基于GF-1遥感影像湿地变化信息检测算法分析-中南林业科技大学学报.PDF

第35 卷 第11 期 中 南 林 业 科 技 大 学 学 报 Vol. 35 No. 11 2015 年 11 月 Journal of Central South University of Forestry Technology Nov. 2015 Doi:10.14067/j .cnki.1673-923x.2015.11.004 http : // 基于GF-1遥感影像湿地变化信息检测算法分析 刘伟乐，林 辉，孙 华 （中南林业科技大学林业遥感信息工程研究中心，湖南 长沙 4 10004 ） 摘 要：湿地遥感变化信息检测并识别一直是遥感动态监测的一个技术难点。以东洞庭湖为研究区，2 期GF-1 遥感影像为研究对象，在数据预处理的基础上，将研究区分为芦苇、苔草、辣蓼与泥蒿、水体、泥滩地等6 种类型。 研究引进了NDVI 植被指数波段与第一主分量波段 （PC1）对传统的图像差值算法进行改进，提取出两期影像的 变化信息，并与支持向量机的多时相影像分类后检测算法相比较。结果表明： （1）研究区遥感影像经过大气校 正和图像配准等预处理之后，GF-1 遥感影像变化检测的最佳波段组合为RGB=432 ； （2 ）利用支持向量机分类器 对两期遥感影像进行分类时，样本选择的可分离度均在1.9 ～2.0 之间，分类结果的总体精度为85.34%，Kappa 系数为0.8，满足分类后比较算法提取变化信息的要求； （3 ）引进NDVI 与第一主分量区分变化信息，并采用直 方图积累区间确定变化阈值，信息增加的变化阈值设置为0.3，信息减少的变化阈值设置为0.2，Smooth Kernel Size 设置为3，Aggregation Min Size 设置为30，优化结果最佳。利用2 期GF-1 遥感影像提取湿地变化信息，分 类后比较算法与改进后图像差值算法，图像差值法快速、直接提取变化信息，检测精度为89.6%，Kappa 系数为0.9， 且不受分类精度与分类样本一致性的限制，明显优于传统分类比较算法，是一种高效可行的方法。 关键词：湿地；动变信息；GF-1 卫星；图像差值算法；洞庭湖 中图分类号：S771.8 文献标志码：A 文章编号：1673-923X(2015) 11-0016-05 GF-1 analysis of remote sensing image change detection algorithm based on wetland LIU Wei-le, LIN Hui, SUN Hua (Research Center of Forest Remote Sensing Information Engineering, Central South University of Forestry Technology, Changsha 410004, Hunan, China) Abstract: Remote sensing change information detection and recognition has been a technical difficulty of remote sensing dynamic monitoring. This paper takes the east of Do