论文导读：变化检测是从不同时期的遥感图像中。同时具有可以回避多时相影像获取环境条件和传感器不同所带来的辐射归一化问题、可以直接获取变化的类型、可以进行两个时相以上的遥感影像的变化检测分析等优点。然后在MATLAB中变成实现变化监测。本实验编程思想是采用差值法直接进行变化监测。
关键词：遥感影像，变化检测，MATLAB，差值法
1 变化监测的概念
变化检测是从不同时期的遥感图像中，定量的分析和确定地物变化的特征和过程，涉及到变化的类型、分布状况及变化信息的描述，即需要确定变化前后的地物类型，界限和分析变化的属性。因此，了解变化检测中的含义、变化检测的基本过程以及变化信息获取的层次等基本概念，是进行变化检测的前提和基础。
变化检测是利用多时相遥感图像检测出地物的变化，因此了解地物的变化类型，对于明确变化检测目的，以及选择合适的方法具有明显的意义。对于某一地物，经过一段时间，可能存在两种情况[1]：该地物已经发生变化；该地物没有发生变化。
2 变化监测的基本方法
2.1 直接比较法[2]
直接比较法相当于算术运算法，一般要在相对辐射归一化基础上完成，主要是采用差值运算或比值运算对两个时期的影像像元进行运算，增强或抑制两个时期的变化信息，构造差异影像，然后选取区分变化信息与背景信息的阈值，提取变化区域。
(1) 图像差值法
图像差值法对多时相图像中对应像素的灰度值进行相减，结果图像代表了两个时间图像的变化，表达式如式（2-1）。图像差值法可以应用于单一波段(称作单变量图像差分)，也可以应用于多波(称作多变量图像差分)。应用一些辐射校正来减少照射角、强度和视角变化的影响
图像差值法计算公式：
 （2-1）
 （2-2）
其中i，j为像素坐标值，k为波段，t1，t2为第一幅图像时间、第二幅图像时间，C为常量，用来得到正值。由于最后只要找到变化的区域，因此对变化的方向就变得不重要了。为此更改图像差值式（2-1）为式（2-2）。
 (2-3)
其中m为差值图像均值，STD为差值图像标准差， 为门限值。用灰度像素值直接相减的效果很差，一般都取窗口，用窗口均值代替窗口中心像素值进行计算。
对差值图像进行统计处理，计算差值图像的均值和标准差。如果差值图像中像素的灰度值满足式(2-3)就认为该像素发生变化。
(3) 图像比值法
图像比值法计算已配准的多时相图像对应像素的灰度值的比值，如果在一个像素上没有发生变化，则比值接近1，如果在此像素上发生变化，则比值远大于或远小于1(依靠变化的方向)。数学表达式如式(2- 4)。一些数据标准化和辐射纠正可能是必需的，图像比值法的主要缺点集中在比值图像的统计分布上。相比于图像差值法，图像比值法对子图像上的乘性噪声是不敏感的。图像比值法计算公式：
 (2- 4)
图像比值法的处理过程和图像差值法差不多，只是最后对窗口均值求比值而不是求差值当 满足式（2-5)时则认为该像素发生了变化。
 或  （2-5）
 和 分别代表低门限和高门限。
2.2 主成分分析法
主成分分析法又称Karhunen- loeve变换(简称K- L变换)。它的基本思想是对一组相关的多元随机变量，通过构造一系列线性变换，将原随机变量所包含的信息集中到少数几个互不相关的变换结果分量中，从而达到冗余压缩和信息集中的目的，称这一线性变换为主成分变换[3]。
主成分变换应用于变化检测可采用以下三种策略[4]:一种是将多时相影像复合，做主成分变换，得到的分量中除第一成分PCI外的次要分量能够反映变换信息，称之为复合主成分分析法；第二种是对两时相影像分别做主成分变换，再对计算对应主成分分量间的差值，称为主成分差值分析法；第三种是先求两时相影像间的差值，再对多元差值影像做主成分变换，这叫做差值主成分分析法。其中第一种策略可应用于多于两个时相的多通道遥感影像的变化检测和分析，后两种则只适用于两个时相的情况。免费论文网。
主成分分析法能够消除影像内部的各通道间的相关性，但是主成分变换得到的主成分分量失去了原有波段的光谱特性，当它应用于变化检测的时候，主成分变换只考虑了随机变量在特征空间的分布，而未考虑它们在地理空间上的分布特性，这样就很难保证各主成分的影像质量依序递减。
2.3分类后变化信息比较
尽管分类后比较法存在着精度方面的缺陷，但由于其方法简单，同时具有可以回避多时相影像获取环境条件和传感器不同所带来的辐射归一化问题、可以直接获取变化的类型、可以进行两个时相以上的遥感影像的变化检测分析等优点，故被经常使用。
分类后变化检测技术是最简单的基于分类的变化检测分析技术。分类后比较方法可用于两幅或多幅配准后的图像，包括一个分类步骤和一个比较步骤，要求对多时相图像的每一副图像单独进行分类，然后对分类结果图像进行比较。如果对应像素的类别标签相同，则认为该像素没有发生变化，否则认为该像素发生了变化。分类的方法可以是监督分类方法也可以是非监督分类方法。分类后变化检测的一个重要的进步是可以克服由于多时相图像的传感器性质、分辨率等因素的差异带来的不便，不需要数据归一化过程，因为两幅图像是单独分类的。
分类后比较法的核心在于影像精确分类，这也是一直以来遥感应用领域的重点和难点问题。现有的影像分类方法可归结为监督和非监督两大类，一般前者比后者的分类精度高。对于分类后比较变化检测来说，多采用监督分类方法。
2.4辅助数据变化检测
利用数据库中已经存在的空间数据集作为背景辅助数据,当前数据为遥感数据,上述变化检测处理方法均可以在不同运算阶段利用辅助数据。这种变化检测方法一般用来进行辅助变化检测。
还以利用遥感影像和地形图，土地利用图等，在地理信息系统软件中，通过地理信息系统强大的空间分析功能，如叠置分析，缓冲区分析，统计分析等功能，发现变化区域和统计变化结果[5]。免费论文网。
3 基于MATLAB的变化监测
本研究中选择的影像是同一个地区不同时相的两幅遥感影像，主要是为了检测出该地区在1998—2004年间水系发生的变化情况，通过分析能够了解该地区水系是否发生了变化以及水系是增加还是减少了。本数据影像首先需要在遥感软件ERDAS IMAGINE 9.2中进行图像预处理，使两幅遥感图像拥有相同的地理坐标信息，并经过几何校正和辐射校正消除各种变形的影响。然后在MATLAB中变成实现变化监测。免费论文网。
3.1 变化监测方法
通过分析本影像数据可知，该数据是单通道不同时相的遥感影像，对于单通道影像采用直接比较法进行变化监测效果较好，直接比较法在理论上也最容易理解，本实验编程思想是采用差值法直接进行变化监测，采用式（2-2）和式（2-3）的原理进行变化监测，设置一经验值作为判断变化情况的阈值。
 
图3.1 1998年遥感影像图3.2 2004年遥感影像
图3.3 变化监测图
图3.3采用MATLAB进行编程设计，从图上可以看出白色区域代表变化最明显的区域，黑色代表变化最不明显区域，灰色代表中间色，本实验主要是为了监测出变化区域和味变化区域，试验中涉及到两个阈值，灰度差值大于阈值50的是变化明显区域，灰度差值在[10,50]之间的为中间变化较小地区，灰度差值小于10的说明为变化区域。因为同一地区不同时间影像的灰度由于成像条件、天气条件、传感器等的影响会出现较小范围的差别，所以在灰度差值小于10时设为为变化区域。
3.2 实验结果分析
把影像算术运算法作为变化检测的方法，从理论上来理解是最直观的，它对于单通道不同时相之间的变化检测也是非常有效的。在应用这种方法的时候，必须考虑选取阈值将有变化的像元和没有变化的像元区分开来，阈值的选取需要有一定的经验，可以借助于多次检测的结果。对于多通道不同时相图像的变化，虽然在数学上很容易实现，但由于各种传感器的通道之间往往是互为相关的，势必会造成图像之间的相关，所以在图像差值时会存在很多问题，这种方法首先是对同一区域不同时相影像的光谱特征差异进行比较，确定变化信息发生的位置。在改位置信息确定的基础上可以进行分类确定变化的类型，本实验没有进行变化类型的确定，只是简单的确定了变化的位置，也是该方法的优点，因此缩小了分类范围，提高了检测速度，缺点是它不能同时获得具体的变化类型。
参考文献：
[1] 张振龙、曾志远、李硕、胡子付，遥感变化检测方法研究综述，2005-5.
[2]张路，基于多元统计分析的遥感影像变化检测方法研究.武汉大学博士学位论文.2005.
[4]梅安新，等．遥感导论[M]. 北京:高等教育出版社, 2001.
[3] Hazel, G.G., 2001, Object-level change detection in spectralimagery. Geoscience and Remote Sensing, IEEE Transactions on, Volume: 39 Issue:3, March 2001, pp.553-561.
[5]张晓东，基于遥感影像与GIS数据的变化检测理论方法研究，武汉大学，2005-4.
|
