遙感圖像變化檢測(cè)方法研究的綜述報(bào)告

遙感圖像變化檢測(cè)方法研究的綜述報(bào)告遙感圖像變化檢測(cè)是指通過(guò)對(duì)比不同時(shí)間或不同傳感器獲取的遙感圖像，確定地表物體或環(huán)境的變化情況。由于其具有大范圍、高分辨率、高頻率、無(wú)接觸等優(yōu)點(diǎn)，遙感圖像變化檢測(cè)成為現(xiàn)代遙感技術(shù)的重要應(yīng)用領(lǐng)域之一。本文將對(duì)遙感圖像變化檢測(cè)的方法進(jìn)行綜述，主要包括傳統(tǒng)方法和深度學(xué)習(xí)方法。一、傳統(tǒng)方法在傳統(tǒng)的遙感圖像變化檢測(cè)方法中，主要應(yīng)用了基于差異度和基于閾值的方法。1.基于差異度的方法差異度是指兩幅圖像在同一空間范圍內(nèi)的像素值差異程度，差異度越大說(shuō)明兩幅圖像之間的變化越明顯?；诖嗽恚镜牟町惗扔?jì)算方法為“像素差法”，即兩幅圖像的對(duì)應(yīng)像素值之差。差異圖像的二值化可以得到初步的變化檢測(cè)結(jié)果。差異度方法的局限性在于，對(duì)于光譜、幾何和輻射度的變化比較敏感，而對(duì)于噪聲、光照和陰影等情況的變化比較不敏感。差異度方法的改進(jìn)方法有“基于比率的變化檢測(cè)法”和“基于波段變換的變化檢測(cè)法”。2.基于閾值的方法基于閾值的方法是指將兩幅圖像的像素值直接作為輸入特征，通過(guò)設(shè)定閾值來(lái)判斷是否發(fā)生了變化。通常在差異圖像中尋找一個(gè)最優(yōu)的閾值，對(duì)于超過(guò)該閾值的像素則判定為變化。閾值法的優(yōu)點(diǎn)是運(yùn)算速度快且對(duì)遙感圖像缺失數(shù)據(jù)不敏感，但其局限性是需要一定的經(jīng)驗(yàn)或先驗(yàn)知識(shí)，對(duì)于噪音容易產(chǎn)生誤檢。為克服其局限性，基于閾值的方法在實(shí)踐中被廣泛采用，如基于熵閾值的方法、基于何莉那矩的方法等。二、深度學(xué)習(xí)方法傳統(tǒng)的遙感圖像變化檢測(cè)方法的缺陷是需要手動(dòng)篩選合適的特征，存在過(guò)多的主觀因素。隨著深度學(xué)習(xí)在遙感圖像變化檢測(cè)中的應(yīng)用逐步成熟，深度學(xué)習(xí)方法相對(duì)于傳統(tǒng)方法具有較強(qiáng)的自適應(yīng)性和自適應(yīng)性。1.基于卷積神經(jīng)網(wǎng)絡(luò)的方法卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一種能夠自動(dòng)提取圖像特征的神經(jīng)網(wǎng)絡(luò)，可以更好地解決傳統(tǒng)方法中特征選擇的問(wèn)題?；贑NN的變化檢測(cè)模型主要可分為兩類：像素級(jí)變化檢測(cè)和對(duì)象級(jí)變化檢測(cè)。像素級(jí)變化檢測(cè)是指在像素級(jí)別上判定兩幅圖像的像素是否發(fā)生變化；對(duì)象級(jí)變化檢測(cè)是指對(duì)前景目標(biāo)進(jìn)行建模，通過(guò)模型協(xié)同判斷目標(biāo)是否發(fā)生變化?；贑NN的變化檢測(cè)方法具有更好的穩(wěn)定性、精度和魯棒性，相對(duì)于傳統(tǒng)方法能夠更好地識(shí)別影像中的變化。但是，其缺陷也很明顯，需要大量的訓(xùn)練數(shù)據(jù)和計(jì)算資源。2.基于自編碼器的方法自編碼器是一種無(wú)監(jiān)督的深度學(xué)習(xí)模型，在圖像處理、圖像壓縮和特征提取上具有很強(qiáng)的潛在優(yōu)勢(shì)。結(jié)合自編碼器模型的變化檢測(cè)方法能夠緩解傳統(tǒng)方法下特征選擇的問(wèn)題，改進(jìn)了基于卷積神經(jīng)網(wǎng)絡(luò)的方法在小樣本情況下的表現(xiàn)，同時(shí)也縮小了預(yù)訓(xùn)練需要的數(shù)據(jù)規(guī)模，極大地減小了計(jì)算量。3.基于循環(huán)神經(jīng)網(wǎng)絡(luò)的方法循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）是一種用于處理序列數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)。與基于CNN的方法不同，基于RNN的變化檢測(cè)方法主要是以時(shí)序信息為依據(jù)進(jìn)行分析的。與基于CNN的變化檢測(cè)方法相比，基于RNN的方法更適合于處理連續(xù)時(shí)間序列數(shù)據(jù)。三、總結(jié)和展望傳統(tǒng)方法和深度學(xué)習(xí)方法都有自己的優(yōu)缺點(diǎn)，應(yīng)根據(jù)實(shí)際情況選擇合適的方法。傳統(tǒng)方法基于先驗(yàn)知識(shí)、穩(wěn)定性好、運(yùn)算速度快，但局限于特征的選擇和運(yùn)算精度等方面；深度學(xué)習(xí)方法通過(guò)自適應(yīng)學(xué)習(xí)特征、提高了精度和魯棒性，但需要大量的數(shù)據(jù)訓(xùn)練和計(jì)算資源，同時(shí)也不易解釋建立的模型。在未來(lái)，深度學(xué)習(xí)方法仍將是遙感圖像變化檢測(cè)的重