[发明专利]一种基于多策略组合的高分辨率遥感影像变化检测方法

说明书

本发明公开了一种基于多策略组合的高分辨率遥感影像变化检测方法，属于遥感图像处理技术领域。该方法首先将两时相遥感影像进行波段叠加，然后进行主成分分析，选取前三波段进行影像分割，利用分割结果矢量对原始遥感影像重新进行分割，并对分割获得的对象进行特征计算；然后利用三种变化检测方法进行决策级融合。该方法能够提高影像分割的效率，同时消除由于影像配准误差导致的对象边缘区域的变化检测错误；此外，多策略的变化检测结果决策级融合能够提高变化检测精度。

技术领域

本发明属于遥感图像处理以及遥感变化检测领域，特别是指一种基于多策略组合的高分辨率遥感影像变化检测方法。

背景技术

自Weismiller等人在1977年提出影像差分方法变化检测算法以来，国内外学者开始探索不同的思路，从不同角度、针对不同的应用研究得到大量的变化检测方法和理论模型。从遥感影像变化检测所采用的算法来分，常见的有代数法(如差值法、比值法等)、变换法(如CVA法、PCA法等)、分类法(如将人工神经网络、支持向量机、决策树等各种机器学习方法用于影像分类)、目视解译法、深度学习法等。根据变化检测的单元来分，分为基于像素/亚像素的变化检测和基于对象的变化检测；根据影像是否需要分类，又可分为图像直接比较法和分类后比较法。直接比较法利用了影像中不同的特征，诸如纹理特征、光谱特征等，通过一定的指数计算或变换对影像进行比较，直接表达并检测出变化；分类后比较法一般是利用监督的形式，在待分类影像上人工选取感兴趣区域，之后对所选取的区域分配相应的地物类别标签，通过利用区域特征进行像素级分类，在得到像素级分类的结果上进行多时相的比较，得到最终的变化区域。两类方法各有优势，直接比较法操作简单，能通过前后时相影像的变化特征直接得到变化区域，但这类方法无法确定变化类别；分类后比较法过程较为繁琐，首先需要得到较好的前后两期影像的分类结果，之后通过对比影像分类的结果得到影像中的变化区域，其优点是可以直接检测出地物类别变化情况，但是，该类方法比直接比较法效率低、易受错误分类影响。

由于大量“异物同谱”和“同物异谱”现象的存在，基于像素的方法难以利用高分辨率遥感影像中的地物信息，从而导致数据冗余，结果中常常出现“椒盐噪声”的现象。面向对象分类的方法可以克服上述缺陷，它以图像分割后产生的对象为单元，同时顾及对象的光谱、几何、纹理等特征，多特征的利用使其分类结果优于基于像素的分类方法。面向对象的分类方法通常由影像分割、对象的特征提取、特征选择、基于对象特征的分类几个环节所组成。但面向对象的影像分类方法仍然容易受到一些因素的影响：首先，面向对象分类框架引入了影像分割算法，影像分割的尺度难以选择，如何选择合适的分割尺度是面向对象影像分类的首要任务；其次，特征提取与特征选择是表达与区分地物类别的重要依据，同时也对分类器的分类效果有着重要的影响；最后，面向对象方法的分类器往往基于决策树、SVM(支持向量机)等分类器，训练样本通常来自于一幅影像，对新影像进行分类时，需要重新人工在影像中选择样本、计算特征和训练模型，操作复杂且缺乏普适性，并且分类精度有待提高。