加入多时相纹理遥感变化检测.docVIP

加入多时相纹理的遥感变化检测 李淑坤1李培军1 程涛2 1.北京大学地球与空间科学学院遥感与地理信息系统研究所，北京100871; 2. 加拿大阿尔伯塔大学地球与大气科学埃德蒙顿阿尔伯塔T6G 2R3 摘要 基于遥感的变化检测是遥感应用的一个重要方面，传统的基于遥感变化检测方法一般是利用光谱信息而忽略了多时相遥感图像的相关关系本文运用地统计学的伪交叉变差函数计算多时相图像纹理，定量表达多时相图像的空间相关关系；将得到的多时相纹理与光谱信息一起用于多时相变化检测，运用实际数据对提出的方法进行评价。结果表明加入多时相纹理信息可以显著提高变化检测精度，是一种有效的方法。 关键词 伪交叉变差函数 多时相纹理 动态检测– 070X(2009)XX – XXXX - XX 0 引言 变化检测是遥感应用中的重要内容之一，基于遥感的变化检测在许多领域得到了广泛的应用，如城市的扩展、植被变化、灾害监测、荒漠化等检测。 传统的基于遥感变化检测方法多数只是利用光谱信息[1]，没有充分利用图像中包含的各种有效信息。近年来，一些研究将图像纹理等空间信息及辅助信息等用于基于遥感的图像检测。例如，文献[1]将道路密度信息用于城市变化检测，取得了比单纯利用光谱信息的变化检测更高的精度。文献[2]将多尺度纹理信息加入不同时相遥感图像的光谱分类中，并通过分类后比较方法进行城市扩展变化检测。文献[3]将图像分割与图像分类结合，采用分类后比较方法，提高了城市的变化检测精度。所有的以上实验都表明，加入空间信息后，变化检测的精度有显著的改善. 除了空间信息外，其它信息也可用于改善变化检测的精度。多时相图像之间往往存在不同程度的相关性，例如，如果某个局部位置的地物类型没有随时间发生变化，则该位置的两个不同时期的图像灰度值的相关性高；反之，如果某个位置地物类型发生了变化，则该位置的两个不同时期的图像灰度值的相关性较低。因此，如果能将这些相关性定量化，并用于变化检测，则可能提高变化检测的精度。 本文尝试采用地统计学中的伪交叉变差函数(pseudo cross variogram)来定量描述多时相图像的局部时相相关性，作为一种多时相纹理（multitemporal texture）度量指标[4]，并将多时相纹理与光谱信息结合一起用于变化检测。 1 方法 1.1伪交叉变差函数 地统计学中有很多定量分析空间变化现象的方法，变差函数是其中的基本工具之一，能描述区域化变量的结构性和随机性。既可以表达全局的空间变化，也能描述局部的空间变化。在地统计学中，像元的灰度值（DN）可以看作一个区域化变量[5]，每个像元都可以通过其地理坐标或行列位置在遥感影像上唯一确定，像元灰度值（DN）具有一定的随机性和空间结构性。这种随机性和空间结构性可以用变差函数定量表达： （1） 在公式（1）中， 称为滞后距离，是一个带有方向性的矢量；变差函数表示相距的像素对灰度值二次增量的数学期望的一半，是一个矢量函数，它依赖于距离矢量的模和方向，可以表达空间自相关性。由于纹理与像元灰度值的空间变化密切相关[5]，而变差函数可以定量地描述这种空间变化，因此，变差函数已被广泛地用来提取遥感图像的纹理信息，并用于分类识别[6,7]。 除了表达单个变量（如波段）的空间自相关性的变差函数，文献[8]提出了伪交叉变差函数（Pseudo Cross Variogram），用于表达两个区域化变量（如两个波段）之间的交叉相关性[9]。伪交叉变差函数的表达式如下： （2） 式2中： 代表两个不同的波段，伪交叉变差函数是像素对在波段和波段灰度值交叉增量的半方差，它依赖于距离矢量的模和方向，表达两个不同波段的空间交叉相关性。值得注意的是，如果j, k代表同一波段在不同时间获取的灰度值（或反射率等），那么伪交叉变差函数表达了它们之间的时相相关性[4,10,11]。 对于实际的遥感图像，伪交叉变差函数的计算表达式（即实验伪交叉变差函数）为： （3） 式3中：是相距为的像素对数目，分别表示同一波段在不同时相对应的灰度值。 1.2 多时相纹理 类似于伪交叉变差函数被用于两个波段图像纹理的计算[9]，伪交叉变差函数也被用于多时相纹理的计算，并用于多时相图像的分类[4]。多时相纹理是从同一波段的两个不同时相图像计算、提取的[4]。多时相纹理的计算首先需要确定两个参数：移动窗口和滞后距离。纹理的计算通常是在一个指定大小的移动窗口中进行的，因此，移动窗口过大和过小都不能准确反应图像的纹理特征[12]：窗口过小，无法计算出有效的纹理来反应图像灰度值的