第六讲-城市遥感变化检测

第五章遥感影像的变化检测第五章遥感影像的变化检测5.1遥感在城市人工目标变化检测中一般方法和流程5.1.1变化检测的一般方法5.1.2变化检测的流程5.2城市目标变化检测方法及性能分析5.2.1变化检测方法及分析5.2.2变化检测方法性能比较5.2.3自适应分割方法5.3变化区域提取技术1.变化检测概念及其用途2.变化检测难点3.变化检测流程4.变化检测方法5.检测性能指标5.1遥感在城市人工目标变化检测中一般方法和流程变化检测的背景物质处于不断运动和变化之中遥感具有宏观、动态、快速、准确和综合的优势遥感影像适合检测大范围、远距离的各种变化1变化检测概念及其用途变化检测的定义1.广义变化检测：根据不同时间的多次观测来确定某个物体的状态变化或确定某现象的变化发展过程2.遥感影像变化检测：利用多时相获取的覆盖同一地表区域的遥感影像及其它辅助数据来确定和分析地表变化1变化检测概念及其用途变化检测的对象（主体）1.大范围目标：森林、土地、河流、云雨、洪水、海洋、冰川、气候、矿产、虫害等；（中低分辨率图像）2.一般人工目标：房屋、桥梁、机场、道路等；（中高分辨率图像）3.微小目标：小弹坑、汽车甚至人体等。（高分辨率图像）1变化检测概念及其用途变化检测的内容主体位置移动（x,y,z）主体范围扩大或缩小主体性质变化（量变、质变）1变化检测概念及其用途变化检测的任务检测变化发生的位置、范围评估检测的精度分析变化的性质、原因评估变化产生的影响、后果预测未来可能的变化1变化检测概念及其用途变化检测的数据源可见光影像雷达影像多光谱、高光谱影像矢量数据数字高程数据实地调查数据等1变化检测概念及其用途2变化检测的难点二维到三维静止目标到移动目标大目标到一般目标到微小目标影像对图形多源遥感影像之间变化检测的一般步骤数据准备预处理（辐射、几何校正，超分辨）变化检测后处理变化性质分析（识别）变化影响分析（评估）1变化检测概念及其用途变化检测技术是基于计算机图像处理系统，对不同时段目标或现象状态发生变化进行识别、分析，包括变化检测、变化定位、变化区分及起因分析等关键技术，是目前数字图像处理与理解领域内的前沿分支。它确定一定时间间隔内地物变化，能提供地物的空间展布及其变化的定性与定量信息，在地物地层分析、国土资源普查等方面拥有广泛的应用价值和商业价值1变化检测概念及其用途违章建筑查处城市变迁目标跟踪国土资源、森林资源、环境变化、城市用地和国家重大生态工程监理等都急需遥感时序变化检测信息的支持军事目标打击效果分析2002年10月图像2003年5月图像变化检测结果交互式分析后图斑GIS分析实地勘查基于卫星影像的变化检测及应用2002－2004影像比较提取变化图斑水面的变化地块的变化Airportbefore/afterbattledamageDamagedarea2.变化检测难点边缘模糊，不宜用灰度统计和边缘检测的方法弱变化与背景相比要小得多，往往被强大的背景噪声所淹没，故频域信息也不是有效的特征固定的模板和算子很难有效检测不同尺寸的变化缺乏对目标的变化特性的深入理解预处理影像匹配快速影像匹配与几何纠正快速变化检测变化识别与确认变化区域提取变化信息量化像素级变化检测点特征变化检测影像配准影像纠正区域特征变化检测变化几何信息变化纹理信息变化分类综合处理综合数据库影像快速基本处理分系统影像预处理变化前影像3.变化检测流程贯穿性面状毁伤将影像纠正与打击前一致，叠加矢量图形先整体特征变化检测，再对小变化进行像素级变化检测根据辐射、纹理特性去除阴影、灰尘等伪变化，进行自动毁损识别经毁伤确认、编辑，将毁伤区域精确提取及矢量化结果对毁伤区域的纹理进行提取并分类根据纹理分割，人工判定是何种毁伤得到毁伤区域的量化信息指挥大楼有目标矢量信息打击前光学影像闪烁叠加显示，方便人工毁伤处理纠正打击后光学影像毁伤变化区域标识毁伤区域矢量化毁伤区域矢量处理建筑物毁伤区域矢量图兴趣区域逐像素变化检测毁伤变化自动识别毁伤变化人工确认手工勾画毁伤兴趣区域在打击前影像上半自动提取毁伤建筑物目标矢量信息毁伤信息提取量化指挥大楼无目标矢量信息将影像纠正与打击前一致，叠加矢量图形矢量区域进行像素级变化检测Susan算子提取特征点松弛匹配得到区域内新的特征点毁伤信息的提取机场有目标矢量信息毁伤变化区域标识毁伤区域矢量化毁伤区域矢量叠加毁伤信息提取量化合并区域逐像素变化检测毁伤变化自动识别毁伤变化人工确认目标区域特征点提取特征点匹配特征点区域生长毁伤变化自动识别小毁伤变化人工确认小毁伤变化区域标识小毁伤区域矢量化打击前光学影像闪烁叠加显示，方便人工毁伤处理纠正打击后光学影像半自动提取机场跑道目标矢量信息手工选择毁伤兴趣区域目标矢量区域与兴趣区域合并机场无目标矢量信息分类后比较直接变化检测4.变化检测方法分类后比较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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4.变化检测方法分类后比较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。分类后比较法在70年代末己经开始使用，也曾被Skole和Tucke（1993）成功用于亚马逊流域的热带雨林监测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分类后比较法可以检测:非城区与城区的转变，或森林与农田的转变，及一般土地的使用情况，沼泽地的变化等4.变化检测方法分类后比较法的限制分类后比较法在使用时也会受到一些限制分类后比较法对于类别的合理划分要求比较高。类别划分得过细会产生大量的边缘点，从而造成检测误差的增加，类别划分得过粗又会忽略一些类别之间的差异，不能很好的反映实际情况分类和变化检测步骤的分离。当分类与变化检测成为相对独立的两个过程时，比较分析就基于从两幅图像中得到的处理过的信息而不是原始信息。这会产生信息量的减少，从而造成准确性的丧失4.变化检测方法分类后比较法的限制分类后比较法对于分类错误比较敏感。因为分类后比较法需要对用于变化检测的多幅图像分别分类，任何一幅图像的分类错误都会造成结果的错误，这就等于增加了错误发生的几率4.变化检测方法直接多时相图像分类法举例说明，假设有两个不同时间的LandsatMSS图像数据，用两个四波段数据产生一个八波段数据集，然后采用监督分类方法或非监督分类方法对这个数据集进行分析，随后判断在哪些区域发生了变化在监督分类中，使用属于变化和不变区域的训练样本来推导一些统计量，以定义特征空间的子空间；在非监督分类中，通过聚类分析决定类别直接多时相图像分类法己经用于检测海岸区域和森林的变化，并取得较高的准确度4.变化检测方法像素级变化检测特征级变化检测可视化辅助变化检测分类比较法GIS辅助变化检测直接多时相图像分类法4.变化检测方法像素级变化检测灰度差值法灰度比值法相关系数法图像回归法植被索引差值法变化向量分析法主分量分析法归一化图像差值法内积分析法反射率差值法纹理特征差值法矩特征差值法自适应典型相关法小波变换系数差值法4.变化检测方法灰度差值法：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CtxtxDxkijkijkij)()(12)()(12txtxDxkijkijkij用对应像素灰度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的灰度值进行计算4.变化检测方法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公式，就认为该像素发生变化。STDTmDxdkij*mSTDdT其中为差值图像均值，为差值图像标准差为门限值4.变化检测方法图像比值法:计算己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)()(12txtxRxkijkijkij4.变化检测方法相关系数法：相关系数法计算多时相图像中对应像素灰度的相关系数，结果代表了两个时间图像中对应像素的相关性。一般是取窗口，计算两个图像中对应窗口的相关系数，来表示窗口中心像素的相关性。如果相关系数值接近1则说明相关性很高，该像素没有变化；反之，则说明该像素发生了变化。4.变化检测方法nmmnmmnmmmijyyxxyyxxr12121)()())((4.变化检测方法4.变化检测方法4.变化检测方法4.变化检测方法4.变化检测方法使用卫星影像监测汉口某湖泊变迁2002年卫星影像2004年卫星影像比值法检测结果图4.变化检测方法使用卫星影像监测汉阳某湖泊变迁1999年卫星影像2002年卫星影像比值法检测结果图4.变化检测方法使用卫星影像监测武昌某湖泊变迁2002年卫星影像2004年卫星影像4.变化检测方法检测出来的变化图斑比值法检测结果图4.变化检测方法特征级变化检测边缘特征检测法点特征检测法4.变化检测方法特征级变化检测点特征；适合弱小变化检测线特征；适合线状地物变化检测面特征；适合面状地物变化检测4.变化检测方法特征级变化检测边缘特征检测法：边缘检测法通过提取多时相图像边缘，再比较边缘图的差异，标注的差异边缘就是变化目标的轮廓。边缘检测法一般用于检测线性体目标的变化。该方法的优点是比较稳健，它不敏感于光照条件和视角差异等。4.变化检测方法点特征检测法点特征检测法：特征点是指图像中具有复杂纹理特性的特殊点，例如角点，拐点，交叉点等，是一种很有用的底层图像特征Susan算子：Susan算子适合提取大量密集的特征点，速度很快Forstner算子：Forstner算子在纹理丰富地区特征点也丰富，在纹理匮乏地区几乎没有Harris算子：Harris算子提取的特征点分布较为均匀，且速度精度适中；小波变换提取特征点4.变化检测方法弱小变化检测成像机理成像条件成像特性检测方法4.变化检测方法4.变化检测方法4.变化检测方法4.变化检测方法弱小变化检测的主要难点弱小变化和背景的对比度较低、边缘模糊，不宜用灰度统计和边缘检测的方法弱小变化与背景相比要小得多，往往被强大的背景噪声所淹没，故频域信息也不是有效的特征实际得到的尺寸往往是大小不定的一团，固定的模板和算子很难有效检测不同尺寸的弱小目标单幅遥感影像弱小目标无形状、尺寸、纹理信息可用，怎么与噪声区分是识别的关键4.变化检测方法弱小变化检测方法将弱小变化作为小目标、兴趣点处理寻找弱小变化与噪声的分界线在兴趣区域内处理，利用背景和变化的先验知识4.变化检测方法弱小变化与噪声分界线强度：目标强度通常比噪声大大小：除点目标外，小目标通常比噪声大分布：弱小变化分布可能满足一定规律时序遥感图像验证4.变化检测方法放大1m4.变化检测方法3m4.变化检测方法使用仿真数据4.变化检测方法使用资源真实影像上的汽车4.变化检测方法可视化方法假彩色合成法：将变化前后的图像合成彩色显示，没有变化区区域与变化区域用不同的颜色表示，人眼区分彩色的能力比黑白强很多混合显示：用户可以设置某一幅图像的透明度，进行融合显示交替显示法：卷帘显示、一种闪烁显示4.变化检测方法整体特征变化检测统计测试法：对于多时相图像可以应用统计测试方法检测是否发生变化。统计测试只能检测图像数据是否发生变化，不能解决变化的位置、变化的性质等问题。统计测试通常仅仅指示了待检测图像中一些统计参数是否发生变化。统计测试法的优点是它受图像配准误差的影响很小。纹理测试法：统计要检测区域的纹理特征，看看这些参数是否有变化，根据变化的大小来判断整体变化的情况。矩