面向对象高分辨率影像变化检测方法探究.docVIP

面向对象高分辨率影像变化检测方法探究 　　摘要：本文旨在针对高分辨率遥感影像的信息提取形成一套处理方法及流程，同时丰富高分辨率遥感图像处理的方法和理论知识，具有一定的理论意义。通过对试验数据的处理，准确、快速地从图像中发现、提取变化区域，目的是通过对两时相影像的变化检测反映具体的变化情况，并分析综合这些变化数据以便服务于土地利用现状调查、国土资源执法监察、土地利用规划等实际应用中，具有一定的实际意义。 中图分类号：F301.0 文献标识码：A 文章编号： 1 引言 从卫星遥感影像上提取地表变化信息的研究可以追溯到七十年代末，由于卫星数据可以提供有重复访问的数据，一些研究者尝试利用卫星遥感数据进行变化检测。早期的遥感影像变化检测由于受到当时的技术条件限制，主要是通过人工目视解译来进行的，虽然传统目视判读的遥感信息提取方法精度较高，但目视解译既要求解译人员具有丰富的地学知识和目视判读经验，又需要花费大量的时间去目视判读，其劳动强度大、信息获取周期长，解译质量受目视判读者的经验及对解译区的熟悉程度等各种因素限制，难以保证前后一致性，因而实际应用中具有很大的主观性。 利用面向对象的分类技术，对两时相影像进行信息提取，选取精度较好结果并做变化检测。在分类时，不仅利用了影像的光谱信息，同时考虑了影像对象的空间结构信息，改变了原来信息提取特征单一的状况，使其分类精度有所提高。本文旨在针对高分辨率遥感影像的信息提取形成一套处理方法及流程，同时丰富高分辨率遥感图像处理的方法和理论知识，具有一定的理论意义和实用价值。通过对试验数据的处理，准确、快速地从图像中发现、提取变化区域，可以服务于土地利用现状调查、国土资源执法监察、土地利用规划等实际应用。 2 面向对象变化检测原理 高分辨率遥感图像的细节信息丰富，图像的局部异质性大，传统的基于像元的分类方法易受高分辨率影像局部异质性大的影响和干扰，而面向对象方法最基本的特点就是以图像分割获得的图像对象为基本的操作单元，而不是像传统的面向像素方法那样，基于单个像素操作。通过图像分割获得的图像对象具有一定的属性，不仅包含了高分辨率图像丰富的光谱信息，还包括纹理、大小、形状、紧致性、上下文等从图像中提取出的附加信息，在不增加外来信息的情况下增加了分类的依据，从而显著提高分类的精度，使分类结果含有丰富的语义信息更加接近目视判别的结果。当遥感影像被分割为地物对象后，还可以建立对象之间的拓扑关系，从而有可能实现地理信息系统中的空间分析。对高分辨率影像来说，是一种非常有效的信息提取方法，具有很好的应用前景。 图 2-1 面向对象分类技术流程图 3设计思路和处理流程 面向对象分类：运用ENVI4.7版本的EX扩展模块中的面向对象特征提取（Feature Extraction），充分利用高分辨率影像的空间、纹理和光谱信息分别对前后两时相影像（配准后的IKONOS影像和Quick Bird影像）进行面向对象分类，以高精度的分类结果或者矢量输出。（分类过程中，综合利用光谱、空间特征和纹理信息，多次设置相关参数，找到分类精度最高的，普适性较好的分类参数） （2）分类后处理：分类结果中不可避免地会产生一些面积很小的图斑，有必要对这些小图斑进行剔除或重新分类。常用方法有Majority/Minority分析、聚类处理（Clump）和过滤处理（Sieve）。 （3）评价分类精度：ENVI 4.8提供了多种评价方法，包括分类结果叠加、混淆矩阵和ROC曲线。本文运用Confusion Matrix（混淆矩阵）工具可以把分类结果的精度显示在一个混淆矩阵里（用于比较分类结果和地表真实信息），可是使用一幅地表真实图像或地表真实感兴趣区来计算混淆矩阵。 （4）变化检测：ENVI4.8及ENVI EX中提供多重检测方法，包括图像直接比较法工具和分类后比较法工具。运用ENVI的分类后比较法工具，包括Change Detection Statistics工具和Thematic Change工具，输出结果。 4 试验及分析 实验数据采用IKONOS、QuickBird两个高分辨率遥感卫星对同一区域的前后两时相的遥感影像。前一时相为ik-pre.tif，试验区域范围多裸地、植被，少量房屋、水体、道路，其中有两条主干道路。后一时相为qb-post.tif，试验区范 分类结果： 图3-6分类后处理结果 分类精度评价 选择地表真实感兴趣区进行精度评价，精度评价为相对的。 表3-9混淆矩阵精度 变化检测 图像直接比较法：Compute Different Map工具 图3-7变化检测结果 作为结果的变化分类图像将以彩