遙感變化檢測(cè)方法綜述

遙感技術(shù)在土地利用變化信息提取中的應(yīng)用

進(jìn)入21世紀(jì)以來，隨著人口的迅速增長(zhǎng)，土地資源變得越來越重要。為了有效保護(hù)和合理開發(fā)土地資源，真實(shí)、準(zhǔn)確和實(shí)時(shí)地把握土地利用現(xiàn)狀就顯得越來越重要。遙感技術(shù)以其快速高效的特點(diǎn)，很快很自然地成為了土地利用變化監(jiān)測(cè)的重要研究手段，國(guó)內(nèi)外眾多學(xué)者都利用過遙感的方法獲取了土地利用變化信息。第1頁/共21頁第一頁，共22頁。遙感圖像變化信息提取方法從算法的角度可將目前變化檢測(cè)的方法分為四類:(1)基于簡(jiǎn)單代數(shù)運(yùn)算的變化檢測(cè)；(2)基于圖像變換的變化檢測(cè)；(3)基于圖像分類的變化檢測(cè)；(4)基于特征描述的變化檢測(cè)。第2頁/共21頁第二頁，共22頁?；诤?jiǎn)單代數(shù)運(yùn)算的變化檢測(cè)基于代數(shù)運(yùn)算的變化檢測(cè)技術(shù)包括圖像差值(imagedifferencing)、圖像比值(imageratio)、植被指數(shù)(NDVI)、圖像回歸(imageregression)和變化向量分析(changevectoranalysis)等。第3頁/共21頁第三頁，共22頁?；诤?jiǎn)單代數(shù)運(yùn)算的變化檢測(cè)（1）圖像差值法圖像差值法是最簡(jiǎn)單、最常用的一種變化檢測(cè)方法，其基本原理是將不同時(shí)間獲取的兩幅影像進(jìn)行配準(zhǔn)，然后將圖像中對(duì)應(yīng)像元的灰度值相減，從而獲得一幅新的差異圖像以表示在所選兩個(gè)時(shí)間當(dāng)中目標(biāo)區(qū)所發(fā)生的變化。理論上，在得到的差值圖像上，差值為0或接近0的認(rèn)為是不變區(qū)域，不為0的認(rèn)為是變化區(qū)域。圖像差值法的優(yōu)點(diǎn)在于理論相對(duì)簡(jiǎn)單、直接，容易理解和掌握，但常常只能定量地描述目標(biāo)區(qū)是否發(fā)生了變化，而很難確定目標(biāo)區(qū)域發(fā)生變化的性質(zhì)。為了能確定變化的性質(zhì)還需結(jié)合其他方法進(jìn)行分析，從而獲得最終的目標(biāo)區(qū)變化信息。另一方面，由于相同地物在不同時(shí)相的光譜特征往往是不同的，因此變化閾值需要根據(jù)實(shí)際情況選取。第4頁/共21頁第四頁，共22頁?；诤?jiǎn)單代數(shù)運(yùn)算的變化檢測(cè)（2）圖像比值法

圖像比值法是將不同時(shí)相的遙感影像對(duì)應(yīng)波段進(jìn)行逐像元相除。通過對(duì)不同時(shí)相影像做相對(duì)輻射校正，得到的比值圖像增強(qiáng)了變化信息，其中像元比值為1或者近似為1的認(rèn)為是未發(fā)生變化的區(qū)域，像元比值明顯高于或低于1的認(rèn)為是發(fā)生變化的區(qū)域。比值法的理論假設(shè)是比值圖像呈正態(tài)分布，通常采用均值和標(biāo)準(zhǔn)偏差作為標(biāo)準(zhǔn)劃分變化與非變化區(qū)域，但對(duì)于很多實(shí)際問題該假設(shè)并不總是成立的，這時(shí)變化閾值的選擇就成為比值法變化檢測(cè)是否有效的關(guān)鍵。比值法和差值法一樣都直觀，容易掌握，變化檢測(cè)速度快，但這種方法過于簡(jiǎn)單，很難考慮到所有因素的影響，容易造成大量信息的流失，同時(shí)該方法對(duì)圖像的配準(zhǔn)精度要求很高。第5頁/共21頁第五頁，共22頁?；诤?jiǎn)單代數(shù)運(yùn)算的變化檢測(cè)（3）植被指數(shù)法植被指數(shù)(NDVI)是為了從來自地球遙感觀測(cè)衛(wèi)星的圖像數(shù)據(jù)中了解全球植被分布狀況的指標(biāo)，它將遙感圖像中不同波段的灰度值進(jìn)行各種組合運(yùn)算，計(jì)算反映植被的常用比率和指數(shù)。目前常用的植被指數(shù)有NDVI、TNDVI等幾種，如歸一化差異植被指數(shù)常用來對(duì)土地利用進(jìn)行動(dòng)態(tài)變化檢測(cè)。利用植被對(duì)光學(xué)傳感器的近紅外波段與紅外波段的明顯的響應(yīng)差(植被吸收紅外波段，強(qiáng)烈反射近紅外波段)，通過這兩個(gè)波段的比值突出植被變化信息，再通過閾值提取植被信息和非植被信息，能夠很好地反映地面植被的覆蓋情況。第6頁/共21頁第六頁，共22頁?；诤?jiǎn)單代數(shù)運(yùn)算的變化檢測(cè)（3）植被指數(shù)法由于植物普遍對(duì)紅光強(qiáng)烈吸收和對(duì)近紅外光強(qiáng)烈反射，因此紅光和近紅外波段之間的比值有利于提高光譜差異。利用波段間比值圖像主要有兩個(gè)優(yōu)點(diǎn)：不同地物特征的光譜響應(yīng)曲線差異可能會(huì)在比值圖像中得到進(jìn)一步增強(qiáng)；比值能壓抑地形效應(yīng)并對(duì)輻射差異進(jìn)行一定程度的歸一化。它對(duì)地面植被變化信息的檢測(cè)具有較好的效果，但對(duì)于地面其他變化類型的檢測(cè)適用性不強(qiáng)。第7頁/共21頁第七頁，共22頁?；诤?jiǎn)單代數(shù)運(yùn)算的變化檢測(cè)（4）圖像回歸分析法

回歸分析方法首先假定兩期影像線性相關(guān)，也就是說兩期影像中，多數(shù)像元變化不大。該方法通過最小二乘法進(jìn)行回歸分析，然后再用回歸方程計(jì)算出的預(yù)測(cè)值減去影像真實(shí)值，從而獲得兩期影像的回歸差值影像，利用該影像可以反映土地覆蓋變化信息?；貧w分析方法解決了不同時(shí)相影像像元均值和方差的差異，處理后的遙感影像數(shù)據(jù)在一定程度上類似于相對(duì)輻射校正，因而能夠減小多時(shí)相影像數(shù)據(jù)中由于大氣條件和太陽高度角的不同所帶來的不利影響。但是這種方法的檢測(cè)需要得到準(zhǔn)確的回歸方程且需要選擇合適的波段，在實(shí)際應(yīng)用中精度不高。第8頁/共21頁第八頁，共22頁?；诤?jiǎn)單代數(shù)運(yùn)算的變化檢測(cè)（5）變化向量分析法

變化矢量分析法首先對(duì)兩個(gè)不同時(shí)相的影像進(jìn)行差值運(yùn)算，求得每個(gè)像元的變化值，稱為變化向量。變化的強(qiáng)度用變化向量的歐氏距離表示，變化的內(nèi)容用變化向量的方向表示。變化矢量分析法可以利用較多甚至全部的波段來探測(cè)變化像元，因此避免了單一波段比較所帶來的信息不完整，而且可以通過變化矢量的方向提供變化類型信息，但是隨著波段數(shù)的增加，變化閾值的確定比較困難。第9頁/共21頁第九頁，共22頁?；诤?jiǎn)單代數(shù)運(yùn)算的變化檢測(cè)方法總結(jié)基于代數(shù)運(yùn)算的變化檢測(cè)技術(shù)的優(yōu)點(diǎn)是相對(duì)簡(jiǎn)單、直接，其關(guān)鍵是確定閾值。由于現(xiàn)在還沒有一種可靠的閾值選取方法，因此常常采用交互的方法確定變化閾值，這類方法中還一個(gè)重要的環(huán)節(jié)是選擇合適的波段或者波段組合。這類方法的不足是難以確定變化的類別和不能對(duì)變化信息進(jìn)行描述。第10頁/共21頁第十頁，共22頁?；趫D像變換的變化檢測(cè)基于圖像變換的變化檢測(cè)方法主要包括主成分分析(PCA)、纓帽變換(K-T)和典型相關(guān)分析(Canonical)等。（1）主成分分析法主成分變換又稱為主分量分析，它是建立在統(tǒng)計(jì)特征基礎(chǔ)上的多維正交線性變換，是一種離散的K-L變換。它應(yīng)用于遙感圖像處理中，其作用主要是數(shù)據(jù)壓縮、圖像增強(qiáng)和特征選取等。一幅多波段遙感圖像的不同波段之問往往存在著很高的相關(guān)性，對(duì)其進(jìn)行主成分變換的實(shí)質(zhì)是將具有相關(guān)性的多波段數(shù)據(jù)壓縮到完全獨(dú)立的較少的幾個(gè)波段上，使新圖像數(shù)據(jù)更易于解譯。將不同時(shí)相的多波段數(shù)據(jù)經(jīng)主成分變換后，新圖像中各主分量正交即各主分量之間的相關(guān)系數(shù)為零或接近零，并且新圖像中的幾個(gè)主分量就包含了原始遙感影像中的絕大部分信息。一般來說，第一主分量包括了原始多波段影像信息的絕大部分內(nèi)容，相當(dāng)于原來各波段的加權(quán)和，每個(gè)波段的權(quán)值與該波段的方差大小成正比。其他各主分量所包括的信息逐漸減少，相當(dāng)于相關(guān)程度較低的波段之問的差異。因此，對(duì)幾個(gè)變化后的主分量進(jìn)行合成，就可以達(dá)到數(shù)據(jù)壓縮和突出變化信息的目的。第11頁/共21頁第十一頁，共22頁?；趫D像變換的變化檢測(cè)（2）K-T變換法通過對(duì)不同時(shí)相圖像的各波段建立變換方程，變換后，TM產(chǎn)生6個(gè)分量(除熱紅外波段)，MSS圖像產(chǎn)生4個(gè)分量，在前三個(gè)分量集中了絕大部分信息且與地物有明確對(duì)應(yīng)關(guān)系，所以只取其前三個(gè)分量。K-T變換后再對(duì)兩時(shí)相圖像相減生成變化圖像，最后通過閾值法來辨識(shí)變化信息，但K-T變換不適合SPOT圖像。因?yàn)镵-T變換算法的轉(zhuǎn)換系數(shù)對(duì)每種傳感器是不同的，目前還沒人提出K-T變換應(yīng)用于SPOT的轉(zhuǎn)換系數(shù)。第12頁/共21頁第十二頁，共22頁?；趫D像變換的變化檢測(cè)（3）典型相關(guān)分析法與PCA方法類似，典型相關(guān)分析法的思路是，將多時(shí)相的多光譜圖像看作是多元隨機(jī)變量，引入多元統(tǒng)計(jì)分析的理論和方法進(jìn)行變化檢測(cè)的研究。其實(shí)質(zhì)是把差異總信息分配到互不相關(guān)的幾個(gè)變量上，以達(dá)到最大限度保持這一差異的總信息量不改變的情況下，檢測(cè)出圖像之間發(fā)生的變化。

第13頁/共21頁第十三頁，共22頁?；趫D像分類的變化檢測(cè)這類變化檢測(cè)主要有分類后比較(post-classification)和多時(shí)相圖像同時(shí)分類兩種方法。這類方法可以提供變化的種類信息，并且可以減少大氣等外部因素對(duì)變化檢測(cè)的影響。然而，這類方法需要選擇足夠的高精度的學(xué)習(xí)樣本，而這對(duì)于歷史數(shù)據(jù)是非常困難的，且基于分類的變化檢測(cè)性能受分類結(jié)果的影響很大。（1）分類后比較法

分類后比較法也是目前遙感變化檢測(cè)中應(yīng)用較廣泛的一種方法，其原理是對(duì)兩個(gè)不同時(shí)相的影像進(jìn)行單獨(dú)分類，然后在已經(jīng)分類的區(qū)域中逐像素比較以確定變化信息的位置和類型。第14頁/共21頁第十四頁，共22頁?；趫D像分類的變化檢測(cè)（2）多時(shí)相圖像同時(shí)分類法這種方法是將兩個(gè)或多時(shí)相的遙感圖像數(shù)據(jù)放在一個(gè)數(shù)據(jù)庫(kù)中同時(shí)進(jìn)行分類。出現(xiàn)變化的類別，其數(shù)據(jù)的統(tǒng)計(jì)量如標(biāo)準(zhǔn)偏差等將很大，而未發(fā)生變化的類別其數(shù)據(jù)的標(biāo)準(zhǔn)方差很小，因此通過統(tǒng)計(jì)量的比較可以區(qū)分出類別變化與否。可以看到，這是一種比較復(fù)雜的方法，因?yàn)樗３Ｐ枰芏囝惡吞卣?。而這其中有一些很可能是冗余信息，可以通過主成分變換等方法去除冗余。另外一個(gè)問題是，在合成的數(shù)據(jù)庫(kù)中，時(shí)間特征和光譜特征具有同等地位，因此，分類中很難將光譜變化和時(shí)間變化輕易區(qū)分開來。第15頁/共21頁第十五頁，共22頁。比較新的變化檢測(cè)方法新的遙感變化檢測(cè)方法很多，比較常用的兩種是交叉相關(guān)分析法和ChiSquare變換法。交叉相關(guān)分析法(Cross-CorrelationAnalysisCCA)在以前分類圖的基礎(chǔ)上用當(dāng)前的遙感圖像檢測(cè)發(fā)生變化的區(qū)域。它首先將當(dāng)前的遙感圖像疊置在舊的分類圖上，分類圖的邊界就將遙感圖像劃分為不同的小塊，統(tǒng)計(jì)不同小塊的光譜響應(yīng)均值和標(biāo)準(zhǔn)差，得到“期望值”；其次，比較每個(gè)像元期望值與光譜實(shí)際值之差(或叫“靜態(tài)z值”)。如果差值比較大，說明是可能發(fā)生變化的區(qū)域。該方法的難點(diǎn)是差值的閾值的確定。交叉相關(guān)分析法的優(yōu)點(diǎn)是所要監(jiān)測(cè)的兩個(gè)時(shí)相的圖像不必要是相同的成像條件。第16頁/共21頁第十六頁，共22頁。遙感變化檢測(cè)方法變化趨勢(shì)隨著新的傳感器不斷出現(xiàn)，衛(wèi)星數(shù)據(jù)產(chǎn)品不斷增多，關(guān)于遙感圖象變化檢測(cè)方法的研究形式也出現(xiàn)了新的變化趨勢(shì)。（1）遙感變化檢測(cè)方法由傳統(tǒng)的線型運(yùn)算處理模式拓展到了非線型處理模式；（2）從單一的多光譜遙感數(shù)據(jù)影像變化檢測(cè)方式升級(jí)為綜合利用多源影像相關(guān)數(shù)據(jù)進(jìn)行變化檢測(cè)方式；（3）遙感變化檢測(cè)模式由單純考慮影像的像素DN值的運(yùn)算演化為考慮像素內(nèi)部組成，以及像素內(nèi)物質(zhì)的反射物理機(jī)制的復(fù)雜演算；（4）遙感變化檢測(cè)方法由單一的變化檢測(cè)方式發(fā)展為復(fù)合式的變化檢測(cè)技術(shù)。第17頁/共21頁第十七頁，共22頁。實(shí)驗(yàn)附圖圖1基于代數(shù)運(yùn)算的變化檢測(cè)第18頁/共21頁第十八頁，共22頁。實(shí)驗(yàn)附圖圖2多波段主成分變換分析提取變化信息圖3兩次主成分變換分析提取變化信息第19頁/共21頁第十九頁，共22頁。實(shí)驗(yàn)附圖圖4分類后比較法提取變化信息第20頁/共21頁第二十頁，共22頁。