基于改进CVA的高分辨率遥感影像变化检测

论文总字数：20121字

目 录

1 绪言 1

1.1研究背景 1

1.2研究意义 1

1.3拟解决的问题 1

1.4研究的关键内容 2

1.5国内外研究现状 2

1.6论文的主要安排 3

2 基于改进中值滤波的影像预处理 4

2.1 常见的滤波方法及其优缺点分析 4

2.2 本文提出的一种改进中值滤波方法 4

2.3灰度化处理 6

2.4 实验结果分析 7

2.5 结论 9

3 CVA变化检测的简介及改进的差分影像获取方法 10

3.1 CVA变化检测原理 10

3.2 CVA变化检测的优缺点 10

3.3传统的差分影像获取的方法及不足 11

3.4一种改进的差分影像获取方法 11

3.5结论 13

4 阈值的选取与精度评价 14

4.1 常见的阈值确定法 14

4.2本文设计的阈值选取方法：分步循环阈值搜索算法 15

4.3 实验结果与精度评价 16

4.3.1实验结果分析 16

4.3.2精度评价 17

4.4结论 18

5 论文总结与研究展望 19

参考文献 20

致谢 21

基于改进CVA的高分辨率遥感影像变化检测

周群喜

, China

Abstract: In recent years, remote sensing technology has developed rapidly and the resolution of remote sensing images has become higher and higher. Remote sensing image change detection, as one of the most important key technologies, is increasingly used in land and resources management, land-use changes, and agroforestry monitoring. In particular, it proposes higher detection accuracy for high-resolution remote sensing images.

     However, there are still some deficiencies in the current CVA change detection. For example, when obtaining a differential image, the general method is direct point-to-point subtraction, and there will be interference from sudden noise points. For this reason, this paper proposes a differential image acquisition method based on spatial neighborhood information. In addition, there are many improvements in the determination of change types and the selection of thresholds. To solve these problems, this paper presents a step-by-step iterative threshold search method designed for the optimal selection of thresholds. After experimental testing, the improvements adopted in this paper can better extract the change information.

Key words: High resolution remote sensing image change detection CVA

1 绪言

1.1研究背景

随着时间的发展，在近几十年来遥感技术突破了很多技术上的难关，发展迅猛。遥感影像变化检测作为最重要的关键技术之一,越来越多的服务于在国土资源管理、土地覆盖变化、植被的动态的监测以及军事等领域。遥感影像变化检测的最本质的特点是地面特征随着时间推移最终引起两个不同时段影像的像元光谱影像的变化。随着更多先进设备与先进技术的出现，实时而又全面的大量的地球表面信息数字图像被获取，也因此累积了许多遥感数据，急需要通过先进的遥感影像检测技术加快对此的处理与利用，因此变化检测技术已经成为不可或缺的一项重要技术。遥感影像的变化检测一般来说包括以下几个方面:1.判断影像中的地物是否发生了变化。2.判断出变化是在哪里发生的，区别发生了变化和未发生变化的区域。3.判定每个像元发生变化的类型，也就是确定发生变化前后的该像元的地物类型。4.精度的测量评估。CVA变化矢量分析方法是相对独立地分析变化范围和变化类型，但CVA变化检测方法一般适用于中低分辨率的影像中，精度不高。从遥感图像中提取合理有效的变化信息是变化检测的关键。CVA变化矢量分析方法其中的一个步骤是对差分影像的获取，一般是直接的利用对应波段的直接相减，这种方法操作简单而且计算也相对的方便，目前的常见的CVA变化检测都是采用这种直接作差法。但是这种方法带来的不便是可能会有突发噪声点带来的伪变化，造成对变化信息的提取误差。在CVA变化检测中，变化阈值确定的自动化程度不足，目前没有较方便的阈值确定方法进行阈值的选择，通过实践序列长度的增长，实时数据获取变化阈值的难度也相应随之加大，同时带来了检测结果的不确定性。并且如果研究区域中的对象在地域分布上拥有不同的特性，或者在不同的时间段中有不同的变化类型，那么阈值的选取也会随之变化，造成操作上的困难。在现有的阈值判断方法上，目前仍需找寻一种优秀的确定方法。

1.2研究意义

本文是基于改进CVA 的高分辨率遥感影像变化检测，通过对现有的差分影像获取方法的改进和阈值的优化选取上的改进，既发挥了CVA变化检测操作较简单，避免费时费力的自身优点，又在一定程度上弥补了本身的不足，以期提高在高分辨率影像变化检测中的精度。并且期望经过本文改进的CVA变化矢量分析法能够在在土地的规划和管理，土地利用及覆盖变化及自然灾害监测和预防中能够发挥重要作用。

1.3拟解决的问题

由于一般的中值滤波在对影像进行去噪时对图像边缘的细节并没有很好的保护，而且容易混淆图像的边缘点和突发噪声点，本文通过一种先判断再进行滤波的方法对图像的突发噪声点进行滤除，并且在边缘区域判断出极值点的时候进行二次判断，继续判断该点的周围像素是否是极值点，根据这个来进行边缘的判断与保护。

在进行变化检测的时候，因为变化矢量分析法（CVA）有其自身的一些优点，况且对个人来讲比较容易理解而且操作比较轻松，因此本文决定采用CVA变化矢量分析法进行变化检测。CVA变化检测最为关键的步骤就是通过获得两幅图像的差分影像来进行变化检测的研究。但是正常来讲一般的CVA变化检测获取的差分影像的方法都是对应波段对应像素点的直接相减，这种方法对于突发噪声点的干扰是不可避免的。想要解决这个问题，本文设计了一种基于空间邻域信息的点对多的差分影像获取方法进行变化向量的优化组合。在CVA变化检测中，阈值的选取是其中的难点，对于阈值难以确定的问题，本文通过设计一种分步循环阈值搜索的方法来优化选取。通过采用以上的改进方法，应该使CVA变化检测的精度提高。

1.4研究的关键内容

（1）针对高分辨率遥感影像在进行图像去噪时对边缘细节保护不足的情况，拟采用一种改进的中值滤波进行处理。

（2）针对一般差分影像获取时有突发噪声点干扰的问题，拟设计一种基于空间邻域的差分影像获取方法。

（3）针对CVA变化检测中阈值难以确定的问题，本文拟提出一种分步循环阈值搜寻方法。

1.5国内外研究现状

国内研究现状：遥感影像变化检测技术经过了几十年的发展有了长足的进展。对目前的遥感影像变化检测方法进行分类，从不同的角度来说，有不同的区分方法。按照是否需要进行分类可分为直接比较法和分类后比较；在对象选取的精度不同时可分为像素级、特征级以及对象级；对于是否要求先验知识又可以分为监督和非监督比较法；采取的算法不同时可以分为代数运算法、变换法、分类法、模型法等等。到目前为止，国内外的许多研究者们经过多年的不懈努力在变化检测的各个方面都有了不同的改进方法。李向军、牛铮、邓小炼等通过引入变化系数来进行变化的检测【1】，但数据读取量大，难以实现多数据操作。谢仁伟、牛铮、孙睿等引入t统计量假设检验的方法【2】。除此之外，王东广等人在差值成分变化中引入纹理信息【3】，以此弥补光谱区分布不足的问题。闫利等人尝试了一种以光流态纹理为基础的新方法，利用光流动态纹理描述遥感影像的变化，融合了时间维度的纹理【4】，提高了变化检测的精度。佃袁勇提出了一种基于多尺度分割的遥感影像变化检测【5】。全卫澎等人则是通过像元的多特征融合，在形态特征和纹理特征上进行融合细化处理【6】，大大降低了误检率和漏检率。

李建磊基于面向对象的思想，提出一种多特征融合的遥感影像变化检测方法【7】。张鑫龙利用深度学习并结合光谱纹理特征区分变化区域的方法进行变化检测【8】。李翠林、陈光洁等也是采用CVA变化矢量分析法并通过与其他方法如主成分分析法的对比进行变化检测。王琰提出了一种结合光谱与空间时间信息对变化像斑进行变化类别的判定【9】。魏立飞利用基于随机场模型方法并围绕阈值的优化选取进行了遥感影像的变化检测【10】，该方法一定程度上提高了阈值选取的自动化程度并且结合使用了所有的波段值，变化检测的精度也随之提高。徐俊峰、张保明等人提出了基于面向对象的多特征融合的多源影像变化检测【11】，利用了SVM对多维数据的优异性提高了对多源影像的变化检测侧精度。李亮等人在利用像斑直方图相似性测度的基础上进行变化检测【12】，并通过利用像斑中的灰度分布信息并使用期望最大算法对构建的相似性测度求得最后结果，在参考的技术方法上借鉴了混合高斯模型并使用了贝叶斯判别对精度进行了提高。

国外研究现状：在传统的变化检测中，大多是处理单个像元，缺少对像元综合信息的应用，未能对其空间特征充分利用，故而降低了在高分辨率变化检测的精度。在国外，通常使用的是面向对象的变化检测方法，不以单个像元为基础，而是在多个像元的邻域光谱和空间特征方面进行分析。例如，在Bovolo等人的研究中，提出了一种以多个像元为基础的CVA变化检测方法【13】，通过等级分割对多个分割图像进行分析，减小了分割图像的影响，检测精度也因此得到了提高。综述，目前的遥感影像变化检测还有许多不足之处，还没有一种有效的变化检测方法适用于所有影像，因此对不同的研究对象，要采用合适的检测方法。

剩余内容已隐藏，请支付后下载全文，论文总字数：20121字

相关图片展示：