王 琰，舒 寧，2，龔 龑，李 雪

基于類別光譜變化規(guī)律的土地利用變化檢測

王 琰1，舒 寧1，2，龔 龑1，李 雪3

(1.武漢大學遙感信息工程學院，武漢 430079;2.武漢大學測繪遙感信息工程國家重點實驗室，武漢 430079;3.中國地震局地震研究所，武漢 430071)

提出了一種基于類別光譜變化規(guī)律的高分辨率遙感圖像土地利用變化檢測方法。在基準期土地利用圖的輔助下，以像斑為圖像分析的基本單位，分別建立不同類別像斑特征在基準期和檢測期圖像上的分布曲線，通過三次多項式擬合參數(shù)表征上述2個時期特征值分布曲線的變化規(guī)律，在此基礎上獲取變化閾值，進行迭代計算，找出不符合類別光譜變化規(guī)律的像斑，確認為發(fā)生變化的像斑。以武漢市局部2002年、2005年QuickBird多光譜圖像及相同區(qū)域2002年土地利用圖為實驗數(shù)據(jù)，以綠地和城區(qū)為例，對上述方法進行驗證，證明上述方法有效。

變化檢測;高分辨率;土地利用;像斑;面向對象;類別光譜變化規(guī)律

0 引言

隨著傳感器技術、計算機技術等的快速發(fā)展，獲取高分辨率遙感圖像已成為現(xiàn)實。圖像分析處理方法研究的不斷深入使得圖像變化檢測方法也得到了進一步改進和更新［1］。進入21世紀以來，以像斑為單位的高分辨率遙感圖像分析方法得到較大發(fā)展，逐漸取代了以像元為單位的方法，成為目前主流的高分辨率圖像分析方式［2］。像斑可以攜帶有利于圖像解譯的更多信息［3］，這些信息用以構建特征空間，使得圖像分析方法由像元級別逐步轉變?yōu)樘卣骷墑e?；谙癜叩淖兓瘷z測方法往往是通過對特征空間的分析從而獲取變化檢測結果，一般可以分成2種:分類后比較法和分類前比較法［4］。分類后比較法優(yōu)勢是在前后期圖像光譜差異大時這種方法仍能進行計算，但主要的局限性在于變化檢測結果的準確性依賴于不同時期圖像分類的精度［5－6］;分類前比較的方式最大優(yōu)勢則是能夠避免分類精度對分類結果的影響，但這種方法對前后期圖像光譜差異敏感。

為解決此局限性，本文提出一種基于類別光譜變化規(guī)律的高分辨率遙感圖像土地利用變化檢測方法。這種方法在理論上認為對于某一類別沒有發(fā)生變化的地物而言，在不同圖像上的光譜差異具有規(guī)律性，且對于不同類別的地物，其所具有的光譜差異規(guī)律性也是不同的。因此，圖像上變化部分，則可以分為2種情況:不變地物在圖像間的光譜變化以及地物類別變化，而后者是變化檢測的主要目的。以武漢市區(qū)局部2002年、2005年Quickbird多光譜圖像及2002年相同區(qū)域土地利用圖為實驗數(shù)據(jù)，證實了該方法的可行性。

1 研究區(qū)概況與數(shù)據(jù)源

研究區(qū)位于 E114°18'～114°20'，N30°29'～30°32'之間，為武漢市部分地區(qū)。選擇2002年和2005年QuickBird多光譜圖像，每一時期圖像共有藍、綠、紅和近紅外4個波段;選擇2002年比例尺為1∶10 000相同區(qū)域的土地利用圖作為驗證輔助數(shù)據(jù)。一般認為，用以生成地圖的衛(wèi)星圖像的空間分辨率應至少為圖上的0.1 mm，用于地圖更新的衛(wèi)星圖像空間分辨率應達到圖上0.2 mm［7］。因此本研究通過預處理使得實驗圖像空間分辨率為2 m，實驗區(qū)的大小為3 492像元×2 818像元。

2 研究方法

首先，以像斑為變化分析的基本單位，以土地利用圖為輔助數(shù)據(jù)，獲取前期圖像像斑的類別;再應用多項式擬合的方法按類別獲取像斑在不同時期圖像間的光譜特征變化規(guī)律;通過迭代求取的方式找出每個類別中不符合光譜特征變化規(guī)律的像斑，判定為實際發(fā)生變化的像斑。

2.1 類別光譜變化規(guī)律的獲取

類別光譜變化規(guī)律獲取的目的是區(qū)分不變地物在圖像間的光譜變化和地物類別變化，從而準確獲取后者，也即真正發(fā)生變化的部分，以提高變化檢測結果的準確性。圖像間光譜變化應具有類別內(nèi)的一致性，如果能尋找到每個類別的光譜特征變化規(guī)律，那么對符合光譜特征變化規(guī)律的地物則視為沒有發(fā)生變化，只有不符合變化規(guī)律的像斑，才判定為發(fā)生變化的像斑。

本研究采用多項式擬合的方法獲取類別變化規(guī)律，算法適用的前提是發(fā)生變化的像斑應為少數(shù)的。將土地利用圖與遙感圖像進行配準套合，再依據(jù)土地利用圖中的地類碼獲取每個像斑所屬類別。對于某一類別像斑，提取像斑特征，特征值可以為一個或者多個，依次為每個特征獲取像斑特征變化規(guī)律。具體的做法為:將某類像斑某個特征值按照從小到大排序，這樣，在不同圖像上排序后的特征值將各形成一條分布曲線，以綠地和城區(qū)為例，如圖1所示。

圖1 綠地像斑藍波段灰度標準差分布曲線(左)和城區(qū)像斑紅波段灰度均值分布曲線(右)Fig.1 Standard deviation distribution curve of green land image segments on blue band(left)and mean gray value distribution curve of city image segments on red band(right)

采用三次多項式擬合方法對2條曲線關系進行 擬合，即

式中:α1，α2，α3，α4為待求擬合參數(shù)，表征 2 條曲線之間的關系;gt1(Xj)，gt2(Xj)分別是基準和檢測時期某類所有樣本像斑第j個特征值，如果像斑有n個特征，則j=1，2，…，n，最終需要獲取n組擬合參數(shù)。

2.2 變化閾值的獲取

分類前比較的遙感圖像變化檢測方法，其變化部分的求取需要選擇一個變化閾值;根據(jù)計算得出的變化測度值，與變化閾值相比較，超出變化閾值的部分則判定為變化。對于某一類別而言，可根據(jù)獲取的上述n組擬合參數(shù)，計算像斑的參數(shù)擬合殘差和的絕對值，即

式中:gt1(xij)和gt2(xij)分別表示某類別第i個樣本像斑在基準時期和檢測時期第j個特征值。第i個樣本像斑的變化測度值計算公式為

變化閾值的獲取可以參考所有樣本像斑T值分布的直方圖，在直方圖顯示的波谷附近范圍內(nèi)選擇合適的閾值，大于變化閾值的像斑，則認為發(fā)生了變化，反之則認為沒有發(fā)生變化。

多項式擬合參數(shù)表示了類別的一個整體特征。但是，在具體求取過程中，某個類別中哪些像斑真正發(fā)生了變化是未知的，因為所有像斑都參與了多項式擬合，實際類別發(fā)生變化的像斑也參與了擬合參數(shù)的求取，必然會對結果的準確性產(chǎn)生影響。因此，需要將上述變化檢測結果僅視為初步檢測結果，并在檢測結果中將認為變化了的像斑從參與擬合過程的像斑中剔除，繼而重新計算擬合參數(shù)，再進行后續(xù)的閾值求取和變化判斷，直到迭代前后兩次發(fā)生變化像斑的數(shù)目不再改變，或者檢測到的變化像斑數(shù)目過多已不符合變化像斑總是少數(shù)的前提時，迭代結束。這時每次迭代判斷變化了的像斑總和則為最后的變化檢測結果。

2.3 技術流程

基于類別變化規(guī)律的土地利用變化檢測技術流程如圖2所示。

圖2 技術流程圖Fig.2 Technical flow chart

3 實驗及結果分析

3.1 像斑及其特征和類別的獲取

在中、低分辨率遙感圖像上僅表達為單個像元或者亞像元的地物在高分辨率遙感圖像上會轉變?yōu)橐淮鼗叶认嗨频南裨?，因此采用像斑作為圖像分析的基本單位。在國內(nèi)外的文獻中“像斑”也可稱為“對象”，基于像斑的圖像分析也即“面向對象”或“基于對象”的圖像分析。通過土地利用圖和遙感圖像的配準套合［8］，可根據(jù)土地利用圖矢量圖斑的邊界和屬性特征中的地類碼直接獲取像斑及其類別。由于土地利用圖表達的是土地利用情況，其圖斑的生成受到成圖標準、規(guī)范和比例尺等多種因素的影響，使得直接通過配準套合得到的像斑并不能保持其內(nèi)部的光譜一致性，因此需要對像斑進行再分割［9－10］。

本研究使用的土地利用圖分類系統(tǒng)是“全國土地利用分類(過渡期間適用)”，選擇地類碼為“11”、“12”、“13”類別的像斑組成綠地類別，地類碼為“20”、“26”、“27”、“31”類別的像斑組成城區(qū)類別進行實驗。實驗區(qū)域像斑分布情況如圖3所示，邊界顯示為綠色的像斑為所有綠地實驗樣本像斑，顯示為粉紅色的像斑為城區(qū)實驗樣本像斑。經(jīng)過配準套合和再分割后，綠地類別樣本像斑的數(shù)目為187個，城區(qū)類別為2 326個。提取每個像斑的藍、綠、紅、近紅外波段的灰度均值、標準差共8個特征構成特征空間。

圖3 實驗區(qū)假彩色圖像樣本像斑Fig.3 Image segments of study area false color image

3.2 變化檢測結果

根據(jù)上述算法進行實驗，獲取初始變化結果后，將利用式(3)計算獲得的T值分為30組，統(tǒng)計T值的分布圖，如圖4所示。

圖4 綠地(左)及城區(qū)(右)T值直方圖分布曲線Fig.4 Green land(left)and city(right)T value histogram distribution curve

變化閾值一般在直方圖分布曲線波谷或其附近一定范圍內(nèi)選取。在本次試驗中，綠地類別初始結果獲取時選取變化閾值 ρ=1.6，迭代時 ρ=4.8，實驗結果迭代1次后收斂;城區(qū)類別初始結果獲取時選取 ρ=1.3，迭代時 ρ=3.7，實驗結果迭代 1 次后收斂。檢測結果(部分)如圖5所示。

圖5 變化檢測部分結果Fig.5 Part of change detection results

對檢測結果進行的目視檢查表明，多數(shù)發(fā)生了較為明顯變化的像斑都可以被正確檢測出來。從圖5可以看出，綠地實驗樣本像斑集中在圖像左下部，共有77個像斑被檢測為變化。為進一步分析實驗結果，對綠地樣本像斑進行了目視判斷，與實驗結果對比，77個實驗檢測的變化像斑中，有57個像斑與目視判斷結果相一致，占所有實驗檢測變化像斑的74.03%。城區(qū)實驗樣本像斑集中在圖像上部，共有776個像斑檢測為發(fā)生了變化，因城區(qū)樣本像斑數(shù)目很多，故隨機抽取100個城區(qū)樣本像斑(圖5上的粉紅色邊界像斑)進行實驗結果分析，證實在41個檢測為發(fā)生了變化的像斑中有35個像斑與目視判斷結果一致，占實驗檢測變化像斑的85.37%。圖上藍色邊界像斑則是兩個類別實驗檢測變化像斑中與目視檢測一致的像斑。由此證明了該方法的可行性。

4 結論

1)圖像間不變地物光譜特征變化具有類內(nèi)規(guī)律性，本文基于類別光譜變化規(guī)律的高分辨率遙感圖像土地利用變化檢測方法，通過計算獲取圖像間各類別地物光譜變化規(guī)律，將不符合上述規(guī)律的像斑確定為變化像斑。實驗以綠地類別和城區(qū)類別為例證實了方法的可行性。

2)較之其他分類前比較的變化檢測方法，本方法對于前后期圖像系統(tǒng)性響應光譜差異具有一定甄別能力，因此也有可能應用于非同源圖像間的變化檢測。

3)像斑同質性、樣本像斑光譜特征變化的復雜性和典型性是影響實驗結果的重要因素。

4)如何進行最佳閾值的自動獲取以及對類別規(guī)律更加準確的表達，是今后進一步研究的重點。

［1］ 白 穆，劉慧平，喬 瑜，等.高分辨率遙感圖像分類方法在LUCC 中的研究進展［J］.國土資源遙感，2010(1):19－23.Bai M，Liu H P，Qiao Y，et al.New Progress in the Classification of High Spatial Resolution Satellite Images for LUCC［J］.Remote Sensing for Land and Resources，2010(1):19 － 23(in Chinese with English Abstract).

［2］ 林麗群.基于像斑的高光譜影像跨尺度分類研究［D］.武漢:武漢大學，2008.Lin L Q.The Scale－span Classification of Hyperspectral Image Based on Image Segment［D］.Wuhan:Wuhan University，2008(in Chinese with English Abstract).

［3］ Walker J S，Blaschke T.Object-based Land-cover Classification for the Phoenix Metropolitan Area:Optimization vs.Transportability［J］.International Journal of Remote Sensing，2008，29(7):2021－2040.

［4］ 陳 晉，何春陽，史培軍，等.基于變化向量分析的土地利用/覆蓋變化動態(tài)監(jiān)測(Ⅰ)——變化閾值的確定方法［J］.遙感學報，2001，5(4):259 －266.Chen J，He C Y，Shi P J，et al.Land Use/Cover Change Detection with Change Vector Analysis(CVA):Change Magnitude Threshold Determination［J］.Journal of Remote Sensing，2001，5(4):259 －266(in Chinese with English Abstract).

［5］ 孫曉霞，張繼賢，燕 琴，等.遙感影像變化檢測方法綜述及展望［J］.遙感信息，2011(1):119－123.Sun X X，Zhang J X，Yan Q，et al.A Summary on Current Techniques and Prospects of Remote Sensing Change Detection［J］.Remote Sensing Information，2011(1):119 －123(in Chinese with English Abstract).

［6］ Zhang R Q，Zhu D L.Study of Land Cover Classification Based on Knowledge Rules Using High－resolution Remote Sensing Images［J］.Expert Systems with Applications，2011，38(4):3647 －3652.

［7］ 關元秀，程曉陽.高分辨率衛(wèi)星影像處理指南［M］.北京:科學出版社，2008.Guan Y X，Cheng X Y.High Resolution Satellite Image Processing Guidelines［M］.Beijing:Science Press，2008(in Chinese).

［8］ 舒 寧.關于遙感影像處理分析的理論與方法之若干問題［J］.武漢大學學報:信息科學版，2007(11):1007－1010.Shu N.Aspects of the Theories and Methodologies for Remote Sensed Image Processing and Analysis［J］.Geomatics and Information Science of Wuhan University，2007(11):1007 － 1010(in Chinese with English Abstract).

［9］ Definiens eCognition Developer 8 User Guide，Document Version 1.2.0［EB/OL］.Definiens AG，Trappentreustr.1，D － 80339 München，Germany，2009.

［10］ Benz U C，Hofmann P，Willhauck G，et al.Multi－ resolution，Object－oriented Fuzzy Analysis of Remote Sensing Data for GIS－ready Information［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2004，58(3/4):239 －258.

Land Use Change Detection Based on Class Spectral Change Rule

WANG Yan1，SHU Ning1，2，GONG Yan1，LI Xue3
(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;3.Institute of Seismology，China Earthquake Administration，Wuhan 430071，China)

This paper gives a proposal for land use change detection using high resolution remote sensing images based on class spectral change rules.Image segments and their class properties can be obtained by matching remote sensing images and land use map.Then the spectral distribution curve of each feature of the segments belonging to the same class is constructed for each image.Based on these curves，the spectral change rule of each class can be obtained by calculating fitting parameters of cubic polynomial.According to these parameters a change threshold is set and，through iteration，the image segments whose spectral change does not comply with the spectral change rule of their class are detected as the change segments.Two multispectral Quickbird images of part of Wuhan City obtained from 2002 and 2005 and a 1∶10 000 land use map of 2002 in the same region were used as the study area.Exemplified by green land and urban areas，the results show the validity of this method.

change detection;high resolution;land use;image segment;object－based;class spectral change rule

TP 75;P 237

A

1001－070X(2012)03－0092－05

10.6046/gtzyyg.2012.03.17

2011－10－10;

2011－12－19

國家自然科學基金項目(編號:41101412)、湖北省自然科學基金重大項目(編號:2006ABD003)以及中央高?；究蒲袠I(yè)務費專項基金項目(編號:3101009)共同資助。

王 琰(1984－)，女，博士研究生，研究方向為遙感圖像解譯。E－mail:wangyan.jenny@163.com。

(責任編輯:李 瑜)