1、西安电子科技大学硕士学位论文遥感图像变化检测方法研究姓名：张凤玉申请学位级别：硕士专业：模式识别与智能系统指导教师：王桂婷20100101摘要摘要遥感图像的变化检测是指通过分析在不同时间来自同一地区的两幅或多幅遥感图像，检测出该地区的地物随时间发生的变化信息。遥感图像的变化检测已经广泛地应用于如森林资源的动态监测、土地覆盖和利用的变化监测、农业资源调查、城市规划布局、环境监测分析、自然灾害评估、地理数据更新以及军事侦察中战略目标(如道路、桥梁、机场)等的动态监视等许多领域。本论文针对两时相的单波段遥感图像和合成孔径雷达(Synthetic ApertureRadar，SAR)图像进行了变化检测
2、的研究。(1)针对单波段遥感图像变化检测，提出了一种基于感兴趣区域的遥感图像变化检测方法。该方法首先提取两时相图像的差值图的边缘，然后采用双阈值边缘图连接法闭合感兴趣区域的边缘，并对边缘扩充得到感兴趣区域，最后根据不同区域的灰度、空间位置、类别等特征对差值图进行校正，并对新差值图中的感兴趣区域进行阂值分割，检测出变化的区域。通过对多组真实的遥感图像进行实验，并且与差值法和基于马尔可夫随机场模型(Markov Random Field，MIU)的变化检测方法比较，验证了该方法的有效性。(2)提出了基于非下采样Contourlet变换的遥感图像变化检测方法。该方法先分别对两时相图像进行非下采样Co
3、ntourlet变换(Nonsubsampled ContourletTransform，NSCT)，对变换系数中的高频系数进行去噪并对应相减作为差异图的高频系数，依据相似度将两时相低频系数进行融合得到差异图的低频系数，然后将差异图的高频系数和低频系数进行逆NSCT得到新差异图，最后对新差异图进行阈值分割提取出变化区域。通过对模拟遥感图像和多组真实遥感图像进行实验，结果表明该方法能够有效地去除噪声，提高变化检测的性能。(3)提出了基于多尺度积和主成分分析(Principal Components Analysis，PCA)的SAR图像变化检测方法。该方法首先对两时相图像的对数比值图进行小波变换
4、，对每个分解层的高频系数进行多尺度积去噪，然后对去噪后的每个分解层图像进行PCA变换得到新差异图，最后对新差异图进行阈值分割提取出变化区域。通过对模拟的和真实的SAR图像进行实验，结果证明该方法能够有效地抑带IJSAR图像中的乘性斑噪，抗图像误配准性强，从而提高了变化检测性能。本论文工作得到了国家自然科学基金(No60970066)和国家高技术研究发展计划(863计划)(2007AAl22223和No2009AAl22210)的资助。关键词： 遥感图像变化检测 感兴趣区域非下采样Contourlet变换 多尺度积主成分分析Abstract IIIAbstractThe change detec
5、tion in remote sensing image is defined as the procedure ofquantitatively analyzing and identifying changes occurred on the earth surface from theremote sensing images at different timesSuch a problem has been played a key role inthe wide range of applications in which change detection methods call
6、be used，such asinvestigations of forest resources，dynamic detection of land use and land cover，assessments of environment disaster，arrangements of urban growth，and monitoring ofnational defense，etcIt is urgent demanded and has great potential in scientifieapplicationsIn this paper，we focus on the is
7、sues related to how to extract change informationeffectively from single band remote sensing imagesThe major works call besummarized as follows：(1)A novel method of change detection in single band remote sensing images ispresentedThis approach extracted the changed information by obtaining the regio
8、ns ofinterested(ROI)in the difference image based on the method of double-threshold edgelink，and modified the difference image according three different characters betweenthe region of interested and noninterestedFinally，the ROI is classified by thethreshold and the change detection map is generated
9、Experimental results carried outon Landsat TMETM+images demonstrate that the proposed method outperforms theimage difference method and the method of change detection、析th Markov RandomField in robust and decreasing the number of the false alarms and overall alarms(2)A new method of change detection
10、of remote sensing images based onNonsubsampled Contourlet Transform(NSCT)is proposedFirstly,the noises in detailcoefficients of the two original are reduced in NSCT and the difference of detailcoefficients is used as the detail coefficients of the difference imageSecondly,obtaining the approximation
11、 coefficients of the difference image based on fusionstrategy to the approximation coefficients of the two original imagesFinally,applyingthe method of inverse NSCT to the difference image approximation coefficients anddetail coefficients，and the difference image is obtained，and then thresholding it
12、 basedon the Kittler-Illingworth(KI)threshold selection criterionExperiments confirm theeffectiveness of the proposed technique(3)Another novel method of change detection in SAR images based on multiscaleproduct of wavelet transform and Principal Components Analysis(PCA)algorithm is遥感图像变化检测方法研究prese
13、ntedMultiscale product of wavelet transform is used，in order to avoid the affectof speckle noise in each scale of Log-ratio imageTo enhance the changed informationin difference image，the algorithm of PCA is used to merge every scale after noisereduction，and treat the first principle image as the new
14、ly difference image，Thenproduces the change detection map based on the Kittler-Illingworth 0cd)thresholdselection criterion to the newly difference imageExperiments carried out on two SARimagesResults are compared witll two methods which based on wavelet transformand PCAand it iS proved to be superi
15、orThis paper is supported by National Natural Science Foundation of China(No60970066)and National Hi曲Technology Research and Development Program ofChina(863 Program)(No2007AAl22223 and No2009AAl22210)Keywords：Change Detection ROI Nonsubsampled Contourlet TransformMultiscale Product PCA西安电子科技大学学位论文独创
16、性(或创新性)声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名： 披见五西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属
17、西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。本人签名：趣!塾至导师签名：互拯望蠡 日期一碹他-膨第一章绪论第一章绪论11研究的背景和意义遥感是一种远离目标、通过非接触式获得调查数据，并对数据进行分析得到物体、区域或现象有关信息的一门科学和技术。作为人类利用对地观测技术获取信息的重要手段，随着传感器技术、航空和航天平台技术、数据通讯技术的进一步发展，遥感技术提供了进行大面积范围动态观测数据的手段，因而提供了地物
18、感知和监测的多时相数据。随着模式识别技术，数字图像处理技术、计算智能技术的不断进步，遥感技术已经成功应用于资源调查、灾害监测、地质找矿等领域。根据探测能量的波长和探测方式、应用目的的不同，将遥感技术获得的遥感图像分为光学遥感和微波遥感。其中光学遥感属于被动遥感，据电磁波段不同分为可见光遥感、近红外遥感、热红外遥感等，其成像分辨率高，噪声可近似为高斯加性噪声，但光学遥感只能在白天成像，并且受天气影响较严重，如雾、云、雨等不良天气会严重影响图像的成像质量。而微波遥感具有全天候、全天时、成像覆盖面积大、穿透性以及地表粗糙度、地物几何形状、介电性质的敏感性、多波段多极化的散射特征等独特优势Il】，尤其
19、对于合成孔径雷达(Synthetic ApertureRadar，SAR)成像而言，具有分辨率高、能斜距成像等独特的优点。由于SAR能够不依赖于天气条件和太阳光照射强度对地物进行成像，弥补了光学传感器不足，所以SAR图像的解译和应用已成为现代遥感技术研究的一个热点问题。对综合反映地物目标景观全貌的遥感图像，其分析和处理技术是根据应用目的与地区特点等具体情况对图像进行分析和处理，从中提取出有用的信息，并促进其转化为更有价值的知识，从而为有关部门做出相应的、准确的、快速的决策提供丰富且有益的辅助信息【2】。例如，光学遥感图像在森林病虫害、植被消长、城市面积扩展、交通干道网络延伸、水域与水质变化、洪
20、汛实时监测及抗洪抢险决策提供依据掣3】方面起了重大作用，SAR图像在海浪谱参数反演、浅海地形反演、船尾迹探索、海面油膜监测等方面得到了有效应用。因此遥感图像应用处理和分析技术是一个非常有意义且十分重要的应用，而这些应用的不断需求促使了遥感图像变化检测技术的产生和发展。随着实时、全天候、大面积地球表面信息数字图像的获得，对地遥感观测累积了海量的地表对时间变化的数据，急待加快对这些遥感数据的充分处理和利用。变化检测是通过分析同一地区不同时期拍摄的遥感图像间光谱特征差异或空间结构特征的差异，从而得到感兴趣地物类型的转变或内部条件和状态的变化14。因此变化检测技术已经成为遥感信息处理领域的一项重要应用
21、【5J。早期的遥感图像2 遥感图像变化检测方法研究变化检测由于受到当时的技术条件限制，主要是通过人工目视解译来进行的。但目视解译要求相关人员具备丰富的判读经验，在实际应用中存在很大的局限性。寻求快速、非监督、自动的变化检测方法的研究已受到广泛关注。国内外研究人员提出了很多较之前变化检测方法有很大进步的方法，然而大多数方法缺乏有力的数学理论和模型支持，对用于变化检测的遥感图像要求严格，对不同时期拍摄图像的辐射度差别、配准误差、噪声等因素敏感，从而影响了变化检测精度。因此如何将变化检测的相关问题与现有的理论研究，如机器学习方法、克隆免疫技术、人工智能，多尺度几何分析等相结合以发现遥感图像中的变化，
22、并自动、准确、鲁棒地从图像中提取变化区域等相关理论和技术研究也成为遥感图像处理领域的一个研究热点。目前遥感图像变化检测已广泛应用于国民经济和国防建设的诸多领域。民用方面，变化检测主要用于资源和环境监测中的土地利用和土地覆盖变化【67，8一、森林和植被变化【10，111、湿地变化【121、城区变化【13，141、地形改变等15，161变化信息获取；测绘中的地理空间数据更新【6，17】；农业中的作物生长监测c24，25】以及自然灾害中地震、洪水、泥石流和森林大火等灾情监测与评估【l 8，19,201。在军事上，变化检测主要用于战场信息动态感知、军事目标和兵力部署监测等【2l】。这些应用的需求促使了
23、遥感图像变化检测技术的快速发展。12遥感图像变化检测研究发展现状一般而言，变化检测工作主要包括以下两个部分：遥感图像数据的预处理和变化信息的提取。预处理包括图像配准和辐射校正，主要目的是尽可能的减少图像错位以及辐射度变化带来的影响。已有的研究结果表明，不同时相遥感图像的相对位置误差应小于05个像素，否则就可能会大大影响变化检测方法性能，降低变化检测结果的可靠性【22】22。辐射校正是用于去除辐射畸变的处理过程，分为绝对辐射校正和相对辐射校正两种，其中绝对辐射校正需要通过己知的各种传感器和环境参数得到图像中地物的光谱反射值，相对辐射校正是使不同图像中相同地物的光谱辐射值一致。遥感图像变化信息的提
24、取是变化检测技术研究的关键步骤，是研究的重点和难点，研究人员已经提出了大量的变化检测方法，我们在此作以简单梳理。121遥感图像变化检测研究发展现状变化检测技术从处理遥感数据的光谱波段数的多少可以分为多波段多时相遥感图像变化检测和单波段多时相遥感图像变化检测。其中多波段遥感数据为变化第一章绪论 3检测提供了丰富的信息源，通常采用数据变换的方法对多个波段的数据进行处理，使变化信息集中到少数的几个特征上。应用于多波段多时相遥感图像变化检测中的图像变换技术包括主成分分析法(Principal Components Analysis，PCA)【235引、典型相关分析法(multivariate alte
25、ration detection，MAD)f24251、穗帽变换(TasseledCap Transformation。TCT)(也称为KanthThomas变换)26】、GramSchmidt变换【271、HSI变换t28和Chisquare变换【16】等。然而随着数据量的增大，多波段多时相图像数据冗余过量，其变化检测技术与比单波段遥感图像检测技术相比更为复杂，因此目前大多数变化检测技术集中在单波段多时相遥感图像变化检测方面。下面针对单波段多时相遥感图像变化检测的主要研究内容，概述了国内外变化检测研究的发展现状。对单波段多时相遥感图像已经提出的多种不同变化检测方法，有学者从不同方面进行了总结
26、。Lu等【5】按照检测策略将现有的变化检测方法归结为七类：算术运算法、变换法、分类法、高级模型法、GIS方法、视觉分析法和其他方法等。Coppin等【29】根据变化检测前是否要先对图像进行分类处理，将现有的变化检测方法归纳为分类后比较法和直接比较检测法两类。本论文在Coppin的变化检测方法归类的基础上又进行了细致的分类，介绍如下。(1)分类后比较法分类后比较法(Post-Classification Comparison，PCC)是一种直观的变化检测方法，对不同时相的遥感图像分别进行分类，然后对分类产生的结果逐个像素进行比较分析，检测出地物的变化信息，而且该方法能够检测出地物变化的类型信息。
27、由于该方法对不同时相的遥感图像进行单独分类并进行标记，因此可以消除大气、传感器、季节和地面环境等因素对不同时相图像的影响。然而这种方法的关键是分类，变化检测精度等于不同时相分类结果精度的累积，由于分类本身存在病态分割问题，从而要得到高精度分类结果往往比较困难，因此会导致变化检测结果的精度不高以及结果的不确定性。(2)基于简单运算法早期的变化检测方法主要是通过简单运算，从而检测出变化信息，其中简单差值法【30，311，比值法在光学遥感图像变化检测中得到广泛应用，对数比值法在SAR图像的变化检测中得到了广泛的应用【321。Rignot等【331曾用两幅不同时相图像之间的比值进行变化分析。Coppi
28、n等t34J对图像差值分析并加入了一个标准化过程，在一定程度上提高了检测精度。马国锐等13 5】提出了一种差值图像和比值图像进行简单地乘积变换融合的方法，取得了较好的效果。基于图像算术运算的变化检测方法与其它方法相比，具有相对简单、直接、易于实现的特点，但是这类方法的缺点是对遥感图像数据的预处理要求较高，并且需要通过阈值化差异图像来提取变化信息。4 遥感图像变化检测方法研究(3)基于图像建模法该类方法主要通过对差异图像建模并进行参数估计，从而选取最优阈值并进行决策，得到变化检测结果。Aach和Kaupt3637】将贝叶斯理论引入到变化检测当中，通过对两时相遥感图像的差值图进行建模，假设差值图中
29、未变化部分服从均值为零，方差为蠢的高斯分布，其中未知参数方差蠢由图像系统离线估计或者通过图像序列对非变化区域进行递归迭代获取，通过预设的虚警率及高斯分布表可以计算出决策阈值，从而实现两时相遥感图像的变化检测。Brozzonet521将贝叶斯理论引入到变化检测中，在对差值图模型进行参数时，假设差值图中变化类和非变化类都服从高斯分布，并根据肯定变化类和肯定非变化类的概率密度来估计差值图中变化类和非变化类的条件概率密度，但该方法认为图像中各像素之间是相互独立的，且假设变化类和非变化类符合某种分布，从而会存在参数估计误差而影响变化检测精度。王幼亮等【38】提出了根据瑞利高斯模型对差异图进行建模，达到了
30、差异图对噪声和配准误差鲁棒的要求。(4)基于空间邻域特征法遥感图像中除了光谱信息以外，还包含着丰富的空间信息，表现在某个特定的空间邻域内所有像素具有相似的光谱信息。Brozzone521采用马尔可夫随机场并虑及差异图中的空间邻域信息，对变化检测结果进行校正，达到抗噪的效果。王幼亮等【38】提出了一种自适应空间邻域分析的方法对两时相遥感图像比较得到差异图，提高了对噪声和图像配准误差的鲁棒性。(5)基于特征的变化检测方法随着实时、全天候、大面积地球表面信息的高精度、高分辨率、多时相、多光谱的数字图像的获得，有学者针对高分辨率的遥感图像的特性，提出了几何结构特征的变化检测方法。Li和lNarayan
31、anp9】根据遥感图像中湖泊的形状特征检测出湖泊的变化，方圣辉等【55】根据两时相遥感图像的光谱特征和边缘特征检测出变化区域的边缘，并在原图中标记出变化区域。钟家强等【40】采用线状特征检测道路等目标的变化，Huttas和Nevatia4l】通过检测线状特征检测出人造目标的变化等。此外，还有根据结构特征的目标模型分析方法【42，431。(6)其他方法随着变化检测的不断发展，出现了一些将新的技术和方法用于多时相遥感图像变化检测。Francesca321等将小波理论成功用于SAR图像灾情检测。霍春雷等441应用多尺度分析对遥感图像进行分析，采用决策规则成功用于高分辨率遥感图像的城区变化检测中，并取
32、得很好的结果。另外信息融合理论【45，46，471，人工神经网络【48，49】等技术也已经用于遥感图像变化检测中。第一章绪论122变化检测研究中存在的主要问题尽管出现了许多变化检测技术和方法，并且在很多方面都得到应用，但是目前的变化检测研究仍然处于研究初期，存在许多问题，限制了变化检测的进一步发展，主要表现在以下几个方面：(1)对数据质量的要求严格目前大部分变化检测算法对输入图像之间的辐射度差、几何上是否配准、噪声、光照等因素的影响比较敏感，对数据预处理的要求较高。由于图像预处理中绝对辐射校正过程复杂，并且对于有些数据无法获取其拍摄时的各种参数，使得绝对校正难以实现，而相对辐射校正采用的统计方
33、法在校正过程容易受到变化区域数据的干扰，不同时相图像中的光谱值很难达到一致，从而影响了变化检测方法的鲁棒性、有效性。(2)算法实用性不足目前的变化检测方法通常是针对不同的应用需求而设计不同的变化检测的算法，不同的变化检测算法适用范围有所不同。有的变化检测算法适用于土地利用，农作物生长，地貌改变等面状地物的变化检测，有的变化检测算法则适用于道路，桥梁，飞机，舰船等线状和点状人造目标的变化检测，从而影响了现有变化检测方法的适用性。目前最常见的变化检测方法主要是分类后比较检测法和直接比较检测法两大类。对于分类后比较法而言，一个主要问题在于变化检测结果的误差率是两时相遥感图像分类误差的累积，因此如果遥
34、感图像分类方法本身的精度不高，就会导致变化检测的结果精度更低。而对于直接比较检测法来说，主要困难在于差异图像中的变化阈值的确定，需要通过反复实验比较或假设图像符合某种分布等手段来确定，变化检测结果的准确性和可靠性在很大程度上依赖于一些主观因素。(3)变化检测的自动化程度不高自动化是变化检测研究的发展方向，但是目前基于监督的变化检测方法中，分类方法中各种参数的设定比较麻烦，基于阈值变化检测方法，合适阈值的选取都需要人工干预或假设图像符合某种分布的基础上进行建模，增加了一些解译人员的主观因素，从而影响到变化检测方法的自动化性。因此如何鲁棒而且准确地界定变化区域是当前变化检测中面临的又一个重要问题。
35、针对上述问题，对于单波段多时相遥感图像变化检测的特点和要求，本论文在噪声和图像配准误差的抑制、多时相差异图像的构造、变化信息的有效集中等方面展开一些积极的探索和研究，力求在一定程度上克服现有方法存在的困难，提高变化检测的精度和效率。6 遥感图像变化检测方法研究13本论文的主要工作本论文的工作共分为六章，各章节的内容安排如下：第一章介绍了本论文的研究背景和意义，简述了遥感图像变化检测的研究发展现状，指出了现有方法存在的困难和问题，在此基础上描述了本论文的研究目标，并给出了论文结构安排。第二章概述地介绍了多时相遥感图像的变化检测的相关理论基础，随后分析一些现有的变化检测方法及存在的局限性，为后面几
36、章研究的展开做了铺垫。第三章介绍了一种基于感兴趣区域的遥感图像变化检测新方法。首先阐述了确定感兴趣区域的双阈值边缘图连接法，随后介绍了基于感兴趣区域不同特征的差值图校正方法，然后给出了该方法的实验结果和分析，最后是本章的总结。第四章介绍了一种基于非下采样Contourlet变换的遥感图像变化检测新方法。首先阐述了非下采样Contourlet变换的原理，随后介绍了基于非下采样Contourlet变换域的两时相图像的变换系数融合策略和差异图构建方法，然后给出了该方法的实验结果和分析，最后为本章的总结。第五章介绍了一种基于多尺度积和PCA的SAR图像变化检测方法。首先阐述了多尺度积和PCA的原理，随
37、后介绍了基于多尺度积和PCA的SAR图像变化检测方法，然后给出了该方法的实验结果和分析，最后对本章进行了总结。第六章总结了本论文的工作，并指出了可能的进一步的研究方向。第二章多时相遥感图像变化检测方法第二章多时相遥感图像变化检测方法本章将概要介绍多时相遥感图像变化检测的相关基础，对现有的变化检测方法进行分类介绍，并讨论现有方法中存在的局限性。21变化检测的相关基础2I1变化检测的一般流程遥感图像变化检测处理的流程主要包括数据预处理和变化信息提取。对于两个时相图像的变化检测可以用如图21所示的变化检测流程图表示【501。I 厂、茗磊燃卜 多 I 变 确定变化卜 变 输遥感图像 时 I相预 I 化
38、 化 出I 特 一辅助信息I 特 检遥处 L熏惹瞽炉 感理 征征 测图 提 上 提 结遥感图像 像 取 非确定变化卜 取 果变化信息提取图21变化检测流程图(1)图像预处理如果两时相图像没有经过较高精度的图像预处理，则将会在整个场景中检测出变化区域，其中一部分变化区域都是误检测出的“伪”变化区域。这里非地物“伪”变化信息主要是相同地物在不同时相遥感图像中的成像位置和光谱反射值发生变化，这些变化被称为几何畸变和辐射失真。因此图像预处理对于变化检测技术提取地物的真实变化信息起着重要作用，其中最重要的两个过程是图像配准和辐射校正【511。图像配准将不同时相获得的图像进行几何对应，用于消除非地物变化的
39、几何畸变。辐射校正用于消除辐射失真，包括绝对辐射校正和相对辐射校正，其中相对辐射校正将某个时相遥感图像作为参照图，使相同地物在不同时相图像中具有一致的光谱反射值，该方法是一种克服辐射失真对变化检测影响的有效手段。(2)变化信息提取变化检测的基本目标是找出所研究的区域在研究时间内发生的变化，对其进行定性和定量的描述。在这一过程中，要尽量消除各种干扰因素造成的“伪”变化的影响，将真实的地表变化鉴别出来。因此变化信息提取是变化检测处理中的关键遥感图像变化检测方法研究步骤。一般所说的变化检测算法主要是指变化信息提取时所采用的处理方法。在变化信息提取过程中，应根据待检测对象进行特征提取，在图21中所提取
40、的特征包括光谱特征及几何结构特征。这里提取的变化特征，有些可以直接用于变化分析，称之为确定变化特征；而有些变化特征则不能直接用于变化分析，需要结合辅助信息，比如在目标级的变化检测中，需要结合目标的模型知识描述变化。212变化检测的性能评估对变化检测的精度进行确切而有效的量化分析，是评价某种变化检测方法性能的客观依据。目前变化检测性能评估是在构造一个2x2的变化误差混淆矩阵501(见表21)的基础上进行的，即将变化检测方法所得的检测结果与地物变化参照I蛩(ground truth)进行比较。其中变化检测方法的结果中Cl为非变化像素数，Co为变化像素数，变化参照图中非变化像素数为尺l，变化像素数为
41、尺o，则真正变化像素数Do=RoOCo，真正非变化像素数Dl=RlOq；虚警数C白为变化参考图中像素为非变化类而变化检测方法所得结果中将该像素为变化类的像素的个数，即2clceConCeRl (2-1)漏检像素数G甜为变化参考图中像素为变化类而变化检测方法所得结果中将该像素为非变化类的像素的个数，即c历庐CCeRonCeCl (2-2)总错误像素数e为漏检像素数与虚警数之和，即e=C盘+C卅l， (2-3)变化检测方法的性能可以通过计算虚警数、漏检像素数、总错误像素数来定量分析【52，531。表21变化误差矩阵。：装实际的变化像素数 实际的非变化像素数Bl变化检测结果、检测出的变化像素数岛 D
42、o=RoNCo 驴clceCoNCeRj检测出的非变化像素数Cl C,a=CICeRoNCe C1) DI=RINCI尽管通过量化性能比较可以较为客观地反映变化检测方法的性能，然而上述性能评估均需要地物变化参考图，在实际情况中，由于实际野外勘测的地理条件、数据采集等的限制，地物变化参考图往往无法获取，因此有时候评价一种变化检测方法的性能只能通过视觉比较分析的方式实现对方法的定性评价。第二章多时相遥感图像变化检测方法 922现有的多时相遥感图像变化检测方法变化信息获取是变化检测过程中的核心和关键，目前所出现的各种变化检测方法也都是为了解决如何有效地从多时相遥感图像中提取出地物的变化信息。Copp
43、in等291根据变化检测前是否要先对图像进行分类处理，将现有的变化检测方法归纳为分类后比较法和直接比较检测法两类。本节从方法的角度将直接比较的变化检测法进行了细致的划分，介绍如下。221基于图像代数运算的变化检测方法代数运算方法包括图像差值法、图像比值法，图像对数比值法，差值比值融合法等。这些方法是相对简单的、直接的、易于实现和理解的，它们都有一个共同的特点侧重于差异图的有效构建，其后需要选择合适的阈值来检测变化区域。这些方法可以检测到大于确定阈值的所有变化，能够提供详细的变化信息。代数法的一个缺点是选择合适的阈值来确定变化区域是比较困难的。在这种方法中，变化检测结果的两个关键的方面是：构造有
44、效的差异图及选择合适的阈值来确定变化区域。(1)直接差值法该方法首先对经过预处理的同一地区不同时期图像的像素作差值运算，得到一幅差值图，然后对差值图进行分析、判断、提取变化信息。差值图像表达了场景在两个时间内所发生的变化。在差值图像统计直方图上，有显著幅值变化的像素一般分布在直方图的尾端，而其它像素集中于均值附近。由于该方法计算简单，并且比较直观，因此得到了广泛应用。但是其检测精度依赖于图像配准精度，且由于不同时期摄影条件的影响使得不同时期的非变化像素的差值不为零。另一方面该方法对混合像素的存在比较敏感。设置和恐为经过配准的同一区域、不同时间的两幅遥感图像，其中图像大小为Ix J。时相l遥感图
45、像五=五(f，)，1fJ，l，时相2遥感图像五=五(F，)，1f，1J，则两时相遥感图像的差值运算得到的差异图秘如式(24)进行计算：秘(f，J)=l五(f，)一置(f，驯 (24)(2)图像比值对数比值法与图像差值法一样，图像比值法需要计算多时相已配准图像相应像素的比值。这样对光学遥感图像能够消除山影、云影等影响。这个方法的关键在于比值图像的统计分布，如果两时相图像中某些像素位置没有发生变化，则相应像素的期望10 遥感图像变化检测方法研究比值接近于1，如果某些像素位置发生了变化，这个比值将会显著地大于或小于1。普遍认为图像比值法比图像差值法对SAR图像中的乘性斑噪具有更好的抵抗能力。对于SA
46、R图像，一般采用对数比值法，可以先将SAR图像中乘性斑噪转化成加性噪声，便于对SAR图像进行有效地去噪。因此该方法在SAR图像的变化检测中得到了广泛的应用1321。两时相图像的对数比值图X，。如式(25)进行计算：y如=log(-軎-)=log五一log五 (2-5)以2图像比值法的缺点是通过比值运算生成的差异图像往往不服从正态分布，给提取变化信息造成一定的困难，对差异图像最优阈值的求取带来困难。基于图像代数运算的变化检测方法中，侧重差异图像的构建，而差异图像的变化和非变化区域的确定是后续步骤中的关键。有学者采用自动阈值方法对差异图直接进行两分类，但是一般自动阈值方法都要求图像中变化类和非变化
47、类符合一种分布，这样才能取得最优阈值，如Otsu提出的最大类间方差法(简称Otsu法)，该方法要求图像中变化和非变化两类像素的分布在直方图上符合双峰模型。Kittler和Illingwortht54】于1986年提出了一种基于贝叶斯最小错误理论的阈值选择方法，该方法的核心思想是对服从高斯分布模型的图像采用一种简单的参数估计方法自动获得图像分割的最佳阈值，该方法在变化检测中得到了广泛应用35,521。由于遥感图像的复杂性，简单运算得到的差异图像中变化类更易于趋向于类高斯分布，而对于没有发生变化的区域，近似服从高斯分布，因此Bazi等【621、马国锐等135】采用广义高斯模型对差异图像中变化类和非
48、变化类的灰度进行拟合，并根据KittlerIllingworth(KI)准则求得最优阈值。王幼亮等【38】提出一种基于瑞利高斯模型的差异图像变化类和非变化类像素的灰度分布拟合，并基于准则计算差异图像的阈值，并取得了很好的变化检测结果。222基于特征的变化检测方法(1)基于边缘的变化检测方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，标注的差异边缘作为变化目标的轮廓。该方法的优点是比较稳健，它对光照条件和视角差异等不敏感，一般用于检测线性目标的变化。方圣辉等【5 5】根据两时相遥感图像的边缘变化特征和灰度变化特征对两时相遥感图像分别检测边缘特征，然后进行边缘图做差得到变化区域边缘分析提
49、取出变化区域的边缘，并将变化区域在原图中标记，取得了较好的结果。然而该方法的变化检测精度依赖于边缘检测精度，同时对图像预处理要求高。第二章多时相遥感图像变化检测方法(2)基于纹理特征的变化检测方法纹理特征差值法是以纹理特征代替像素灰度进行差值的，因此纹理特征差值法具有与基于像素的变化检测方法相似的处理流程。袁修孝和宋妍【56J针对不同时期高分辨率遥感图像变化检测中城区建筑物因投影差异所产生的误检测现象，提出了一种综合应用光谱和纹理特征的建筑物变化检测方法，取得较好的变化检测结果。223基于差异图分类的变化检测方法基于差异图分类的变化检测方法，侧重于差异图像中变化类和非变化类的分类方法的研究，般分为监督和非监督分类方法。Ghosh等53】提出了一种非监督的多时相遥感图像变化检测方法，采用可调的Hopfidd神经网络系统分析差异图像中像素空间相关性，其中每个图像中的每个位置代表Hopfieldl网络中一个神经元，从而计算出每个像素与其邻域的空间相关的能量函数，不断地更新差异图，直到总的能量函数达到最小值，从而检测出变化信
