面向对象的多特征分级CVA遥感影像变化检测-遥感学报.PDF

面向对象的多特征分级CVA 遥感影像变化检测 1 1 赵敏 , 赵银娣 1. 中国矿业大学环境与测绘学院，江苏 徐州 221116 摘 要: 变化矢量分析 CVA 方法在中低分辨率遥感影像变化检测中已得到广泛应用，但由于高分辨率遥感影像存 在不同地物尺度差异大、不同类别地物光谱相互重叠的问题，因此对于高分影像的变化检测具有局限性。为提高 高分影像变化检测精度，本文提出了一种面向对象的多特征分级CVA 变化检测方法，首先利用基于区域邻接图的 影像分割方法分别对两时相遥感影像进行多尺度分割，提取分割图斑的光谱、纹理和形状特征；接着在各级尺度 下，分别运用随机森林方法进行特征选择，计算CVA 变化强度图；然后根据信息熵对多级变化强度图进行自适应 融合，利用Otsu 阈值法检测变化区域，并与仅考虑光谱特征的分级CVA 变化检测方法、像元级多特征CVA 变化 检测方法以及仅考虑光谱特征的像元级CVA 变化检测方法进行比较分析。实验表明：与比较方法相比，本文方法 的变化检测精度较高，误检率和漏检率较低。 关键词: 遥感变化检测；变化矢量分析；多尺度分割；特征选择；自适应融合 中图分类号：P237 文献标识码：A 引用格式：赵敏,赵银娣.2017. 面向对象的多特征分级CVA 遥感影像变化检测.遥感学报 Zhao M, Zhao Y D. 2017. Object -oriented multi-feature hierarchical change detection based on CVA for high -resolution remote sensing imagery. Journal of Remote Sensing 元邻域信息的考虑，难以充分利用空间特征，容易 1 引 言 出现“椒盐噪声”，无法满足高分辨率数据的要求。 而面向对象的变化检测方法以影像分割为基础，以 由于地表覆盖变化和土地利用变化信息在森林 具有相似光谱特征和空间特征的对象作为基本处理 开采、城市扩张、灾害监控和评估，以及土地规划 单元，而不是以单个像元为单元进行处理，考虑了 和管理等实际应用中具有重要作用，遥感影像变化 像元及其邻域的光谱、空间特性，适应了高分辨率 检测已成为遥感研究的热点方向（赵忠明等，2016 ）。 影像空间细节信息丰富、存在“同物异谱、异物同 近年来国内外研究者们针对传统基于像元的变化检 谱”的特点。因此，面向对象的变化检测方法成为 测方法提出了多种改进方法及新思路。由于高分辨 高分辨率遥感影像变化检测的研究重点（Hussain 等， 率影像具有丰富的纹理、形状等特征信息，如何充 2013 ）。面向对象的变化检测方法包括分类后比较 分利用影像的空间特征信息，是高分辨率遥感影像 法和直接比较法。面向对象分类后比较法利用了面 变化检测研究的关键问题之一，对于提高变化检测 向对象遥感影像分析技术在处理高分辨率数据上的 精度具有重要意义。Zhang 等人（2014 ）提出了一种 优势，对不同时相遥感影像进行面向对象的分类， 新的影像特征——光谱趋势，根据光谱趋势相似度 并对分类结果进行分析，实现变化检测，但变化检 计算变化强度图。王东广等人（2012 ）尝试在差值主 测结果及精度依赖于分类的效果，具有局限性。Li 成分变化检测方法中引入纹理信息，弥补了高分辨 等人（2015 ）通过引入马尔可夫随机场和最大似然 率影像间光谱区分度相对不足的缺陷，获得较完整 法对面向对象分类后比较法的变化检测结果实现了 的检测结果。闫利等人（2014 ）提出了一种基于光流