遥感图像变化检测(交大课程报告)46.pptVIP

遥感图像变化检测 第7组 主要内容 1. 遥感技术介绍 2. 变化检测概述 3. 面向对象的变化检测 1. 遥感技术介绍 1.1 遥感的概念 遥感（Remote Sensing）： 从远处探测、感知物体或事物的技术。即不直接接触物体本身，从远处通过各种传感器探测和接受来自目标物体的信息，经过信息的传输及其处理分析，来识别物体的属性及其分布等特征的综合技术。 1.2 遥感图像特点 1.宏观性与综合性 （1）覆盖范围大：一景TM图像为185x185平方公里 （2）信息丰富 2.多波段性 可采用可见光、红外线、微波等多种波段对物体进行遥感检测 1.3 遥感应用 在资源调查方面的应用 在环境监测评价等方面的应用 贝尔加湖畔森林火灾的图像 在区域分析及建设规划方面的应用 城市土地利用 植被覆盖率的检测：在地表景物中，通常只有植物在近红外波段有很高的反射率。 道路交通分析 城市规划 在全球性宏观研究中的应用 2. 变化检测概述 2.1 变化检测的概念 变化检测的实质是地表特征随时间变化发生的变化而引起的两个时期影像像元光谱响应的变化，所以利用不同时期的影像进行变化检测就能获得地物的变化信息。 工作流程：数据选取、数据预处理、变化信息提取和分离、精度评定。 2.2 数据选取 尽可能选取同一季节,同一时刻或相近的遥感影像,以消除太阳高度角及植物物候条件的差异影响。 尽可能选取具有相同辐射分辨率的遥感影像 云覆盖20%的影像不可取 土壤过于湿润的影像也不好 2.3 数据预处理 几何校正 卫星影像获取时由于卫星影像覆盖范围大受到地球曲率、传感器高度和姿态角的变化及地形起伏的影响产生几何畸变。 基本思路：把存在几何畸变的图像，纠正成符合某种地图投影的图像，且要找到新图像中每一像元的亮度值。 2.3 数据预处理 辐射纠正 卫星成像时由于大气状况、太阳高度角和地形等不同造成同一地区多时相影像间存在辐射差异。 基本思路：分别在不同数据源中选取对应的多个稳定地物点亮度值，找出对应关系，得到回归系数，将所有图像的辐射条件同化到一参考图像。 2.3 遥感变化检测的理论模型 按照是否需要分类可分为：直接变化检测和分类后变化检测 根据是否需要先验知识可分为：监督变化检测和非监督变化检测 根据变化检测所选取的分析对象可分为：面向像素、特征、对象变化检测 根据变化检测选取的时相可分为：双时相和多时相变化检测 2.3.1 面向像素变化检测 图像差值法 将两幅影像进行配准，然后将图像中对应像素的灰度值相减，获得一幅差异图像以表示在所选两个时间当中目标区所发生的变化。 图像比值法 将一个时间图像的像元值与另一个时间图像对应的像元值相除,增强变化信息,抑制背景信息的同时可以帮助减少大气条件造成的影响。 2.3.2 面向特征变化检测 对于特征提取后比较法，特征提取是其变化检测的关键，同时也是影像处理中的难点问题。 常见的目标特征有：灰度特征、纹理特征、几何特征、颜色特征以及空间关系特征等。 2.3.3 面向对象变化检测 影像对象定义为形状与光谱性质具有同质性的单个区域。 传统的逐像元的变化检测分析方法仅仅考虑单个像元的光谱特征，没有考虑到周围像元的光谱特征及邻近像元的空问特征信息，致使变化检测的精度较低。 利用GIS对象把影像分解成多个像素组的集合，每个像素组代表一个GIS对象，即一个“影像对象”，在影像分割阶段就整合了光谱信息和空间信息 3. 面向对象的变化检测 3.1 面向对象变化检测 基于像素变化检测的局限性： 应用于中等空间分辨率卫星图像，不适用于高空间分辨率、多光谱图像 高空间分辨率图像特点： 高对比度的高频分量（如阴影像素） 由于视角不同，凸出地面的物体导致水平覆盖（如建筑物、树） 基于新的三个通道（channel）NCI（neighborhood correlation image）： 包括三部分信息： Correlation（相关性）：从特定邻域图像（如3*3）中提取包含此邻域变化信息 Slope（斜率）、intercept（截距）：作为附属数据用于变化检测 3.2 实例分析 数据来源：ADAR 5500遥感系统 随机选取800个采样参考点（ArcGIS软件），分为13个类： 创建多层NCIs： 1.correlation： 2.slope和intercept： 不变区域：slope~1，intercept~0 计算公式：slope（a），intercept（b） 创建的NCIs：（neighborhood with a 1-pixel radius） 邻域大小的选择 邻域大小的选择对变化检测相关性的影响 选取c区域与d区域研究 c区域：树?建筑物 d区域：阴影变化 结论： 大邻域类似于低通滤波，有利于消除噪