遙感影像變化檢測(cè)方法的研究

陜唐劍 鐘宏偉 李林輝

摘 要：圖像變化檢測(cè)一直是數(shù)字圖像處理研究的熱點(diǎn)之一，遙感圖像由于具有空間信息，其變化檢測(cè)更具有重要的意義。變化檢測(cè)被廣泛應(yīng)用到森林、地質(zhì)、環(huán)保、軍事等領(lǐng)域。本文根據(jù)哈爾濱市道里區(qū)2006年和2016年兩個(gè)不同時(shí)期的遙感影像，根據(jù)數(shù)據(jù)的實(shí)際特點(diǎn)進(jìn)行了預(yù)處理，再將影像結(jié)合監(jiān)督學(xué)習(xí)的方法分解成多個(gè)像素組的集合，形成對(duì)象，最后進(jìn)行面向?qū)ο蟮淖兓瘷z測(cè)方法，實(shí)驗(yàn)結(jié)果表明，此方法較傳統(tǒng)的基于像素變化檢測(cè)精度有所提高。

關(guān)鍵詞： 遙感影像;變化檢測(cè); 圖像變化檢測(cè)

【Abstract】 Imagery change detection has always been one of the hotspots in digital image processing. Due to its spatial information， remote sensing imagery change detection has more important significance. Change detection is widely used in forestry， geology， environmental protection， military and other fields. According to the remote sensing image of Daoli District in Harbin in 2006 and 2016， this paper preprocesses the image according to the actual characteristics of the data， then decomposes the image into a set of multiple pixel groups， forms objects， finally carries out object-oriented change detection method. The experimental results show that this method has better accuracy than the traditional method based on pixel change detection.

【Key words】 ?remote sensing imagery; change detection; image change detection

0 引 言

遙感影像變化檢測(cè)指利用不同時(shí)期獲取的覆蓋同一地表區(qū)域的遙感影像，利用數(shù)字圖像處理技術(shù)，通過對(duì)不同時(shí)相遙感影像中定量分析來確定變化信息，其實(shí)質(zhì)為地表特征發(fā)生變化而引起的不同時(shí)期遙感影像像元光譜響應(yīng)的變化。遙感變化檢測(cè)是目前遙感領(lǐng)域研究的熱點(diǎn)問題之一，在土地覆蓋變化監(jiān)測(cè)、環(huán)境變遷動(dòng)態(tài)監(jiān)測(cè)、自然災(zāi)害監(jiān)測(cè)，國(guó)土資源調(diào)查等方面有著重要的商業(yè)及應(yīng)用價(jià)值。傳統(tǒng)遙感影像變化檢測(cè)的方法主要分為兩大類，即：基于像素的變化檢測(cè)和基于特征的影像變化檢測(cè)。其中，基于像素的影像變化檢測(cè)，是在影像精確幾何配準(zhǔn)的基礎(chǔ)上，對(duì)每個(gè)像素前后兩個(gè)時(shí)相的灰度或色彩進(jìn)行比較，判斷每個(gè)像素是否發(fā)生變化，進(jìn)而檢測(cè)出變化區(qū)域。但基于像素的影像變化檢測(cè)易受影像配準(zhǔn)、輻射校正等因素的影響，僅考慮單個(gè)像元的光譜特征，沒有考慮周圍像元的光譜特征及鄰近像元的空間信息特征。最終的檢測(cè)結(jié)果會(huì)存在大量的“偽變化”像素點(diǎn)，且容易出現(xiàn)“椒鹽”現(xiàn)象，致使變化檢測(cè)的精度較低;基于特征的影像變化檢測(cè)需首先確定感興趣的對(duì)象并提取其特征，然后通過特征的比較，獲取該對(duì)象的變化信息。基于特征的影像變化檢測(cè)是基于原始數(shù)據(jù)而生成的特征，在特征提取過程中有可能出現(xiàn)信息的部分丟失，存在難以提供細(xì)微信息的缺點(diǎn)。

本文針對(duì)傳統(tǒng)變化檢測(cè)方法存在的弊端，結(jié)合具體遙感影像的特點(diǎn)，提出一種對(duì)遙感影像數(shù)據(jù)先進(jìn)行降維，再將影像結(jié)合監(jiān)督學(xué)習(xí)的方法分解成多個(gè)像素組的集合，形成對(duì)象，最后又設(shè)計(jì)出面向?qū)ο笞兓臋z測(cè)方法，實(shí)驗(yàn)結(jié)果表明，本文方法較傳統(tǒng)的基于像素變化檢測(cè)精度有所提高。

1 遙感影像變化檢測(cè)工作流程

（1）圖像的選擇。本項(xiàng)目遙感影像數(shù)據(jù)選取數(shù)據(jù)為2006年6月和2016年6月哈爾濱市道里區(qū)LandSat遙感影像，所選圖像為同一季節(jié)、相同分辨率的遙感影像。影像的寬度和高度分別為6 144像素和3 072像素，所使用的坐標(biāo)投影為GCS_WGS_1984，影像的空間分辨率為6.677 969 m/像素，比例尺為1：18929，影像的經(jīng)緯度信息分別設(shè)定為：

（1）左下角經(jīng)緯度坐標(biāo)是126.123 046 875，45.527 343 750度;

（2）左上角經(jīng)緯度坐標(biāo)是126.123 046 875，45.791 015 625度;

（3）右上角經(jīng)緯度坐標(biāo)是126.650 390 625，45.791 015 625度;

（4）右下角經(jīng)緯度坐標(biāo)：126.650 390 625，45.527 343 750度。

具體圖像如圖1所示。

（2）遙感影像數(shù)據(jù)預(yù)處理。遙感影像在獲取過程中會(huì)受到光照、地形、太陽(yáng)高度角等條件的影響，因此在變化檢測(cè)前要經(jīng)過幾何校正、輻射糾正和去云等數(shù)據(jù)預(yù)處理操作。處理后的圖像即糾正了原圖像中的幾何和輻射變形。本項(xiàng)目中所用數(shù)據(jù)均為經(jīng)過預(yù)處理后的遙感影像，在此基礎(chǔ)上方可轉(zhuǎn)入后續(xù)的步驟流程。

（3）變化檢測(cè)過程。如前所述，遙感影像變化檢測(cè)的方法主要分為基于像素的影像變化檢測(cè)和基于特征的影像變化檢測(cè)兩大類。總地說來，基于像素變化的圖像變化檢測(cè)方法主要可分為差值法、比值法、相關(guān)系數(shù)法、回歸分析法等。在本次研究中，采用了圖像差值法。差值法也就是將2幅配準(zhǔn)好的遙感影像中對(duì)應(yīng)像素的灰度值相減，獲得一幅差值圖像，對(duì)差值圖像進(jìn)行閾值化，這就檢測(cè)出了變化區(qū)域[1]。

對(duì)本項(xiàng)目中的遙感影像采用了差值法進(jìn)行檢測(cè)，用于實(shí)驗(yàn)結(jié)果對(duì)比。對(duì)原遙感影像直接進(jìn)行差值法處理，發(fā)現(xiàn)出現(xiàn)過多噪聲點(diǎn)，檢測(cè)變化結(jié)果即如圖2所示。產(chǎn)生噪聲點(diǎn)多，究其原因則可歸結(jié)為2個(gè)方面。一方面是閾值設(shè)置不合適，另一方面是通過對(duì)圖像的目視解譯，發(fā)現(xiàn)城市在多時(shí)相的遙感影像上呈現(xiàn)不同的顏色，這是由于2個(gè)時(shí)期屋頂?shù)念伾兓隆Ｒ虼耍葘?duì)圖像進(jìn)行預(yù)處理，將城市中呈現(xiàn)的亮白色、紅色、天藍(lán)色整合為同一顏色，利用解譯手段，根據(jù)遙感影像上不同地物所顯示的不同顏色，建立3類不同的遙感影像地物區(qū)域。

研究得到的LandSat傳感器拍攝的遙感影像中地物所呈現(xiàn)的顏色特征見表1。對(duì)植被和城市使用梯度決策樹（GBDT）進(jìn)行地物分類，變化前和變化后圖像對(duì)比效果如圖3所示。在圖3中，紅色代表城市，藍(lán)色代表河流，綠色代表植被。

GBDT是目前競(jìng)賽中最為常用的一種機(jī)器學(xué)習(xí)算法，是一種通過反復(fù)迭代訓(xùn)練決策樹來最小化損失函數(shù)的決策樹算法，在Spark.ml中通過使用現(xiàn)有decision tree工具來設(shè)計(jì)實(shí)現(xiàn)。其執(zhí)行過程如圖4所示。

2 實(shí)驗(yàn)結(jié)論及分析

使用GBDT方法將遙感影像進(jìn)行變換檢測(cè)，檢測(cè)結(jié)果如圖5所示。由圖5看到，圖像中白色為變化區(qū)域，黑色為沒有發(fā)生變化的區(qū)域。通過和圖2進(jìn)行對(duì)比可知，有效減少了噪聲點(diǎn)，同時(shí)也提高了監(jiān)測(cè)精度。最終實(shí)驗(yàn)結(jié)果表明，本文提出的方法較傳統(tǒng)的基于像素變化在檢測(cè)精度上有了一定的提升。

3 結(jié)束語(yǔ)

多時(shí)相遙感影像的變化監(jiān)測(cè)一直都是遙感應(yīng)用的熱點(diǎn)之一，本文提出的遙感變化監(jiān)測(cè)方法可以應(yīng)用到中低分辨率的遙感影像應(yīng)用研究中。本研究中所使用的梯度決策樹分類方法只考慮像元本身的值進(jìn)行分類，卻并未探討像元之間的空間關(guān)系，因此仍存在“偽變化”點(diǎn)。在后續(xù)工作中應(yīng)對(duì)空間位置給予更多的關(guān)注和重視。

參考文獻(xiàn)

[1]周軍其，葉勤，邵永社.遙感原理與應(yīng)用[M].武漢：武漢大學(xué)出版社，2014.

[2]祝錦霞. 高分辨率遙感影像變化檢測(cè)的關(guān)鍵技術(shù)研究[D]. 杭州：浙江大學(xué)，2011.