图像变化检测方法综述.docx

图像变化检测方法综述.docx

《图像变化检测方法综述.docx》由会员分享，可在线阅读，更多相关《图像变化检测方法综述.docx（9页珍藏版）》请在冰豆网上搜索。

图像变化检测方法综述

本页仅作为文档封面，使用时可以删除Thisdocumentisforreferenceonly-rar21year.March

图像变化检测方法综述

题目：

图像变化检测方法综述

学号：

姓名：

图像变化检测方法综述

摘要

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副或多幅图像，检测出该地区的地物随时间发生的变化信息。

本文主要用遥感图像的变化检测为例来进行说明，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。

本文对常见的变化检测方法进行了概括性的介绍与优缺点评述，并分析了当前变化检测方法中存在的普遍问题；并在此基础上，实现了一种基于模糊贴近度的变化检测方法，通过计算相应像素点之间的模糊贴近度，得到了差异图，并用FCM对其聚类，得到了目标图像的变化检测结果。

关键词：

变化检测遥感模糊贴近度

1.引言

随着社会与科技的发展,人类开发资源与改造自然的能力不断增强,自然界的变化和人类的各种活动每天都在改变着地表景观及其土地利用形式。

世界人口的快速增长及城市化的发展,加快了这种变化的速度。

这些变化将对地球资源和生态环境产生深远的影响,已经引起了广泛关注。

土地利用与土地覆盖变化研究已经成为全球变化研究中的前沿与热点。

由于遥感对地观测具有实时、快速、覆盖范围广、多光谱、周期性等特点,遥感技术已经成为变化检测最主要的技术手段,变化检测研究也是目前遥感应用方法研究中的热点之一。

最近20年来,各国学者相继发展了许多基于遥感技术的变化检测方法,也出现了不同的划分方法,大致可以归纳为以下几种。

按数据源将变化检测方法分为3类:

基于新旧影像的变化检测、基于新期影像旧期非影像数据的变化检测、基于立体像对的三维变化检测;按处理的信息层次将变化检测划分为像元级、特征级与决策级3个层次;按是否经过分类将其分为直接比较法和分类后比较法两类;最近还有学者按照采用的数学方法将变化检测技术分成代数运算法、变换法、分类法、GIS法、高级模型法等7种。

随着土地覆盖变化的复杂性以及遥感数据多样性的增加,新的变化检测方法以及新的图像处理算法不断涌现,例如,利用变化向量分析法、马尔科夫随机场模型进行变化检测,利用概率统计学理论进行基于图斑的变化检测法,利用支撑向量机、面向对象技术进行分类等。

总之,多项研究与实践证明,目前还没有哪种方法被普遍认为是最优的,由于这些方法大多是在不同的环境下基于不同的用途提出来的,各自具有不同的适用性与局限性。

伴随着遥感数据获取技术的快速发展,越来越多各具特色的遥感数据及其组合对变化检测提出了新的技术要求。

2.遥感图像变化检测技术现状

遥感影像变化检测是从不同时期的遥感数据中,定量地分析和确定地表变化的特征与过程。

简单地说就是通过遥感手段,对同一地区不同时期的两个影像提供的信息进行分析、处理与比较,获取该时间段内的土地利用与覆盖变化信息。

从技术流程上看,一般包括影像预处理、变化信息发现、变化区域提取与变化类型确定几个过程,在对图像进行预处理完后，剩下的关键环节是变化信息发现,多数研究都是围绕该环节进行的。

本文从算法的角度将目前变化检测的方法分为四类:

（1）基于简单代数运算的变化检测；

（2）基于图像变换的变化检测；

（3）基于图像分类的变化检测；

（4）基于特征描述的变化检测。

下面分别对上述四种方法的代表算法进行阐述。

基于简单代数运算的变化检测

基于代数运算的变化检测技术包括图像差值（imagedifferencing）、图像比值（imageratio）、植被指数（NDVI）、图像回归（imageregression）和变化向量分析（changevectoranalysis）等。

（1）图像差值法

图像差值法是最简单、最常用的一种变化检测方法，其基本原理是将不同时间获取的两幅影像进行配准，然后将图像中对应像元的灰度值相减，从而获得一幅新的差异图像以表示在所选两个时间当中目标区所发生的变化。

理论上，在得到的差值图像上，差值为0或接近0的认为是不变区域，不为0的认为是变化区域。

图像差值法的优点在于理论相对简单、直接，容易理解和掌握，但常常只能定量地描述目标区是否发生了变化，而很难确定目标区域发生变化的性质。

为了能确定变化的性质还需结合其他方法进行分析，从而获得最终的目标区变化信息。

另一方面，由于相同地物在不同时相的光谱特征往往是不同的，因此变化阈值需要根据实际情况选取。

设

和

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

。

时相1的遥感图像

时相2遥感图像

，则两时相遥感图像的差值运算得到的差异图

按下式进行计算：

（2）图像比值法

图像比值法是将不同时相的遥感影像对应波段进行逐像元相除。

通过对不同时相影像做相对辐射校正，得到的比值图像增强了变化信息，其中像元比值为1或者近似为1的认为是未发生变化的区域，像元比值明显高于或低于1的认为是发生变化的区域。

比值法的理论假设是比值图像呈正态分布，通常采用均值和标准偏差作为标准划分变化与非变化区域，但对于很多实际问题该假设并不总是成立的，这时变化阈值的选择就成为比值法变化检测是否有效的关键。

比值法和差值法一样都直观，容易掌握，变化检测速度快，但这种方法过于简单，很难考虑到所有因素的影响，容易造成大量信息的流失，同时该方法对图像的配准精度要求很高。

两时相图像的对数比值图如下式进行计算：

（3）植被指数法

植被指数（NDVI）是为了从来自地球遥感观测卫星的图像数据中了解全球植被分布状况的指标，它将遥感图像中不同波段的灰度值进行各种组合运算，计算反映植被的常用比率和指数。

目前常用的植被指数有NDVI、TNDVI等几种，如归一化差异植被指数常用来对土地利用进行动态变化检测。

利用植被对光学传感器的近红外波段与红外波段的明显的响应差（植被吸收红外波段，强烈反射近红外波段），通过这两个波段的比值突出植被变化信息，再通过阈值提取植被信息和非植被信息，能够很好地反映地面植被的覆盖情况。

由于植物普遍对红光强烈吸收和对近红外光强烈

反射，因此红光和近红外波段之间的比值有利于提高光谱差异。

利用波段间比值图像主要有两个优点：

不同地物特征的光谱响应曲线差异可能会在比值图像中得到进一步增强；比值能压抑地形效应并对辐射差异进行一定程度的归一化。

它对地面植被变化信息的检测具有较好的效果，但对于地面其他变化类型的检测适用性不强。

（4）图像回归分析法

回归分析方法首先假定两期影像线性相关，也就是说两期影像中，多数像元变化不大。

该方法通过最小二乘法进行回归分析，然后再用回归方程计算出的预测值减去影像真实值，从而获得两期影像的回归差值影像，利用该影像可以反映土地覆盖变化信息。

回归分析方法解决了不同时相影像像元均值和方差的差异，处理后的遥感影像数据在一定程度上类似于相对辐射校正，因而能够减小多时相影像数据中由于大气条件和太阳高度角的不同所带来的不利影响。

但是这种方法的检测需要得到准确的回归方程且需要选择合适的波段，在实际应用中精度不高。

（5）变化向量分析法

变化矢量分析法首先对两个不同时相的影像进行差值运算，求得每个像元的变化值，称为变化向量。

变化的强度用变化向量的欧氏距离表示，变化的内容用变化向量的方向表示。

变化矢量分析法可以利用较多甚至全部的波段来探测变化像元，因此避免了单一波段比较所带来的信息不完整，而且可以通过变化矢量的方向提供变化类型信息，但是随着波段数的增加，变化阈值的确定比较困难。

基于代数运算的变化检测技术的优点是相对简单、直接，其关键是确定阈值。

由于现在还没有一种可靠的阈值选取方法，因此常常采用交互的方法确定变化阈值，这类方法中还一个重要的环节是选择合适的波段或者波段组合。

这类方法的不足是难以确定变化的类别和不能对变化信息进行描述。

基于图像变换的变化检测

基于图像变换的变化检测方法主要包括主成分分析（PCA）、缨帽变换（K-T）和典型相关分析（Canonical）等。

（1）主成分分析法

主成分变换又称为主分量分析，它是建立在统计特征基础上的多维正交线性变换，是一种离散的K-L变换

。

它应用于遥感图像处理中，其作用主要是数据压缩、图像增强和特征选取等。

一幅多波段遥感图像的不同波段之问往往存在着很高的相关性，对其进行主成分变换的实质是将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，使新图像数据更易于解译。

将不同时相的多波段数据经主成分变换后，新图像中各主分量正交即各主分量之间的相关系数为零或接近零，并且新图像中的几个主分量就包含了原始遥感影像中的绝大部分信息。

一般来说，第一主分量包括了原始多波段影像信息的绝大部分内容，相当于原来各波段的加权和，每个波段的权值与该波段的方差大小成正比。

其他各主分量所包括的信息逐渐减少，相当于相关程度较低的波段之问的差异。

因此，对几个变化后的主分量进行合成，就可以达到数据压缩和突出变化信息的目的。

（2）K-T变换法

通过对不同时相图像的各波段建立变换方程，变换后，TM产生6个分量（除热红外波段），MSS图像产生4个分量，在前三个分量集中了绝大部分信息且与地物有明确对应关系，所以只取其前三个分量。

K-T变换后再对两时相图像相减生成变化图像，最后通过阈值法来辨识变化信息，但K-T变换不适合SPOT图像。

因为K-T变换算法的转换系数对每种传感器是不同的，目前还没人提出K-T变换应用于SPOT的转换系数。

（3）典型相关分析法

与PCA方法类似，典型相关分析法的思路是，将多时相的多光谱图像看作是多元随机变量，引入多元统计分析的理论和方法进行变化检测的研究。

其实质是把差异总信息分配到互不相关的几个变量上，以达到最大限度保持这一差异的总信息量不改变的情况下，检测出图像之间发生的变化。

基于图像分类的变化检测

这类变化检测主要有分类后比较（post-classification）和多时相图像同时分类两种方法。

这类方法可以提供变化的种类信息，并且可以减少大气等外部因素对变化检测的影响。

然而，这类方法需要选择足够的高精度的学习样本，而这对于历史数据是非常困难的，且基于分类的变化检测性能受分类结果的影响很大。

（1）分类后比较法

分类后比较法也是目前遥感变化检测中应用较广泛的一种方法，其原理是对两个不同时相的影像进行单独分类，然后在已经分类的区域中逐像素比较以确定变化信息的位置和类型。

（2）多时相图像同时分类法

这种方法是将两个或多时相的遥感图像数据放在一个数据库中同时进行分类。

出现变化的类别，其数据的统计量如标准偏差等将很大，而未发生变化的类别其数据的标准方差很小，因此通过统计量的比较可以区分出类别变化与否。

可以看到，这是一种比较复杂的方法，因为它常常需要很多类和特征。

而这其中有一些很可能是冗余信息，可以通过主成分变换等方法去除冗余。

另外一个问题是，在合成的数据库中，时间特征和光谱特征具有同等地位，因此，分类中很难将光谱变化和时间变化轻易区分开来。

基于特征描述的变化检测

（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。

（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。

3.一种自己实现的基于模糊贴近度的变化检测方法

对已配准和校正的两时相SAR图像T1和T2，根据SAR图像的特点，采用如下的相似度公式来构造差异图（differenceimage，简记:

DI）：

其中

表示位置x上的一个邻域的位置指示集，即取其空间上的一个邻域，把由邻域元素构成的集合看作是模糊向量，用上式度量两模糊向量间的相似度。

若得到上式的值越大，则该位置上的像素点越接近于未变化类，反之，为变化类。

根据上式计算出差异图，然后滤波，二聚类即可得到变化检测图。

图1变化前图2变化后

图3变化参考图图4变化图

由上图可得按照以上算法得出的效果图也是极好的。

4.遥感变化检测方法变化趋势

随着新的传感器不断出现，卫星数据产品不断增多，关于遥感图象变化检测方法的研究形式也出现了新的变化趋势。

（1）遥感变化检测方法由传统的线型运算处理模式拓展到了非线型处理模式；

（2）从单一的多光谱遥感数据影像变化检测方式升级为综合利用多源影像相关数据进行变化检测方式；

（3）遥感变化检测模式由单纯考虑影像的像素DN值的运算演化为考虑像素内部组成，以及像素内物质的反射物理机制的复杂演算；

（4）遥感变化检测方法由单一的变化检测方式发展为复合式的变化检测技术。

5.参考文献

[1]马云飞，李宏.遥感变化检测技术方法综述[J].测绘与空间地理信息，2014，

（1）：

132-134.

[2]李伟.面向对象的遥感变化检测研究[J].北京测绘，2013，

（1）：

11-15.

[3]黄亮，左小清，於雪琴.遥感影像变化检测方法探讨[J].测绘科学，2014，38（4），203-206.

[4]Radke,.,Andra,S.,A-lKofahi,O.,Roysam,R..Imagechangedetectionalgorithms:

Asystematicsurvey[J].IEEETransactionsonImageProcessing,2005,14（3）:

294-307.

[5]李晖晖，郭雷，刘航.基于互补信息特征的SAR与可见光图像融合研究[J].计算机科学,2006,33（004）:

221-224.

[6]赵英时．遥感应用分析原理与方法．北京：

科学出版社，2003．4-7．

[7]Lillesand．，KieferR．W．著，彭望碌，余先川，周涛等译，遥感与图像解译.第四版.北京:

电子工业出版社，．

[8]万鹏，王健国等．SAR图像目标综合检测算法．鬯子笋掘2001（3）：

323-325．

[9]CPohl,JLvanGenderen.Multisensorimagefusioninremotesensing:

Concepts,methodsandapplications[J].InternationalJournalofRemoteSensing,1998,19（5）:

823-854.

[10]戴昌达,姜小光，唐伶俐等.遥感图像应用处理与分析．北京：

清华大学出版社，2004．86-90．