高分辨率影像对象变化检测关键技术研究

• 作 者: 郑云云
• 机 构: 重庆大学
• 出 处: 重庆大学
• 发表日期: 2015年期
• 关键词: 影像对象 最优分割尺度 特征选择 决策分类 变化检测

随着我国工业化和城市化的发展需求,自然森林和耕地遭受建设破坏,农耕用地大幅减少,给人类生存环境带来危害,如何有效控制人类活动对土地资源的滥用是亟需解决的问题。其中,调查监测土地使用情况是土地资源管理的重要工作之一。传统的土地监测方法依靠野外实地调查,或利用测绘数据监测,存在工作量大、时效性差、损耗大量劳力物力等缺点。而遥感技术具备获取重复、连续、大面积地物覆盖信息的能力,因此被广泛用于土地利用变化检测中。本文总结归纳了现有遥感影像变化检测方法的优缺点,从基于像素级和基于对象级两个角度探讨变化检测的机理。基于像素级变化检测方法存在着处理速度慢、椒盐噪声多、受光谱值影响大等缺点;而面向对象土地利用变化检测技术,将影像分割成一个个对象,通过对对象的特征提取和分析,实现变化检测自动化提取。该方法可以有效弥补基于像素级方法的不足。但基于对象变化检测技术存在着两个关键难点:①最优分割尺度的确定;②最优特征的选择。本文从这两个问题出发,主要研究内容如下:(1)集成高分辨率遥感影像变化检测的主要技术流程。主要包括影像预处理、影像多尺度分割、影像对象特征选择、决策分类和变化检测等技术。(2)深入研究图像分割技术中最优尺度确定问题。论文对比分析了不同优度评价指标与最优分割尺度间的关系,提出基于纹理的信息熵和对比度优度函数法来评价最优分割尺度,通过建立分割尺度与评价指数间的关系,得到最优分割尺度值。(3)研究面向对象最优特征选择搜索算法,即分离阈值法(SEath)。采用基于J-M距离准则的搜索算法进行特征选择,在此基础上改进该算法,考虑特征去相关和类内距离,重新构造特征筛选评价指标,达到选择最优特征的目的。(4)结合高分辨率影像实例,应用最优分割尺度和最优特征选择两个关键技术,对前后时相影像进行阈值法决策树分类,最终制定出分类规则,实验结果表明,改进的最优特征选择方法对地物的分类精度有明显提高。最后利用前后时相影像分类图进行变化检测,实现变化信息自动获取。本文方法对于土地利用变化检测信息提取具有一定的现实意义和实用价值。