田方 武喜紅

摘 要：該文從如何提高遙感影像變化檢測的精度出發(fā)，提出了一種基于面向?qū)ο蟮腎dex-CVA變化檢測法。通過實驗數(shù)據(jù)分析，面向?qū)ο蟮腎dex-CVA法可以把圖像指數(shù)變換與CVA法的優(yōu)勢融合，能夠提高檢測精度，降低虛檢率、漏檢率。隨著經(jīng)濟與科技的發(fā)展，尤其是近年來人口的快速增長和城鎮(zhèn)化的推進，地表覆蓋物的變化越來越頻繁，如果我們能用既快速又有效的方法檢測到地表覆蓋物的變化，在國情監(jiān)測、農(nóng)業(yè)普查、研究土地變化等領(lǐng)域具有十分重要的意義。

關(guān)鍵詞：遙感影像? 變化檢測? Idex-CVA? 面向?qū)ο?/p>

中圖分類號：P23? ? ? 文獻(xiàn)標(biāo)識碼：A

Abstract： In order to improve the accuracy of remote sensing image change detection， an object-oriented IDEX-CVA change detection method was proposed in this paper. Through the analysis of experimental data， the object-oriented IDEX-CVA method can integrate the advantages of image exponential transformation and CVA method， and improve the detection accuracy and reduce the false detection rate and missed detection rate. With the development of economy and science and technology， especially in recent years the rapid growth of population and the urbanization advancement， the change of the surface covering more and more frequently， if we can use both rapid and effective method to detect the changes of the surface covering， in monitoring the state of the union， agricultural census， study in the fields of land change is of great significance.

Key Words：Remote sensing image;Change detection;Idex-CVA;Object-oriented

1研究背景和意義

當(dāng)今遙感技術(shù)進入了一個快速發(fā)展的階段，“三多和三高”已經(jīng)成為遙感技術(shù)的最大特點，三多是指多角度、多傳感器和多平臺，三高是指高光譜分辨率、高空間分辨率和高時間分辨率，遙感影像變化檢測已成為空間信息科學(xué)中較為活躍的研究方向之一[1]。面向?qū)ο笥跋穹治黾夹g(shù)以對象為基本操作單元，是結(jié)合遙感和地理信息系統(tǒng)的一種新型地學(xué)分析工具，在遙感圖像分析處理中廣泛應(yīng)用。

基于遙感影像的變化檢測已經(jīng)取得了一定的應(yīng)用成效，在土地利用動態(tài)檢測、自然資源調(diào)查、農(nóng)作物遙感動態(tài)檢測與評估、環(huán)境變遷檢測、重大自然災(zāi)害檢測與評估、森林變化檢測等領(lǐng)域均已得到廣泛應(yīng)用。可用于變化檢測的遙感影像數(shù)據(jù)是海量的，如何能夠準(zhǔn)確而又快速地利用這些遙感數(shù)據(jù)發(fā)現(xiàn)變化，如何從遙感影像中自動提取變化區(qū)域等理論和技術(shù)是遙感技術(shù)未來發(fā)展的研究方向[2]。

在現(xiàn)有的遙感數(shù)據(jù)源中，中分辨率衛(wèi)星遙感影像具有獲取成本低，覆蓋范圍廣，重訪周期較短等特點，非常適用于大范圍的國土及農(nóng)業(yè)的動態(tài)變化檢測，已成為遙感影像變化檢測的主要數(shù)據(jù)源。但基于這類遙感影像數(shù)據(jù)的遙感影像變化檢測中仍有不少問題尚待研究解決。因此，該文以中分辨率衛(wèi)星遙感影像為數(shù)據(jù)源展開遙感影像變化檢測研究，運用新的技術(shù)和理念（面向?qū)ο筮b感影像分析和Idex-CVA變換）來對傳統(tǒng)的遙感影像變化檢測流程進行改進，以提高遙感影像變化檢測的檢測精度，降低其檢測誤差。

2? 國內(nèi)外研究現(xiàn)狀

遙感影像變化檢測技術(shù)最早出現(xiàn)在20世紀(jì)60年代，德國布拉施克提出了基于影像對象進行遙感影像變化檢測處理的框架，國內(nèi)學(xué)者于海霞利用遙感影像進行了贛南稀土開采變化檢測。中國地震局宋立強研究員采用了汶川地震前、地震后的福衛(wèi)二號數(shù)據(jù)，使用面向?qū)ο蠓椒ńY(jié)合高程數(shù)據(jù)對北川附近的災(zāi)情進行了動態(tài)遙感影像變化檢測分析，取得了較好的結(jié)果[3]。遙感影像變化檢測主要有以下幾個方面的研究成果。

一是應(yīng)用領(lǐng)域的普遍化，從早期軍事方面的應(yīng)用到現(xiàn)在國民經(jīng)濟建設(shè)中的應(yīng)用。

二是遙感數(shù)據(jù)的多源化，從早期航攝像片到現(xiàn)在衛(wèi)星遙感影像。

三是影像信息的多樣化，從單一影像反應(yīng)某一特性到現(xiàn)在特征結(jié)合反應(yīng)綜合特性。

四是檢測方法的綜合化，從單一檢測方法到現(xiàn)在多方法融合。

但是，遙感影像的變化檢測方式還存在不足，具體如下。

一是理論上的欠缺：遙感影像的變化檢測方法大多是針對一些具體的應(yīng)用場景進行研究，進而提出來的，暫時還沒有形成系統(tǒng)的遙感影像變化檢測理論研究體系。

二是對數(shù)據(jù)質(zhì)量的要求極高：遙感影像的變化檢測算法對影像數(shù)據(jù)預(yù)處理的質(zhì)量要求都很高。要保持遙感影像的變化檢測方法的魯棒性和有效性，較好的數(shù)據(jù)質(zhì)量必不可少。

三是算法通用性不足：一般情況下，用于進行遙感影像的變化檢測算法都是針對具體的應(yīng)用需求而進行設(shè)計，不同領(lǐng)域的應(yīng)用有不同的遙感影像變化檢測算法。

四是自動化程度不高：遙感影像的變化檢測自動化是其工程化應(yīng)用必然的發(fā)展方向，因此如何自動準(zhǔn)確地界定變化區(qū)域是當(dāng)前遙感影像變化檢測中面臨的首要問題。

3基于面向?qū)ο蟮闹蟹直媛蔬b感影像變化檢測方法研究

在遙感影像數(shù)據(jù)預(yù)處理、特征提取、變化檢測、精度分析、成果輸出等遙感影像變化檢測流程的基礎(chǔ)上[4]。

首先對比像元級先分類后變化檢測法和對象級先分類后變化檢測法，如圖1所示，白色部分表示檢測正確的變化區(qū)域，即檢測精度指標(biāo);黑色部分表示檢測正確的非變化區(qū)域;灰色部分表示錯檢的非變化區(qū)域（即虛檢率指標(biāo)）和漏檢的變化區(qū)域（即漏檢率指標(biāo)）。統(tǒng)計出檢測正確的變化區(qū)域和非變化區(qū)域，且各區(qū)域用不同的灰度表示，并依次對比檢測正確的變化區(qū)域和非變化區(qū)域?qū)?yīng)檢測精度指標(biāo)。其中錯檢的非變化區(qū)域?qū)?yīng)虛檢率指標(biāo)，漏檢的變化區(qū)域?qū)?yīng)漏檢率指標(biāo)。其次對比像元級全成分分析檢測和對象級全成分檢測，最后對比像元級變化矢量分析檢測和對象級變化矢量分析檢測，同樣，統(tǒng)計出檢測正確的變化區(qū)域和非變化區(qū)域，且各區(qū)域用不同的灰度表示，并依次對比檢測正確的變化區(qū)域和非變化區(qū)域?qū)?yīng)檢測精度指標(biāo)。其中錯檢的非變化區(qū)域?qū)?yīng)虛檢率指標(biāo)，漏檢的變化區(qū)域?qū)?yīng)漏檢率指標(biāo)。

對于3種檢測方法的精度分析做以下3種指標(biāo)對比。

（1）變化檢測精度對比，使用環(huán)境一號衛(wèi)星數(shù)據(jù)與Landsat8衛(wèi)星數(shù)據(jù)進行對比實驗。環(huán)境一號衛(wèi)星數(shù)據(jù)像元級先分類后變化檢測法的檢測精度是最好的，其次是CVA法，最后是PCA法。環(huán)境一號衛(wèi)星數(shù)據(jù)對象級、Landsat8衛(wèi)星數(shù)據(jù)像元級和對象級的檢測精度都是CVA法最好的，其次是先分類后變化檢測法，最后是PCA法。

（2）虛檢率對比，使用環(huán)境一號衛(wèi)星數(shù)據(jù)與Landsat8衛(wèi)星數(shù)據(jù)進行對比實驗。HJ-1B衛(wèi)星數(shù)據(jù)像元級、HJ-1B衛(wèi)星數(shù)據(jù)對象級和Landsat8衛(wèi)星數(shù)據(jù)像元級的虛檢率都是先分類后變化檢測法的結(jié)果是最高的，其次是PCA法，最低的是CVA法。Landsat8衛(wèi)星數(shù)據(jù)對象級的虛檢率是PCA法的結(jié)果最高，其次是先分類后變化檢測法，最低的是CVA法。

（3）漏檢率對比，使用環(huán)境一號衛(wèi)星數(shù)據(jù)與Landsat8衛(wèi)星數(shù)據(jù)進行對比實驗。HJ-1B衛(wèi)星數(shù)據(jù)和Landsat8衛(wèi)星數(shù)據(jù)的像元級虛檢率結(jié)果排序一致，都是PCA法得到的漏檢率最高，其次是CVA法，最低的是先分類后變化檢測法。兩種數(shù)據(jù)的對象級虛檢率結(jié)果排序也是一致的，都是PCA法得到的漏檢率最高，其次是先分類后變化檢測法，最低的是CVA法。

總結(jié)以上方法的精度，該文提出了一種基于面向?qū)ο蟮腎dex-CVA變化檢測法，該方法利用植被指數(shù)、水體指數(shù)和不透水面指數(shù)3種圖像指數(shù)對Landsat8的多波段數(shù)據(jù)進行信息壓縮，從而使生成的變化矢量具有明確的地學(xué)含義，實現(xiàn)了代數(shù)運算類方法與變換類方法的有機結(jié)合。

NDVI對葉綠素十分敏感，能夠很好地突出影像中的綠色植被信息;MNDWI對水體十分敏感，能夠很好地突出影像中的自然或人工水體信息;NDISI對以水泥地面為代表的不透水面十分敏感，能夠較好地突出影像中的各種人工建筑和沙石、裸地等信息[5]。

矢量結(jié)果與標(biāo)準(zhǔn)矢量結(jié)果在ArcGIS 10.2中進行疊置分析，再按照混淆矩陣計算出變化檢測結(jié)果的檢測精度、虛檢率、漏檢率以及總檢測誤差。同樣，統(tǒng)計出檢測正確的變化區(qū)域和非變化區(qū)域，且各區(qū)域用不同的灰度表示，并依次對比檢測正確的變化區(qū)域和非變化區(qū)域?qū)?yīng)檢測精度指標(biāo)。其中錯檢的非變化區(qū)域?qū)?yīng)虛檢率指標(biāo)，漏檢的變化區(qū)域?qū)?yīng)漏檢率指標(biāo)。

最后對4種檢測方法進行精度評價，從分析數(shù)據(jù)上可以看出：（1）提高了變化檢測結(jié)果中圖斑的完整性，抑制了“椒鹽現(xiàn)象”。（2）有效消除數(shù)據(jù)冗余。（3）有效降低虛檢率和檢測誤差，但是無法明顯提高檢測精度。

4? ?總結(jié)和展望

該文對比了像元級與對象級變化檢測的檢測精度、虛檢率和漏檢率這3個性能指標(biāo)，分析后認(rèn)為變化檢測的檢測精度主要取決于所選用的變化檢測方法，基于面向?qū)ο笥跋穹治黾夹g(shù)無法明顯提高檢測精度，但可以降低虛檢率。

將面向?qū)ο笥跋穹治黾夹g(shù)與圖像指數(shù)變換和CVA變化檢測法相結(jié)合，提出了一種基于面向?qū)ο蟮腎dex-CVA變化檢測法。實驗表明該文提出的面向?qū)ο蟮腎dex-CVA法可以把圖像指數(shù)變換與CVA法的優(yōu)勢融合，能夠提高檢測精度，降低虛檢率和漏檢率。

就文中對基于面向?qū)ο笥跋穹治龅淖兓瘷z測的研究與實現(xiàn)而言，還有一些亟待完善和改進的地方，如何解決下面這些問題有待在以后的學(xué)習(xí)中進一步研究與探討。

（1）數(shù)據(jù)的選擇和預(yù)處理是變化檢測首先要解決的問題。由于目前尚缺乏完整、可操作的理論分析方法，該文僅是憑借經(jīng)驗對檢測數(shù)據(jù)進行選擇和預(yù)處理。雖然現(xiàn)階段的預(yù)處理技術(shù)已經(jīng)可以將不同時相的數(shù)據(jù)在空間上精確的疊合在一起，但仍無法自動消除時相差帶來的偽變化。而偽變化則是變化檢測誤差的主要來源。在現(xiàn)階段的實際應(yīng)用中，人們?nèi)灾荒芡ㄟ^經(jīng)驗來篩選在時間上精確配準(zhǔn)的多時相數(shù)據(jù)，以抑制時相差帶來的偽變化。如果是遙感影像數(shù)據(jù)還需考慮植被生長周期等因素，這就極大地限制了多時相數(shù)據(jù)在變化檢測中的應(yīng)用。因此有必要系統(tǒng)的研究相關(guān)理論方法，并結(jié)合其他專業(yè)領(lǐng)域的專家知識和經(jīng)驗，實現(xiàn)變化檢測數(shù)據(jù)選取與預(yù)處理的標(biāo)準(zhǔn)化和自動化。

（2）由于較難獲取滿足實驗條件的高分辨率遙感數(shù)據(jù)，該文只使用了中分辨率多光譜遙感影像（空間分辨率為30 m的HJ-1B衛(wèi)星影像和Landsat8衛(wèi)星影像）來進行基于面向?qū)ο蟮淖兓瘷z測研究。該文的研究結(jié)論是否適用于高分辨率遙感數(shù)據(jù)，仍然有待將來做更為深入的研究及探討。

總之，變化檢測是一個較為復(fù)雜的過程，其理論和方法研究正在經(jīng)歷一個快速的發(fā)展時期，且涉及到眾多研究領(lǐng)域，各個環(huán)節(jié)都會對變化檢測的最終結(jié)果產(chǎn)生影響，仍需要不斷的充實、豐富和完善。

參考文獻(xiàn)

[1] 趙敏，趙銀娣.面向?qū)ο蟮亩嗵卣鞣旨塁VA遙感影像變化檢測[J].遙感學(xué)報，2018，22（1）：119-131.

[2] 陳揚洋，明冬萍，徐錄，等.高空間分辨率遙感影像分割定量實驗評價方法綜述[J].地球信息科學(xué)學(xué)報，2017，19（6）：818-830.

[3] 張立福，王颯，劉華亮，等.從光譜到時譜——遙感時間序列變化檢測研究進展[J].武漢大學(xué)學(xué)報：信息科學(xué)版，2021，46（4）：451-468.

[4] 張涵，秦昆，畢奇，等.注意力引導(dǎo)的三維卷積網(wǎng)絡(luò)用于遙感場景變化檢測[J].應(yīng)用科學(xué)學(xué)報，2021，39（2）：272-280.

[5] 張濤，方宏，韋玉春，等.顧及空間自相關(guān)性的高分遙感影像中建設(shè)用地的變化檢測[J].自然資源學(xué)報，2020，35（4）：963-976.

[6] 張慧芳.基于機器學(xué)習(xí)和模糊融合的高分影像變化檢測研究[D].武漢：武漢大學(xué)，2020.