遥感图像变化检测综述遥感图像变化检测综述
主要介绍了变化检测的基本理论。首先简述和分析了遥感图像变化检测的基本概念,指出变化检测的本质是一
类模式分类问题;然后全面回顾了现有变化检测方法,将其归纳为像素级、特征级和目标级三大类,详细论述
了各种方法的基本原理和特点并对其适用范围和优缺点进行了总结。
摘摘 要:要: 主要介绍了
关键词:关键词: 遥感图像;变化检测;像素级;特征级;目标级
随着空间科学技术的迅猛发展,遥感图像获取技术也呈现出三多(多传感器、多平台、多角度)和三高(高空间分辨率、高
光谱分辨率、高时间分辨率)的特点[1]。遥感卫星获取的图像的空间分辨率从几米提高到1 m以下,时间分辨率也由几十天提
高到1天,从而每天都可以获取海量的遥感图像数据,实现了遥感数据长周期积累。如何从这些遥感图像中检测出变化信息已
成为遥感应用领域中的一个重要研究方向,即遥感图像变化检测技术。它是指从不同时期的遥感图像中,定量地分析和确定地
物变化的特征和过程的技术[2]。
1 变化检测基本概念及分析变化检测基本概念及分析
变化检测问题可以分为以下几种情况:有无变化、哪些地方有变化、感兴趣的是哪些地方的变化、感兴趣的变化区域是什么
样子。
遥感图像变化检测以地物为研究对象,包括自然地物和人造地物。地物特性的改变,例如地物的消失、出现、结构的改变等
都会引起遥感图像的变化。除了这些因素引起图像变化,太阳光照射角、大气条件、传感器精度、土壤湿度状况和物候周期特
性等因素都会多多少少引起遥感图像变化。通常称这类因素为干扰。在变化检测前需要对遥感图像进行预处理,使干扰因素对
变化检测的影响降到最小。
遥感图像变化检测问题本质上是一类模式分类问题,即将通过某种方式获得的差异图像分为变化和未变化两大类。进行模式
分类首先要对待识别样本进行特征提取。而在变化检测中常用到的灰度差值图像、灰度比值图像、主成分差值图像以及纹理差
值图像等都可以看成不同的特征图像。其次根据特征进行分类。如果只提取了一种特征来进行分类,就需要确定阈值,而利用
多种特征进行分类则需要采用综合评判的理论。尽管有大量的文献对阈值问题进行了讨论,但是确定阈值仍然是一个非常难的
问题。究其原因有两点:(1)地物的变化不是非此即彼的,往往是一个渐变的过程;(2)不确定性因素的干扰使阈值的确
定更加困难。在实际操作中,往往需要通过先验知识或对已知样本进行训练来为阈值的确定提供依据。显然只利用一种特征进
行变化检测是不可靠的,利用多种特征进行综合评判可以提高变化检测的准确度[3]。
2 变化检测的主要方法变化检测的主要方法
遥感图像变化检测方法有很多,许多文章从不同角度对这些方法进行了分类。本文从图像处理抽象等级的角度将遥感图像变
化检测方法分为像素级、特征级和目标级3个类别。
2.1 像素级变化检测像素级变化检测
(1)图像差值法
图像差值法是最简单的也是目前应用最广泛的图像变化检测方法。它的基本原理是对多时相图像对应像素的灰度值进行相
减。图像差值法基本算法如下:首先对已配准的两幅图像对应点像素值相减,生成一幅差值图像如式(1);然后对差值结果
进行数理统计,包括计算差值图像的均值和标准差等。如果差值图像灰度值满足式(2)就认为像素发生变化,保留该像素
值,否则该像素点置零,得到一幅只包含变化信息的图像。