王 琰，舒 寧，2，龔 龑

高分辨率遙感影像土地利用變化檢測方法研究

王 琰1，舒 寧1，2，龔 龑1

(1.武漢大學(xué)遙感信息工程學(xué)院，武漢 430079;2.武漢大學(xué)測繪遙感信息工程國家重點(diǎn)實(shí)驗(yàn)室，武漢 430079)

提出一種利用高分辨率遙感影像進(jìn)行土地利用變化檢測的方法。以土地利用圖為輔助數(shù)據(jù)，通過土地利用圖和遙感影像的配準(zhǔn)套合，獲取影像像斑;同時，對遙感影像進(jìn)行基于像素的監(jiān)督分類，獲取概略的類別圖;再根據(jù)像斑內(nèi)像素的類別編碼完成子像斑的劃分。以子像斑為影像分析的基本單位提取特征，以相關(guān)系數(shù)為相似性測度衡量不同時期子像斑的特征相似性，用ROC曲線(接受者操作特性曲線)代替經(jīng)驗(yàn)選取的方法自動獲取變化閾值，確定像斑是否發(fā)生變化。以武漢市區(qū)局部QuickBird 2002年和2005年多光譜影像、相同地區(qū)2002年1∶10 000土地利用圖為實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了算法的實(shí)驗(yàn)，結(jié)果顯示絕大部分的變化區(qū)域都可以被提取出來，實(shí)驗(yàn)方法可行。

變化檢測;土地利用;面向?qū)ο?高分辨率;遙感;多源數(shù)據(jù)

0 引言

利用遙感影像的宏觀性、實(shí)時性等優(yōu)勢進(jìn)行國土資源的變化檢測，是遙感影像分析和應(yīng)用領(lǐng)域的研究熱點(diǎn)。從技術(shù)路線層面而言，利用遙感技術(shù)進(jìn)行土地利用變化檢測的方法可分為基于像素和基于像斑兩種方式?；谙袼氐挠跋穹治鍪茉肼曈绊戄^大，能夠在影像上提取的特征信息較少;基于像斑的影像分析適用于高分辨率遙感影像的分析，為近幾年來常用的一種影像分析方法［1］。像斑是影像上的灰度同質(zhì)區(qū)域，在絕大多數(shù)國內(nèi)外文獻(xiàn)中稱之為“對象”，基于像斑的分析一般稱作“面向?qū)ο蟆被颉盎趯ο蟆钡姆椒?。以像斑為影像分析的基本單位進(jìn)行變化檢測，變化檢測結(jié)果更容易和矢量數(shù)據(jù)相聯(lián)系，從而更好地生成或更新矢量專題圖。目前，像斑往往通過各種影像分割的算法獲取，但合適的分割參數(shù)的設(shè)置以及分割尺度的確定往往較為困難。在變化檢測方面，衡量兩個時期像斑變化與否的變化閾值的設(shè)定，往往采用經(jīng)驗(yàn)的方式，通過多次嘗試和對結(jié)果的目視判斷獲取合適的閾值，這不利于技術(shù)路線的自動化。

本文提出一種利用高分辨率影像進(jìn)行土地利用變化檢測的方法。首先，綜合基于像斑和基于像素的影像分析方式，通過土地利用圖和遙感影像的配準(zhǔn)套合獲取影像像斑，用基于像素的監(jiān)督分類方法，將影像數(shù)據(jù)分成簡單的基礎(chǔ)地類，生成不同時期影像的分類圖;然后分別以各分類圖為底圖，根據(jù)每個像斑內(nèi)像素在分類圖上的類別標(biāo)識，將通過配準(zhǔn)套合生成的像斑進(jìn)行再分割，獲得子像斑。以子像斑為后續(xù)分析的基本單位，通過特征提取、特征矢量相似性分析以及變化閾值的自動判定，獲得子像斑的變化信息;最后，將以不同時期分類底圖做參照獲取的子像斑變化檢測結(jié)果求并集，獲取最終的變化檢測結(jié)果。

1 像斑的獲取及像斑特征提取

1.1 像斑及子像斑的獲取

應(yīng)用多源數(shù)據(jù)可以獲得有利于遙感影像解譯的更多信息。實(shí)驗(yàn)區(qū)除遙感影像外的其他數(shù)據(jù)，可以以先驗(yàn)知識的形式出現(xiàn)，直接參與到影像分析中去，這樣的思路也更為符合人工識別地物的流程和機(jī)理［2］;而變化檢測的結(jié)果，一般用于更新現(xiàn)有的矢量數(shù)據(jù)圖。因此在本文的變化檢測算法中，將現(xiàn)有土地利用圖與遙感影像配準(zhǔn)套合，以土地利用圖圖斑矢量邊界為準(zhǔn)，獲取影像像斑。由于土地利用圖上的圖斑劃分和生成須遵循其成圖規(guī)范和標(biāo)準(zhǔn)，并不是以影像上光譜信息為生成依據(jù)，僅憑配準(zhǔn)套合得到的像斑并不能保證其光譜同質(zhì)性，常會形成所謂的混合像斑，使后續(xù)的分析產(chǎn)生困難。因此有必要對套合得到的像斑進(jìn)行再劃分，生成子像斑，從而保證各像斑內(nèi)的光譜同質(zhì)性。運(yùn)用基于像素的監(jiān)督分類方法，將地物分成水體、城區(qū)、裸地和綠地4大類，使得每一個像素都有一個類別編碼與其相對應(yīng)。將分類影像與土地利用圖配準(zhǔn)套合，這樣，對于每個像斑，根據(jù)其包含像素的基礎(chǔ)類別編碼進(jìn)行再劃分。一個像斑內(nèi)，具有同一類別編碼的像素生成一個子像斑。以不同時期的分類影像圖為參照進(jìn)行像斑再分割，獲取的子像斑是不相同的。即以T1時期影像分類圖為參照獲取的T1，T2時期影像子像斑，和以T2時期影像分類圖為參照獲取的T1，T2時期影像子像斑不相同。子像斑生成的過程如圖1((b)圖上不同顏色代表再劃分后生成的子像斑)所示。

圖1 子像斑生成圖Fig.1 Subsegment generation graph

1.2 子像斑特征提取

通過計算子像斑內(nèi)所有像素的統(tǒng)計值獲取子像斑的特征。對于實(shí)驗(yàn)用QuickBird影像而言，獲取的特征為藍(lán)、綠、紅、近紅外4個波段影像的灰度均值、灰度標(biāo)準(zhǔn)差和灰度信息熵，共12個特征。

2 變化檢測及其閾值的自動獲取

2.1 變化檢測方法

像斑之間相似關(guān)系，可以看作是離散化的空間面模式之間的相似性關(guān)系［3］。這種關(guān)系的表達(dá)可以使用相關(guān)系數(shù)作為測度，用于衡量不同時期影像上相應(yīng)子像斑特征矢量的相似性。假如某子像斑在基準(zhǔn)時期的特征向量為(x1，x2，…，xn)，在待檢測時期的特征向量為(y1，y2，…，yn)，則兩個時期特征向量的相關(guān)系數(shù)ρ可以用

計算，式中n為特征向量維數(shù)。

2.2 基于ROC曲線的變化閾值自動判定方法

ROC曲線即接受者操作特性曲線，在醫(yī)學(xué)診斷學(xué)中有著較為廣泛的應(yīng)用。對于二分類的問題，可以通過繪制ROC曲線，在使得誤檢率和漏檢率相同的情況下，獲得一個最合理的分類閾值。Yitzhaky和Peli曾將ROC曲線應(yīng)用于影像邊緣提取中參數(shù)的選擇［5］;楊朝暉等也應(yīng)用ROC曲線進(jìn)行SAR影像的邊緣檢測［6］;Chen等應(yīng)用ROC曲線進(jìn)行基于衛(wèi)星影像的地震前后城區(qū)損壞估計［7］，都獲取了較為理想的結(jié)果。本文引入上述ROC曲線，嘗試將其應(yīng)用到變化檢測中，自動獲取變化閾值。

利用ROC曲線進(jìn)行變化閾值獲取，其原理是設(shè)定多個不同的變化閾值，從而對應(yīng)不同的變化檢測結(jié)果。對上述各結(jié)果進(jìn)行分析，找到最合理的一個結(jié)果作為可能的真實(shí)變化結(jié)果，最接近可能真實(shí)結(jié)果的變化檢測結(jié)果，其對應(yīng)的變化閾值則被認(rèn)為是最合理的變化閾值。這種方法可以取代傳統(tǒng)的經(jīng)驗(yàn)閾值獲取方法，實(shí)現(xiàn)閾值的自動獲取。具體方法如下:

計算基準(zhǔn)時期影像上各子像斑與其在待檢測時期影像上對應(yīng)子像斑特征矢量的相關(guān)系數(shù)，并設(shè)定N個相關(guān)系數(shù)閾值Si(i=1，2，…，N)，相關(guān)系數(shù)大于閾值認(rèn)為沒有發(fā)生變化，反之則判定子像斑發(fā)生了變化。這樣將會獲得N個影像變化檢測結(jié)果Ri(i=1，2，…，N)。每一個變化檢測結(jié)果為一個和像斑數(shù)目大小相等的數(shù)組，數(shù)組元素值為1表示像斑發(fā)生了變化，0則表示沒有發(fā)生變化?？赡艿恼鎸?shí)結(jié)果CGTj(candidate ground truth，CGT)(j=1，2，…，N)，則根據(jù)Ri得出。CGTj的計算通過依次統(tǒng)計每個像斑在所有變化檢測結(jié)果上的變化次數(shù)獲取，對于第M個像斑，

這里 j(j=1，2，…，N)，稱為相關(guān)閾值(correspondence threshold)，因此可以獲得N個候選的真實(shí)變化結(jié)果。從上式可以看出，當(dāng)某個像斑在所有N個變化檢測結(jié)果中被標(biāo)記為1的次數(shù)較多，即認(rèn)為發(fā)生變化的次數(shù)較多時，這個像斑發(fā)生變化的可能則較大，反之則小。CGTj仍然是一個和影像像斑數(shù)目相同的數(shù)組，數(shù)組元素值為1代表像斑發(fā)生變化，0則表示沒有變化。隨著j值的不斷增大，CGTj中數(shù)組元素值為1的越來越少，判定為發(fā)生變化的像斑數(shù)目則逐步減少。

將變化檢測視為一個二分類的問題，則4種判斷決策true positive(TP)(hit)，false positive(FP)(false alarm)，true negative(TN)(correct rejection)和false nagtive(FN)(miss)可能出現(xiàn)。對這4種判別決策的描述如表1所示。

表1 判別決策描述Tab.1 Describe discrimination decison

各個判別決策概率的計算公式為

根據(jù)式(3)—(6)可以計算出檢測概率(靈敏度)TPR和虛驚概率(1－特異度)FPR分別為

獲取了可能的真實(shí)變化結(jié)果之后，則可將所有發(fā)生變化的檢測結(jié)果與其相比較，根據(jù)上述算法可以看出，必然有一個變化檢測結(jié)果與已經(jīng)獲取的真實(shí)變化結(jié)果相同，而這個變化檢測結(jié)果所對應(yīng)的變化閾值則是需要求取的閾值。

3 實(shí)驗(yàn)及結(jié)果分析

本文具體技術(shù)路線如圖2所示。

圖2 技術(shù)路線圖Fig.2 Technique flow chart

選用了武漢市局部2002年、2005年QuickBird多光譜影像，以及相同區(qū)域2002年1∶10 000土地利用圖。影像分辨率經(jīng)重采樣后為2 m，實(shí)驗(yàn)區(qū)大小為2 155×1 633像元。這一區(qū)域在2002—2005年間土地利用變化大，較為適合變化檢測實(shí)驗(yàn)。應(yīng)用監(jiān)督分類方法，在ERDAS軟件環(huán)境下，分別將2002年和2005年影像分成城市、綠地、裸地和水體4大類。通過2002年土地利用圖GIS數(shù)據(jù)和兩個時期影像分別配準(zhǔn)套合，共獲取像斑256個。

第一步，先以2002年影像監(jiān)督分類圖為底圖對兩個時期像斑進(jìn)行再劃分，得到兩時期影像上子像斑的數(shù)目為932個;應(yīng)用相關(guān)系數(shù)對兩個時期像斑的特征矢量進(jìn)行相似性評價，給定變化閾值獲取范圍，用2.2節(jié)介紹的基于ROC曲線的變化閾值自動判定方法即可求出最終的變化閾值(圖3)。最接近交點(diǎn)是第22個數(shù)據(jù)對，其對應(yīng)的候選真實(shí)結(jié)果則被認(rèn)為是可能的真實(shí)結(jié)果，對應(yīng)的變化檢測閾值為 0.868。

圖3 ROC曲線結(jié)果Fig.3 ROC result

根據(jù)獲取的變化檢測閾值進(jìn)行影像的變化檢測，將兩幅變化檢測實(shí)驗(yàn)結(jié)果影像求并集，以獲取影像上所有可能發(fā)生變化的區(qū)域。實(shí)驗(yàn)結(jié)果如圖4所示。

從圖3(a)中看出，最接近交點(diǎn)是第20個數(shù)據(jù)對，其對應(yīng)的候選真實(shí)變化結(jié)果則被認(rèn)為是可能的真實(shí)變化結(jié)果，對應(yīng)的變化閾值為0.880。

第二步，以2005年影像監(jiān)督分類圖為底圖對兩個時期像斑進(jìn)行再劃分，得到兩個時期影像子像斑數(shù)目為801個，再重復(fù)上述的實(shí)驗(yàn)步驟。獲取真實(shí)結(jié)果和變化檢測閾值的ROC曲線如圖3(b)所示，

圖4 實(shí)驗(yàn)區(qū)影像及實(shí)驗(yàn)結(jié)果Fig.4 Image of study area and the change result

通過人工目視解譯與實(shí)驗(yàn)結(jié)果相比較，發(fā)現(xiàn)絕大部分發(fā)生變化的部分都能夠被檢驗(yàn)并提取出來。

4 結(jié)論

1)提出了一種高分辨率遙感影像土地利用變化檢測的方法。綜合以像斑和以像素為單位進(jìn)行影像分析的優(yōu)勢，應(yīng)用多源數(shù)據(jù)獲取影像像斑并進(jìn)行再分割，在此基礎(chǔ)上運(yùn)用相關(guān)系數(shù)衡量像斑特征的相似性，并運(yùn)用ROC曲線自動獲取變化閾值，得到變化檢測結(jié)果。

2)實(shí)驗(yàn)結(jié)果表明，文中提出的方法簡單、有效、可行，且具有一定的通用性。在實(shí)驗(yàn)過程中發(fā)現(xiàn)，變化閾值數(shù)組范圍的設(shè)定會影響可能的真實(shí)變化結(jié)果的獲取，繼而影響變化閾值的判定。怎樣選取合適的變化閾值數(shù)組范圍，應(yīng)作進(jìn)一步探討。

［1］ Blaschke T.Object Based Image Analysis for Remote Sensing［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2010，65(1):2－16.

［2］ 舒 寧.關(guān)于遙感影像處理分析的理論與方法之若干問題［J］.武漢大學(xué)學(xué)報:信息科學(xué)版，2007，32(11):1007－1010.

［3］ 毛政元，李 霖.空間模式的測度及其應(yīng)用［M］.北京:科學(xué)出版社，2004:74－75.

［4］ 張劍清，潘 勵，王樹根.攝影測量學(xué)［M］.武漢:武漢大學(xué)出版社，2003:109.

［5］ Yitzhaky Y，Peli E.A Method for Objective Edge Detection Evaluation and Detector Parameter Selection［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2003，25(8):1027 －1033.

［6］ 楊朝暉，陳 鷹.基于ROC融合準(zhǔn)則的SAR邊緣檢測算法［J］.光電子·激光，2010，21(7):1053 －1057.

［7］ Chen Z Q，Hutchinson T C.Urban Damage Estimation Using Statistical Processing of Satellite Images［J］.Journal of Computing in Civil Engineering，2007，21(3):187 －199.

A Study of Land Use Change Detection Based on High Resolution Remote Sensing Images

WANG Yan1，SHU Ning1，2，GONG Yan1
(1.School of Remote Sensing and Information Engineering，Wuhan University，Wuhan 430079，China;2.State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，Wuhan University，Wuhan 430079，China)

An approach to land use change detection by using high resolution remote sensing images is put forward in this paper.With the help of GIS land use map，image objects can be obtained by the matching of land use map and remote sensing images in the same region.Meanwhile pixel－based supervised classification is conducted for each image so that each pixel has its own class code.Then image subsegments can be obtained based on the image segment and the class code of each pixel within it.Image subsegments can be regarded as the basic units for feature extraction.Correlation coefficient is used for detecting changes between the images gotten from different time periods，and instead of the empirical selection，the change threshold is founded automatically by using ROC curve(receiver operating characteristic curve).Two multispectral Quickbird images obtained in 2002 and 2005 respectively and a 1 ∶10 000 land use map of 2002 in the same region were used in the experiment.This study area is located in Wuhan City and the result shows that most land use changes can be detected，and hence this approach is effective.

change detection;land use;object based;high resolution;remote sensing;multisource data

TP 79

A

1001－070X(2012)01－0043－05

10.6046/gtzyyg.2012.01.08

2011－05－21;

2011－07－01

湖北省自然科學(xué)基金重大項目(編號:2006ABD003)及中央高?；究蒲袠I(yè)務(wù)費(fèi)專項資金(編號:3101009)共同資助。

王 琰(1984－)，女，在讀博士，研究方向?yàn)檫b感影像解譯。E－mail:wangyan.jenny@163.com。

(責(zé)任編輯:李 瑜)