精华内容
下载资源
问答
  • 多时相影像动态检测技术
  • 遥感多时相影像动态检测
  • 一、什么是多时相影像多时相影像是指反映一组遥感影像在时间系列上具有的特征,有多时相遥感影像。 广义地讲,凡是在不同时间获取的同一地域的一组影像、地图或地理数据,都可视为“多时相”的数据。遥感...

    一、什么是多时相影像?

    多时相影像是指反映一组遥感影像在时间系列上具有的特征,有多时相遥感影像。

    广义地讲,凡是在不同时间获取的同一地域的一组影像、地图或地理数据,都可视为“多时相”的数据。遥感技术特别是卫星遥感具有按固定周期实现对地球重复覆盖的能力,能提供各种时间分辨率的多时相遥感影像,满足动态分析的要求。多时相遥感影像资料的要求,依分析对象动态变化速度及过程的时间长短而定。如对台风发展过程的对比分析,要求有12小时以内时间间隔和多达十数天的系列多时相卫星云图;分析沙漠化的速率和范围,只需不同年份的多时相资料即可。


    二、最早能看到什么时候的历史影像(多时相影像)

    谷歌2013年与美国地质调查局、美国国家航空航天局(NASA)和《时代周刊》合作汇总自1984以来的卫星地图,让用户希望能查看并下载多时相影像的愿望得以实现。


    三、如何切换查看历史影像地图

    请确保水经注万能地图下载器软件版本为X3.0build1469及以上,在地图类型中选择“历史影像”切换到多时相历史影像地图,这里以“鸟巢”和“水立方”的历史影像为例,效果如下图所示。


    1.jpg


    四、如何查看不同时相的历史影像地图

    拖动时间轴上的滑块,可以查看指定日期拍摄的卫星影像,如2006年4月27日的鸟巢和水立方建设情况如下图所示。


    2.jpg


    2007年4月25日的鸟巢和水立方的主体建设已基本完工,如下图所示。


    3.jpg


    2008年5月25日的鸟巢和水立方已建成,如下图所示。


    4.jpg


    五、如何下载多时相历史影像地图

    需要下载历史影像时,我们可以先在时间轴上调整到需要下载的时间点,然后可以通过屏幕范围下载、框选矩形范围下载、绘制多边形范围下载、道路沿线下载和导入下载范围下载等多种下载方式。

    导入下载范围的文件可以支持Google Earth (*.kml;*.kmz)、Shapefile (*.shp)、AutoCAD (*.dxf;*.dwg)、Mapinfo (*.tab)、GPS 文件 (*.gpx)、GMT 文件 (*.gmt)、Excel (*.csv;*.cls)和文本文件 (*.txt)等多种矢量格式。

    这里我们以框选下载范围为例,选择“框选下载”之后,在视图中框选需要下载的目标范围,然后在范围中双击即可新建下载任务。


    5框选下载历史影像.jpg


    在“新建任务”对话框,在该对话框中可以参考文件大小和打印尺寸等参数选择适合的级别,一般情况下选择16到19级,这里以选择第19级为例。

    当前下载的历史影像默认为在线浏览时所设置拍摄日期的历史影像,如果有必要,也可以在“地图日期”中重新选择新拍摄日期的历史影像,如果所选择的日期没有历史影像,则会自动选择一个最邻近日期的历史影像进行下载。


    6选择历史影像拍摄日期.jpg


    点击“确认”按钮之后,将默认下载一张带有地名和路网的高清卫星影像地图。

    针对专业用户,如果需要导出分块大图、瓦片或离线包,可以在点击“确认”按钮之前点击“导出设置”设置相关导出参数,下载完成之后将会按该设置进行自动导出。

    相关文档,请参阅:

    新建卫星地图下载任务参数说明

    在下载任务列表中,选择下载任务时,可以即时查看下载结果。


    7查看历史影像下载结果.jpg


    下载完成后,可以在下载目录中查看下载结果,其中TIF为谷歌卫星历史影像文件。


    8打开下载目录.jpg


    如果下载结果图片较小,可以直接双击打开,如果在2GB以上,建议用专业的Global Mapper 或 ArcGIS 等专业软件打开,如下图所示。


    9在ArcMap中打开历史影像.jpg


    相关教程,请参阅:

    如何在ArcGIS中打开高清谷歌卫星地图(边界裁剪背景透明)

    如何在GlobalMapper中打开谷歌卫星地图

    如何在Mapinfo中打开卫星地图

    如何在MapGIS中打开谷歌高清卫星地图



    展开全文
  • 遥感影像具有周期性特点,利用这一特性就可以用于监测一个地区的地表变化情况,遥感影像是我们监测地球变化最直接和权威的数据源。从遥感影像中可以获取的变化信息包括:海岸线、森林健康、城市扩张、农业生产、自然...
    

    遥感影像具有周期性特点,利用这一特性就可以用于监测一个地区的地表变化情况,遥感影像是我们监测地球变化最直接和权威的数据源。从遥感影像中可以获取的变化信息包括:海岸线、森林健康、城市扩张、农业生产、自然灾害、人为灾害、土地覆盖、冰雪范围、水面变化等。

    本专题介绍这种信息提取技术,包括的内容:

    l 动态监测概述

    l 动态检测的关键技术

    l 基于ENVI的动态检测

    1、动态监测概述

    很多人对动态监测和动态检测两个名词有疑惑。个人理解,动态监测是一个广义的名词,泛指数据预处理、变化信息发现与提取、变化信息挖掘与应用等,以对整个流程的叙述。动态检测是一个狭义的名词,主要指部分数据预处理、变化信息发现与提取。在一定的意义和场合上讲,两个词的意思是一样的。当然很多地方把这两个词说成变化监测和变化检测。

    遥感动态检测就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。它涉及到变化的类型、分布状况与变化量,即需要确定变化前后的地面类型、界线及变化趋势,能提供地物的空间分布及其变化的定性和定量信息。

    目前,遥感变化检测技术大多是针对两个时相的遥感影像进行操作。根据处理过程来分,遥感变化检测方法可分为三类:

    一、          图像直接比较法

    图像直接比较法是最为常见的方法,它是对经过配准的两个时相遥感影像中像元值直接进行运算和变换处理,找出变化的区域。目前常用的光谱数据直接比较法包括图像差值法、图像比值法、植被指数比较法、主成分分析法、光谱特征变异法、假彩色合成法、波段替换法、变化矢量分析法、波段交叉相关分析以及混合检测法等。

    (1)       图像差值法

    图像差值法就是将两个时相的遥感图像相减或者相除。其原理是:图像中未发生变化的地类在两个时相的遥感图像上一般具有相等或相近的灰度值,而当地类发生变化时,对应位置的灰度值将有较大差别。因此在差值图像上发生地类变化区域的灰度值会与背景值有较大差别,从而使变化信息从背景影像中显现出来。

    BxT2 – BxT1或者BxT2 / BxT1

    (2)       特征变化

       从影像上计算如植被指数、水指数、建筑物指数、燃烧指数等特定地物的特征指数,之后对它们求差或者比值。

    (3)       光谱曲线比较法

    对于多光谱或者高光谱数据,可以获取一个像素或者一个地物的波谱曲线,如果两个影像上同一个地方获得的波谱曲线不一样,就说明发生了变化。通过对比两个时相的波谱曲线的变化就可以检测变化信息。常用波谱角(Spectral Angle Mapper)识别方法。

    (4)       光谱特征变异法

    同一地物反映在一时相影像上的信息与其反映在另外时相影像上的光谱信息是一一对应的。当将不同时相的影像进行融合时,如同一地物在两者上的信息表现不一致时,那么融合后的影像中此地物的光谱就表现得与正常地物的光谱有所差别,此时称地物发生了光谱特征变异,我们就可以根据发生变异的光谱特征确定变化信息。

    (5)       假彩色合成法

    由于地表的变化,相同传感器对同一地点所获取的不同时相的影像在灰度上有较大的区别。在进行变化信息的发现时,将前、后两时相的数据精确配准,再利用假彩色合成的方法,将后一时相的一个波段数据赋予红色通道,前一时相的同一波段赋予蓝色和绿色通道。利用三原色原理,形成假彩色影像。其中,地表未发生变化的区域,合成后影像灰度值接近,而土地利用发生变化的区域则呈现出红色,即判定为变化区域。

    (6)       波段替换法

    RGB假彩色合成中,GB分量用前时相的两个波段,用后一时相的一个波段影像组成R分量,在合成的RGB假彩色图像上能够很容易地发现红色区域即为变化区域

          ……

    二、          分类后比较法

    分类后结果比较法是将经过配准的两个时相遥感影像分别进行分类,然后比较分类结果得到变化检测信息。虽然该方法的精度依赖于分别分类时的精度和分类标准的一致性,但在实际应用中仍然非常有效,该方法的核心是基于分类基础上发现变化信息。

    三、          直接分类法

    结合了图像直接比较法和分类后结果比较法的思想,常见的方法有:多时相主成分分析后分类法、多时相组合后分类法等。

    多时相主成分分析后分类法:当地物属性发生变化时,必将导致其在影像某几个波段上的值发生变化,所以只要找出两时相影像中对应波段值的差别并确定这些差别的范围,便可发现变化信息。在具体工作中将两时相的影像各波段组合成一个两倍于原影像波段数的新影像,并对该影像作PC变换。由于变换结果前几个分量上集中了两个影像的主要信息,而后几个分量则反映出了两影像的差别信息,因此可以试着抽取后几个分量进行波段组合来发现变化信息。

    当然,检测方法远不止这些。以上变换检测方法大多只是变化信息的发现,还有一个过程是变化信息的提取,由以下方法供选择:

    一、          手工数字化法

    (1)      屏幕数字化

    (2)      区域生长法

    二、          图像自动分类

    (1)      监督分类

    (2)      非监督分类

    (3)      面向对象的特征提取法

    三、          图像分割

    (1)      手工阈值分割

    (2)      自动阈值分割

    四、          组合法

    值得我们注意的是,上述检测方法和信息提取方法不能说哪个绝对的好与坏,只能是根据不同的数据源和不同的应用需求选用适合的方法。

    2、动态检测关键技术

       遥感动态监测过程一般可分为三个步骤:数据预处理----变化信息检测---变化信息提取

                                                                                                                                          

    一、     数据源的选择

    由于动态检测需要多时相数据,数据源选择时候,除了考虑检测范围、检测精度外,重点还需要考虑物候和影像成像条件。物候和成像条件都会给变化信息带来很大的噪声,当然了,经过一些图像处理过程可以一定程度上减少这方面的噪声。

    二、     数据预处理

    动态检测过程中,非常重要的两个预处理过程是影像配准和大气校正

       影像配准

    影像的配准可以有单个文件的精确几何校正来保证,也可以有一个文件作为基准来配置另一个时相的文件。

       相对大气校正

    在多时相遥感图像中,除了地物的变化会引起图像中辐射值的变化外,不变的地物在不同时相图像中的辐射值也会有差异。辐射校正是消除非地物变化所造成的图像辐射值改变的有效方法,按照校正后的结果可以分为2种,绝对辐射校正方法和相对辐射校正方法。绝对辐射校正方法是将遥感图像的DN(Digital Number)值转换为真实地表反射率的方法,它需要获取影像过境时的地表测量数据,并考虑地形起伏等因素来校正大气和传感器的影响,因此这类方法一般都很复杂。相对辐射校正是将一图像作为参考(或基准)图像,调整另一图像的DN值,使得两时相影像上同名的地物具有相同的DN值,这个过程也叫多时相遥感图像的光谱归一化。在动态检测中,相对大气校正用的还是比较多。

    三、     变化检测方法选择

    地表变化信息可分为两种,一是转化(Conversion),另一是改变(Modification),前者是土地从一种土地覆盖类型向另一种类型的转化,如草地转变为农田、森林转变为牧场,后者是一种土地覆盖类型内部条件(结构和功能)的变化,如森林由密变疏或由一种树种组成变成另外一种组成的改变、植物群落生物量、生产力、物候现象变化。所以我们在选用变换检测方法时候应考虑这点,比如做植被生物量的监测,就属于改变,如果选用分类后处理的方法就不管用了。

    反过来基于图像直接比较法,不能够直接确定变化区域是属于何种变化类型,需要实地调查与图像对比等一系列步骤才能确定变化类型,这对于土地利用变化监测时候,则需要慎重考虑用此类方法。

    四、     变化信息提取方法的选择

    有些变化检测方法得到的变化信息是单波段,如图像直接比较法,监督与非监督分类法作用就不是很大,可以考虑用影像分割和面向对象特征提取方法。而且图像直接比较法在确定是否变化时,往往需要确定一定的阈值,而阈值的确定则会直接影响变化信息提取的准确性,阈值的确定常见的如直方图统计法,样本挖掘法(C4.5算法)等。

    3、基于ENVI的动态检测

    ENVI集成了部分动态检测方法,包括图像直接比较法、分类后比较法、PCA变换、Two-Color MultiviewMNF变换法、ICA变换法、波谱角检测方法。当然还可以自定义方法。

    ENVI5.0中变化监测工具放在/Change Detection中,包括五个工具:

    (一)/Change Detection/Change Detection Difference:使用图像直接比较法对两时相影像做差值或者比值运算,对差值或者比值结果划分为若干类。整合了一些预处理功能,如数据值归一化和单位的统一。

    (二)/Change Detection/Change Detection Statistics:使用分类后比较法比较两时相影像分类结果,获得变化类型、面积、百分比等变化矩阵信息,同时可得到一个多波段的变化图像,每个波段表示一种土地类型的变化情况。

    (三)/SPEAR/SPEAR Change Detection:包括很多的变化监测方法和预处理功能。提供了四大类方法,包括Two-Color Multiview、图像变换(PCAMNFICA变换)、图像波段直接比较法和波谱角检测方法。

    (四)/Change Detection/Image Change Workflow:包括很多的变化监测方法和预处理功能。主要有波动差值、特征差值、波谱角、PCA /MNF/ICA

    (五)/Change Detection/Thematic Change Workflow:使用分类后比较法比较两时相影像分类结果,获得变化类型、面积、百分比等变化矩阵信息,同时可得到一个单波段的变化分类图像和变化矢量结果。

    一、图像直接比较法(Change Detection Difference

    ENVI中的图像直接比较法就是对两时相影像做差值或者比值运算,整合了一些预处理功能,如数据值归一化和单位的统一。下面以经过配准的两时相影像为例介绍这个功能的使用。

    (1)       将两时相影像同时打开。

    (2)       单击Toolbox/Change Detection/Change Detection Difference,分别选择前一时相影像一个波段和后一时相影像的一个波段。

    (3)       Compute Difference Map Input Parameters面板中,可以选择计算方法(差值或者比值)、归一化(0-1)和单位统一,设置变化等级以及设置变化等级划分阈值。单击Define Class Thresholds按钮,可以对每一个变化范围进行划分,如图所示。选择一个路径输出。

     


    2参数设置

    (4)       果查看和统计

    显示结果,单击ToolBox/Classification/Post Classification/Class Statistics,统计各个变化。

    二、分类后比较法Change Detection Statistics

    ENVI中的分类后比较法是通过比较两时相影像分类结果,获得变化类型、面积、百分比等。下面介绍这个工具的使用。

    (1)       将两时相的分类图打开。

    (2)       单击ToolBox/Change Detection/Change Detection Statistics,选择前后时相的分类图。

    (3)         Define Equivalent Class面板中,如果两个时相的分类图命名规则一直,则会自动将两时相上的类别关联;否则需要在Initial State ClassFinal State Class列表中手动选择相对应的类别,点击Ok按钮。

     





    3定义等价类别

    (4)       在结果输出面板中,选择统计类型:像素(Pixels)、百分比(Percent)和面积(Area),选择路径输出结果。

    (5)       结果以二维表格和图像现实展现,如下图所示。

     

    4变化统计结果

    三、流程化图像处理工具SPEAR Change Detection

    ENVI的流程图像处理工具中集成了动态监测功能,它集成了影像配准和变化信息发现过程等,下面介绍这个工具的使用。

    (1)         单击Toolbox->SPEAR Tools->Change Detection,打开流程化图像处理工具中的动态监测功能,分别将两时相影像文件输入,单击Next按钮。

     


    5输入两时相文件

    (2)       如果两个时相影像未精确配准,这一步可以通过手动或者自动选择同名点的方式对影像进行配准,这里选择第三项,单击Next按钮。

     

    6两时相影像配准

    (3)       这一步是目视查看两时相影像的变化情况,点击Next按钮到下一步。

    (4)       这一步是选择变化检测方法,提供了四大类方法,包括Two-Color Multiview、图像变换(PCAMNFICA变换)、图像直接比较法和波谱角检测方法。每一种方法都有对应的高级设置,比如选择图像直接比较法可以选择基于黑暗象元的相对大气校正和光谱归一化。这几类方法可以多选,这里我们全部选择,单击Next按钮。

    (5)       这一步是查看变化信息监测结果,选择使用不同检测方法的结果查看,点击Finish按钮完成。

    (6)       对检测到的变化信息,可以通过图像分割、图像分类、决策树分类或者面向对象特征提取等方法提取变化信息。

     



    7检测方法选择

     

    8结果查看

    四、流程化动态监测工具(Image Change Workflow

       第一步:打开数据,点击open,选择两个时相的图像,工具条上的透视窗按钮 ,提供了几种透视查看多景影像的方式,选择任一种,查看两景影像的配准情况及变化信息,如下图是打开了Portal透视窗口;

     


    9打开显示图像

    第二步:打开直接比较法变化监测工具,双击Toolbox中的Change Detection->Image Change Workflow,也可直接在搜索工具栏中输入change,找到该工具。在面板中,输入两个时相的数据,点击Next

     

    10导入图像

    第三步:做影像配准,本练习的两个数据已经经过配准,选择“Skip Image Registration”,点击Next

     

    11选择预处理

    第四步:选择变化监测的方法,提供了影像直接比较法,和影像变换的方法,本练习中选择影像直接比较法“Image Difference”,点击Next

     

    12选择检测方法

    第五步:选择直接比较法的比较方法,提供了波段直接比较、特征指数比较和光谱角差异比较的方法,本文监测的是机场飞机目标的变化信息,这种目标在可见光波段反射率高,也易发现变化,选B1波段直接比较,打上钩,预览结果,点击Next

                                                                                                                      

    13选择检测方法后预览结果

    第六步:对变化信息选择阈值进行处理或直接输出,在此选择Apply Thresholding,点击Next,对变化信息进一步处理;

     

    14选择阈值

    第七步:阈值设置。Preview打上钩,预览默认设置的结果,可选择所关心的变化信息:发生变化的、较前一时相增加的信息、减少的信息,可试验其他几个阈值设置方法,这里按照默认,点击Next

     

    15选择变化类型(增加或者减少)

    第八步:小斑块处理,优化结果,包括平滑核的大小和最小聚类数的大小,打开Proview预览,发现按照默认的参数,平滑和聚类的太厉害,有些有用的信息都没有了,调整参数,将两个参数都调小一点,Smooth Kernel Size设置为3Aggregation Min Size设置为25,点击Next

     


    16处理小斑

    第九步:结果输出。设置输出的结果,在Export File面板中,设置输出变化斑块栅格结果和矢量结果,在Additional Export面板,设置输出的变化影像及文本统计结果,这些结果都可以选择性的输出,点击Finish

     

    17输出结果

    处理完成之后,进行结果查看,ENVI5提供了多个视图的图像窗口,可以将图像窗口最多分成16个不同的视图,每个视图可以加载不同的图层,并拥有独立的操作工具。选择Views->two Vertical Views,打开左右两个视图,分别加载前后影像及变化监测的矢量结果,进行查看。如下图所示,黄色所指区域是减少的,蓝色框所指的是增加的。

     

    18查看结果

    五、变化混淆矩阵(Thematic Change Workflow

       这个工具是流程化工具,操作比较简单,这里不做介绍。

    4 总结

       动态监测是一个工作量比较繁琐的过程,对数据的预处理要求较高,信息的发现和信息的提取可选择和组合的方法很多,技术含量较高,已经成为遥感应用重要组成部分。

    展开全文
  • 遥感方向的重要技术——动态监测; 从几何校正到影像融合,然后目视解译等等; 主成分分析法
  • 针对参与变化检测影像的特点,归纳多时相影像匹配方法应满足的条件,提出了一种基于Zernike矩的匹配策略。在进行多时相影像匹配时,该方法对灰度的线性变化不敏感,而且可以匹配存在较大旋转角度的影像。试验表明,...
  • 多时相遥感影像分类方法通常使用人工设置的转移矩阵作为时间上下文信息,这样不仅难以获得准确的转移矩阵,而且没有充分利用时间上下文信息。针对多时相遥感图像中的时间与空间上下文信息难以构建的问题,提出了一种...
  • 行业分类-物理装置-一种多时相遥感影像变化监测方法.zip
  • 针对海量遥感影像时间分辨率不断提高,多时相遥感影像存储空间耗费大、查询效率低的问题,提出一种针对多时相遥感影像数据存储管理的模型和方法。首先确定多时相遥感影像的基态影像,然后运用变化检测技术计算出不同时...
  • 基于多时相遥感影像提取作物种植信息方法方面的文献,里面介绍的基于知识的分类,值得借鉴
  • 针对多时相遥感影像的变化检测技术进行研究,根据图像的变化推出研究目标的变化信息,完成对研究目标的动态监测,该技术无论在理论上还是在各个领域的应用中都具有重要的研究意义和广泛的应用前景。文章根据多时相...
  • 基于多源多时相遥感影像的城镇扩张动态监测方法研究,周小成,汪小钦,利用遥感技术来动态监测城镇扩展己成为一个重要的研究和应用领域。基于TM和ASTER多源多时相遥感影像和地形数据,以福建省漳州市区�
  • 基于历史数据的空间约束下的长期多时相遥感影像配准
  • 浅谈基于多时相遥感影像的变化检测技术,桂林,,变化检测作为一种手段,已经广泛地应用在各个领域。灾害动态监测、环境污染监测以及城市规划等方面都已涉及到适时、有效的变化监�
  • 基于多时相遥感影像的Desakota典型区城市扩展研究,袁宝华,张晓祥,研究选择1978~2004年5个时相的陆地卫星遥感影像为基础数据源,以半城市化(Desakota)典型区——江苏省吴江市为例,以城市扩展的量测、
  • 设置ENVI的系统参数:修改默认文件夹 设置SARscape的系统参数,修改默认文件夹 加载Sentinel-1的系统参数(General) 导入数据(导入Sentinel-1和...多时相滤波:可以把多时相的噪声统计出来,比单时相的更好 ...

    多时相SAR影像的预处理(以Sentinel-1A为例)

    数据准备

    【下载教程】
    1.Sentinel数据下载教程
    2.Sentinel精轨数据下载教程:此虽为Python的代码,但看懂URL的组织也可很方便的查找精密轨道数据

    【数据清单】
    1.两幅Sentinel-1A数据:20191106、20191118
    2.精密轨道数据:两幅哨兵数据对应的两个精密轨道数据
    3.DEM:研究区的DEM数据

    在这里插入图片描述

    设置ENVI系统参数

    设置ENVI的系统参数:修改默认文件夹
    在这里插入图片描述
    在这里插入图片描述

    设置SARscape系统参数

    设置SARscape的系统参数,修改默认文件夹
    在这里插入图片描述
    加载Sentinel-1的系统参数(General)

    在这里插入图片描述

    导入数据

    数据处理前,需要将Sentinel数据、DEM数据导入到SARscape软件中,生成SARscape能够识别的格式

    1.导入Sentinel-1A数据
    2.导入DEM数据

    导入结果:
    在这里插入图片描述
    在这里插入图片描述

    裁剪数据

    哨兵数据的一幅的跨幅很大,不建议全幅处理。可对其进行裁剪,裁剪的结果尽量要被DEM所覆盖

    1.哨兵数据裁剪教程

    裁剪结果
    在这里插入图片描述

    配准

    将两个SAR影像进行配准

    【工具位置】/SARscape/Basic/Intensity Processing/Coregistration

    在这里插入图片描述

    在这里插入图片描述

    在这里插入图片描述

    多时相滤波

    多时相滤波:可以把多时相的噪声统计出来,比单时相的更好

    在这里插入图片描述

    在这里插入图片描述

    配准和辐射定标

    在这里插入图片描述

    在这里插入图片描述

    在这里插入图片描述

    在这里插入图片描述

    展开全文
  • 遥感资料 多时项 供同类专业人员参看学习
  • 为了有效改善遥感影像提取湖泊边界信息的可靠性和精度,减少人为误差,提出了一种利用多时相遥感影像提取边界信息的加权平均融合算法以及误差的域法修正处理方法。结果表明,该方法能有效融合各时相影像信息,提高...
  • 本文是论文《多时相遥感影像变化检测方法综述》的阅读笔记。由于文章是中文的,强烈建议阅读原文,本文也尽可能用文章中的原话来描述问题。 一、变化检测简述 变化检测根据对同一物体或现象在不同时间的观测来确定...

    本文是论文《多时相遥感影像变化检测方法综述》的阅读笔记。由于文章是中文的,强烈建议阅读原文,本文也尽可能用文章中的原话来描述问题。

    一、变化检测简述

    变化检测根据对同一物体或现象在不同时间的观测来确定其不同的处理过程。遥感影像变化检测的研究目的是找出感兴趣的变化信息,滤除作为干扰因素的不相干的变化信息。

    现有绝大多数变化检测应用中,常用的方法仍然是目视解译和人工手动勾画,需要耗费大量人力及时间,处理效率低下。变化检测的方法和理论模型有很多,如代数法、分类法、面向对象法、时间序列分析法和可视化法等。现有的检测方法没有哪一种是适合所有场景的。变化检测没有通用的流程,但主要覆盖数据预处理、变化检测方法、阈值分割、精度评定等方面。

    二、变化检测的分类和发展历程

    按照不同的分类标准,变化检测的分类如下图所示。在监督变化检测中先验信息可以来源于训练好的模型、GIS矢量数据等。

    下图是变化检测方法发展的时间脉络图。初始发展期(20世纪80年代)主要以像元级统计方法为主;第一次高潮(20世纪90年代)主要是机器学习带来了生机;第二次高潮(2000 - 2009年)对象级变化检测引起了各种关注。伴随着高空间分辨率遥感影像的商业化,面向对象影像分析技术被引入高分辨率遥感影像分析中,变化检测的基本单元由像素逐渐过渡到对象;第三次浪潮(2010年以后)大数据和人工智能使变化检测进入新的热潮。

    三、变化检测的预处理

    几何配准误差是变化检测最主要的误差来源之一,因此许多变化检测方法,特别是像素级变化检测方法,都要求参与变化检测的多时相影像已完成高精度的配准;但对于不少特征级的变化检测方法,如面向对象法,由于对提取出的特性或目标进行比较时可采用顾及配准误差的缓冲区分析法,从而避免了过于苛刻的高精确配准要求。

    辐射校正是预处理的另一个重要环节。不同时期的光学遥感影像,如拍摄季节与日期不同、太阳高度角不同、成像角度不同、气象条件不同等,都会造成影像辐射值不同,显著地影响变化检测结果的精度,所以通常在变化检测之前需要进行辐射校正。常用的辐射校正方法包括绝对辐射校正和相对辐射校正两种类型。绝对辐射校正需要大量的成像及其他参数,因此相对辐射校正是一种更经常采用的方法。相对辐射校正方法将一幅影像作为参考影像,调整另一幅影像的辐射特性,使之与参考影像一致。但并非所有的变化检测方法都需要辐射校正,比如分类后变化检测方法是没必要进行辐射校正的。

    四、目前主流的变化检测方法

    1. 传统方法

    传统变化检测方法结果的精度对差异图的依赖很大,但生成差异图的过程会损失很多信息,导致检测结果精度不稳定。

    2. 基于深度学习的方法

    深度学习网络端对端的结构,使得我们能够直接从多时相遥感影像中获得变化检测结果。

    3. 基于面向对象影像分析的方法

    区别于像素级方法,对象级变化检测最重要的一个环节就是影像分割。影像对象较之单个像素包含了地物更多的整体信息,基于对象的影像分析方法更接近于人眼识别图像过程。根据变化检测策略的不同,对象级变化检测方法大致可以分为直接对象变化检测、同步分割后对象变化检测、分类后变化检测几个类型。分类后变化检测方法是比较经典的方法,对不同时相影像分别进行独立面向对象影像分类,然后再进行对象所属类别、几何形状及空间上下文信息等对比分析,获取变化区域及变化轨迹。

    4. 场景变化分析方法

    场景变化分析就是在语义层次分析多时相对应场景的语义类别是否发生变化以及发生了何种变化。

    5. 三维变化检测方法

    二维变化检测仅能检测平面上的变化,对高度上的变化则无能为力。三维变化检测方法的确定是三维数据获取的高成本及高难度,以及由于三维变化检测增加了新的数据维度,因此还将面临三维数据本身的不确定性问题。根据三维变化检测中三维信息使用的不同,三维变化检测方法大致可以分为几何信息直接比较的方法和几何信息与光谱信息相结合的方法。

    6. 时间序列变化检测方法

    时间序列变化检测方法主要针对长时间序列遥感影像的时间趋势分析。

    7. 混合方法

    混合方法是指综合运用上述方法中的两种或两种以上方法进行变化检测处理,包括两方面内容:一是在检测的不同阶段和步骤中使用不同的检测方法进行处理,即基于过程的混合方法;二是分别使用不同的变化检测方法对各自的结果进行综合分析,即基于结果的混合方法。

    五、精度评价

    根据变化检测的精度评估层次,可将变化检测的误差矩阵分为简单变化检测误差矩阵和分类变化检测误差
    矩阵。误差矩阵和Kappa系数评价方法是最成熟、最常用的变化检测精度评估方法。目前变化检测的精度评估主要是基于像素级的,误差矩阵是最常用、最成熟的精度评估方法。

    六、自己的理解

    说一点自己的理解。比如给定两张一年以前的卫星图像和一张一年后的卫星图像,一年前图像中的有些东西可能在一年后消失了,如被河水淹没的岛屿;也可能在一年后出现了新的东西,如新的建筑物。变化检测的目的就是找出这些发生了变化(消失或出现)的地方,并标注出来。标注图可以是一个二值图,1表示发生了变化,0表示没发生变化。

    最简单的方式就是两图做差,然后取绝对值。但是这样这样有个问题,比如都是草地,在不同时间拍摄得到的像素值可能是不同的,所以两张图做差后可能只是非常接近于0。而我们要得到的是一个二值图,一个简单的方法是设置一个阈值,小于该阈值的,就认为没发生变化,即在两张图中是相同的东西。还有一个方法就是先对两张图像中的物品进行分类,比如分成草地、河流、建筑物等等,然后将得到的分类图做差。

    展开全文
  • 提出了一种基于案例(CASE)推理的多时相SAR影像分类方法。选用北京地区2000年(4景)和2004年(3景)的多时相Radarsat-1 SAR影像及相应地理基础分类图作为数据进行实验。结果表明,该方法能得到较好的SAR影像分类...
  • 利用多时相HJ卫星CCD遥感影像提取嘉祥县秋收作物_刘珺
  • 基于多时相CBERS和Landsat ETM+影像的徐州市土地利用覆盖变化研究,柳思聪,赵银娣,本文基于CBERS CCD和Landsat ETM+两种遥感影像数据源,利用决策树、支持向量机和最大似然分类方法,对江苏省徐州市2001年、2005年...
  • 在DSFA模型中,两个对称深度网络用于投影双时相影像的输入数据。 然后,部署SFA模块以抑制不变的组件并突出显示已变换要素的已更改组件。 CVA预检测用于以高置信度找到未改变的像素作为训练样本。 最后,用卡方距离...
  • 基于多时相 GF-1 和 Landsat 影像的连云港市44年海岸线遥感监测与演变分析
  • 通过对影像进行光谱特征分析,及对各种植被类型进行物候特征分析,选用以NDVI数据为主的多波段、多时相的MODIS影像数据进行最小噪声分离MNF变换,然后进行灰值形态学滤波,运用阈值分割法提取旱地,并运用自组织特征...
  • 介绍了命题逻辑演算方法。以武汉地区1993年和2002年的 Landsat T M数据为例,应用该方法对近10年武汉城镇建筑的覆盖变化进行了试验,证明了该方法用于土地利用动态变化的可行性。
  • 基于多时相高分辨率机载SAR影像的汶川地震后唐家山堰塞湖的水线制图和变化检测
  • 老师给我的资料 很好 edas应用具体事例
  • 多时相处理】 工具 导入 【导入】生成SARscape能够识别的数据格式 【Input支持的数据类型】标准雷达格式、ENVI标准格式、一般二进制文件、有地理编码的二进制文件、GPS数据、航空SAR、矢量数据、特殊格式(ALOS ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 20,309
精华内容 8,123
关键字:

多时相影像