遥感；变化检测；像元；对象
        引言
        变化检测，顾名思义就是检测出哪里发生了变化，发生了怎样的变化。遥感变化检测技术是判断前后期双时像或者多时相遥感影像上同一块区域内的地物对象是否发生变化，甚至检测出发生怎样变化的技术[1]。可以说，随着第一颗遥感卫星的发射成功，遥感变化检测技术就诞生了。因为事物总是在变化的，不同时间拍摄到的同一块区域的遥感影像总会存在差异，这也就促进了遥感变化检测技术的发展。
        随着近年来社会科学技术的发展，高空间分辨率和高时间分辨率遥感传感器的不断发射，同一块区域上的高分遥感影像也更容易获取，解决了以往数据源获取难的问题，并促进了新的变化检测技术方法的产生，使得变化检测技术的发展迈上了新的台阶[2]。本文在阅读大量相关文献的基础上，对变化检测的关键步骤进行了总结，并对目前主流的方法进行了分类和梳理。
        1.变化检测技术路线
        变化检测就是在两幅或者多幅影像上找不同，其基本步骤可以归纳为数据预处理、变化区域提取和变化检测结果处理[3]。图1位变化检测的技术路线图。

        图1 技术路线
        1.1 预处理
        由于遥感变化检测是建立在至少两幅影像的基础上进行的，因此我们首先需要选取合适的影像对作为数据源。为减少数据的处理过程，原则上一般选取空间分辨率一致，传感器成像差异较小和每年获取时间相近的影像。变化检测技术中涉及到的影像预处理主要包括地理配准和辐射校正，预处理的主要目的是为了减少数据原因引起的虚假变化。图像配准是为了消除前后期影像上地理位置的差异，辐射校正则是为了消除不同传感器获取的影像的辐射值差异。
        1.2 变化提取
        对影像进行初步的预处理消除不必要因素的影响之后，接下来就是寻找两幅影像上的不同之处，也就是变化区域的提取。本文根据进行变化区域提取时处理的基本单元，将变化检测的方法归类为基于像元和面向对象两大类。
        （1）基于像元的变化检测
        基于像元的变化检测方法是最传统，最原始的变化检测方法。基于像元表示处理的基本单元是每一个像元，其变化检测的主要思路是通过分析前后期遥感影像上对应像元之间的像素信息差异来提取变化信息[4]。基于像元的变化检测方法又可以分为分类前比较法和分类后比较法。
        分类前比较法就是对前后两幅预处理之后的影像进行差值或者比值等操作，无需进行像元分类，因此又叫直接比较法。最初的变化检测方法就是利用影像之间的波段求差，对差值的结果进行分析和阈值分割等操作，从而获取到变化的结果[5]。除了利用影像像元各个波段的辐射亮度值进行差值计算之外，还可以借用一些特征指数的帮助，如常用的归一化植被指数（NDVI）[6]，比值建筑用地指数（RBI）等[7]。直接进行像元信息之间的比较方法简单，效率较高，得到的结果也较为准确，但是仅仅能够获取变化像元的大致位置，无法进行类别的判断。分类后比较法是在前后期影像分类的基础上进行变化检测。如决策树分类（DT）、支持向量机（SVM）、随机森林（RF）等。根据一定的知识规则将影像上的像元分为若干类别，通过判断前后期影像上对应位置的像元类别是否发生了改变为依据进行变化检测。分类后比较法较分类前比较法可以获取变化的类别，但其结果的准确性依赖分类的精度。
        从像元的角度分析影像变化信息只适用于中低空间分辨率影像。随着影像空间分辨率的不断提高，影像上的空间结构信息和纹理特征更加突出，仅仅考虑像元之间的光谱差异信息无法满足变化检测的精度。
        （2）面向对象的变化检测
        因此，随着高空间分辨率遥感卫星的不断成功发射，高分遥感影像也就更容易获取，以及随着面向对象分析技术的不断发展，研究者对于变化检测的分析逐步从像元角度转移到影像对象概念。进行面向对象的变化检测首先需要获取到影像上的地物对象，因此，对高分辨率遥感影像进行变化区域提取之前需要进行图像分割处理。对分割得到的地物对象进一步提取光谱、纹理和空间结构等特征，通过对比分析这些特征进行是否发生变化的判断，这种方法叫做直接对象比较法；如果对分割得到的地物对象进行所属类别的分析，则称之为对象类别比较法[4]。
        和基于像元的变化检测方法最大的不同就是，进行面向对象的分析依赖图像分割的效果。目前已经有很多主流的分割算法，但或多或少存在“过分割”和“欠分割”的现象，这些都会影响到最终的变化检测结果的精度。较为准确的分割结果可以考虑进行矢量约束下的图像分割，严格按照矢量图的边界作为图像分割的边界，可以一定程度是削弱“过分割”现象的影响。
        1.3 后处理
        针对变化检测得到的结果，仍然存在一些漏检和虚检的信息，可以对结果进行相应的后处理然后再进行结果的导出和分析[3]。
        2.总结
        随着质量更好、分辨率更高的遥感影像的不断获取，遥感变化检测技术逐渐从像元检测过度到对象检测。本文首先介绍了遥感变化检测的大致技术流程，然后从基于像元和面向对象两个角度对遥感变化检测方法进行了深入的总结和探讨，分别阐述了两种方法的优点和不足。
        参考文献：
        [1]李伟. 面向对象的遥感变化检测研究[J]. 北京测绘，2013，108（1）：11-15，30.
        [2]李德仁. 利用遥感影像进行变化检测_李德仁[J]. 武汉大学学报（信息科学版），2003，卷缺失（S1）：7-12.
        [3]佟国峰，李勇，丁伟利，等. 遥感影像变化检测算法综述_佟国峰[J]. 中国图象图形学报，2015，20（12）：1561-1571.
        [4]眭海刚，冯文卿，李文卓，等. 多时相遥感影像变化检测方法综述_眭海刚[J]. 武汉大学学报（信息科学版），2018，43（12）：1885-1898.
        [5]SINGH A. Digital Change Detection Techniques Using Remotely-sensed Data [J].International Journal of Remote Sensing，1989，10（6）：989-1003.
        [6]周晓光，曾联斌，袁愈才，等. 四种基于像元的地表覆盖变化检测方法比较_周晓光[J]. 测绘科学，2015，40（1）：52-57.
        [7]杨文治，张友静，尹新沆，等. 面向GF_1影像的比值建筑用地指数构建_杨文治[J]. 国土资源遥感，2016，28（1）：35-42.