ENVI遥感影像变化检测.doc

实习序号及题目
实习9. 变化检测
实习人姓名

专业班级及编号
11地信17
任课教师姓名
刘勇老师
实习指导教师姓名

实习地点
榆中校区实验楼A109
实习日期时间
2013年12月26日
实习目的

深入理解变化检测的基本原理，掌握影像直接比较法和分类后比较法变化检测的基本方法和步骤

实习内容

ENVI变化检测功能及其软件操作步骤
1. 森林开采监测
ü Compute Difference Map
ü Image Difference
2. 林地病虫害遥感动态监测
ü SPEAR Change Detection
3. 耕地变化监测
ü Change Detection Statistics
Thematic Change

基本原理

1、时序变化分析就是动态监测，利用前后两期影像数据迅速、准确地检测出地表生物物理特征及人工地物的变化。时序变化分析具有实践意义，可以对全球变化及其人类活动的影响分析，植被与生态系统变化，农作物、草地、森林动态监测，城市化、荒漠化监测。
2、遥感影像中地物变化的影响因素主要有误差因素、自然因素与人类活动，误差因素主要来自于遥感传感器的类型差异、影像获取日期和时间差异、影像像元值的量化等级、量纲单位差异 、影像空间分辨率差异、影像几何配准精度差异、影响辐射误差校正精度；自然因素主要有天气变化、季节变化、多年变化，人类活动主要有区域开发、荒漠化、城镇化。
3、定性变化分析是通过二期或者多期影像的叠加显示，使影像中发生变化的部分突出显示出来的方法。主要有叠置显示、假彩色合成法、波段替换法（写功能内存插入法）：
（1）叠置显示：使用特定的工具，如卷帘、闪烁等，检测前后两景影像中发生不连续变化的部分。这种方法的优点是不限所操作影像相似空间分辨率、辐射分辨率、波段选择上的差异，可检测细微的影像变化，缺点是检测结果无法保留，且检测仅针对卷帘边界附近，无法扩展到整个区域。
（2）假彩色合成法：根据假彩色合成原理，将前后两期影像数据中的相同波段的温暖别赋予红、绿、蓝中的两个、三个波段，生成假彩色合成影像。地表未发生的区域在合成后的影像上呈现灰色，而发生变化的区域显示为彩色。优点是完整显示发生变化的空间范围，并加以保存，缺点是非定量，没有“从—到”变化类别信息。
（3）波段替换法：在RGB假彩色合成方法中，如果G和B分量使用前一个时相的两个波段，后一个时相的一个波段组成R分量，那么在合成的RGB假彩色影像上就能够很容易发现红色部分就是变化了的区域。
4、定量变化分析：
（1）影像直接比较法：或称代数变化检测法，是指将两个时相的遥感影像相减或相除以后进行定量变化分析的方法
(2)光谱特征变异法：进行两个不同时相的影像融合，如果同一地物在两期影像上的信息表现不一致，那么融合后就会表现出光谱特征上的变异
(3)变化矢量分析方法
5、分类后变化监测是将经过配准的两个时相的遥感影像分别进行分类，然后比较分类结果，从而得到变化检测信息，包括变化结果分布图和状态转移矩阵。
一般来说，影像变化检测精度的因素主要有误分类、空间分辨率/最小制图单位上的差异，定位误差、数据处理过程中出现的误差。
6、变化检测的三个大的步骤为数据与处理，变化信息检测、变化信息提取。
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。
图像插值法就是将两个时相的遥感图像相减。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。
光谱特征变异法就是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。

数据准备

ENVI 4.8/5.0软件及其配套数据和邓书斌《ENVI遥感图像处理方法》配套数据
1-森林开采监测文件夹
july_00_quac.img 2000年的TM5图像
july_06_quac.img 2006年的TM5图像
2-林冠变化监测文件夹
aug_25_2007.img 2007年的快鸟图像
oct_07_2002.img 2002年的快鸟图像
3-农业用地变化监测
ag_08_quac.img 2008年Landsattm图像
ag_09_quac.img 2009年Landsattm图像
l Greenfields 农田
l Stubble field 留茬地
l Fallow field/Bare soil 休耕地/裸土地
l Water水体
Bare ground/rock裸地/裸岩地

操作方法及过程

1. 森林开采监测
打开实习数据0-森林开采监测下的实习数据。
ü Compute Difference Map
选择basic tools/change detection/ Compute Difference Map，分别选择原始的影像july_06与july_00，在弹出的Compute Difference Map input parameters窗口下，查看define class thresholds，no change表示没有变化，change（-1）表示减少，change（+1）表示增加；其他默认选项不变，勾选normalize data range[0-1]，选择输出路径与文件名为com_diff。

选择classification/post classification/classification to vector，在输入图层中选择上一步生成的结果，弹出窗口中选择全部，保存路径生成结果，转化为矢量。（由于耗时过多，故可以不做）

ü Image Difference
打开ENVI Zoom 4.8，将原始的影像导入到其中，在ENVI Zoom窗口下的toolbox中选择image change，弹出image change detection的对话框，将time 1classification image file选择为00年影像，点击OK，time2 classification image file中选择06年影像数据，点击OK，选择下一步，保持默认设置，选择下一步，选择image difference，选择下一步，选择difference of feature index，继续选择下一步，直到弹出cleanup窗口，将smooth kernel size改为3，aggregate minimum size改为30，选择进行下一步，选择输出路径与文件名，点击finish，完成。
打开arc map，将上一步生成的结果导进来，右击图层选择properties/symbology，categories下选择unique values，value field下选择class_name，add all values，将big decrease颜色改成大红色，big increase改为亮绿色，other部分改为淡绿色，在arc map中制图输出，对森林开采监测进行分析。

2. 林地病虫害遥感动态监测
ü SPEAR Change Detection
选择transform/NDVI打开，将2002、2007的两幅影像对第四波段进行NDVI计算，在进行过NDVI计算的影像上选择tools/region of interest/band threshold ROI```，输入图层分别选择NDVI2002、NDVI2007，最小值选择0.3，最大值选择1，把0.3~1之间的区域划分为植被。
选择basic tools/subset data via ROIs，输入数据选择2002年影像，选择2002年ROI，掩膜选择yes，选择输出路径与文件名。
选择Spectral→SPEAR Tools→Change Detection，在Input File中分别输入两个时相的影像数据，然后选择第四波段。在Select Output Name中设置一个存储路径。进入几何精纠正的阶段。选择select tie points automatically——自动选择。接着点击自动寻找种子点，这里会自动寻找四个种子点。这些种子点不作为GCP参与匹配，设置配准点数为125个，搜索窗口大小为111，单击next，出现控制点窗口即列表，筛选控制点精度在一个像元内，最大允许均方差为1，单击next进入Change Detection Methods对话框，在变化监测方式中选择前三项，点击next，进行计算并输出结果。
在Display窗口中显示Diff波段，即NDVI（Time # 2）— NDVI（Time # 1）。在主窗口中选择Enhance→Interactive Stretching，打开显示图像的直方图，把图形进行x轴的修改，y轴的修改，x轴最大值是0，y轴最大值是35000。把鼠标移动虚线滑到左边凸值点，从左下角获取阈值：-0.512。然后再主菜单中选择Overlay→Density Slice→Clear Ranges按钮，只剩下三种类型，点击edit range修改三种类型的阈值，分别为-1.74~-0.512，-0.512~-0.02，-0.02~1，清除默认分割范围，点击apply，生成结果即可。然后再Classification→Post Classification，选择最大最小值分析，选择Kernel Size为：5*5，去除小斑点。

3. 耕地变化监测
Change Detection Statistics
Thematic Change
首先加载两幅影像ag_08_maxlike.img，ag_09_maxlike.img，观察影像信息，我们发现，其中黄色的是休耕地，绿色的是有农作物覆盖的农田农田，黄褐色的是留茬地，蓝色是水体，灰色是裸岩。操作：Basic Tools→Change Detection→Change Detection Statistics，首先选择08年数据，然后选择09年数据，因为两幅影像的分类名称一致，系统会自动对应。点击ok。在change detection statistics output中选中pixels、percent、area，选择掩膜输出，选择保存位置。生成统计结果，选择area选项，在option中选择单位变换为square km。
打开ENVI Zoom，把08和09年的数据加载进去，与前面一样，也可以利用Portal进行查看两个年份的土地覆盖类型的变化，另外，点击crosshairs，移动鼠标可以查看两个年份是否发生了土地类型的变化；点击crosshairs，移动鼠标可以查看两个年份是否发生了土地类型的变化。Toolbox→workflows→Thematic Change，分别输入两个时相的影像数据，接着点击Next，然后进行结果影像进行平滑和聚类处理，平滑处理的参数与上面一样，设置为3；聚类处理的参数设置为5。把结果影像和统计结果输出。

结果与分析
1、 图像直接比较法结果（森林开采监测）：
如下图1所示，浅红色即是森林面积变化较大的区域，该区域的森林大量被砍伐，森林面积大量减少，大面积的蓝色表示未被砍伐的区域，影像中显示的亮蓝色（小范围的）表示森林已经被砍伐的区域，在影像中留下的空地。整体来说，砍伐区域还是很大的。

图1

图2
将影像在zoom中生成结果后如上图2所示，影像上红色区域变化加大，表示的是两幅影像时间差之间被砍伐的森林区域，占大部分的面积，蓝色部分表示该时间段内植被增长的区域，但是面积相比较被砍伐的区域来说小很多，黑色部分是代表没有变化的区域。在arcmap中将最后结果输出，如下图3所示，很清楚的可以看清楚红色表示00年到06年植被大量减少的区域，绿色表示植被增加的区域，浅绿色表示植被覆盖没有发生变化的区域。

图3 Arc map制图输出结果
2、 林地病虫害遥感动态监测

图4 ndvi影像
如上图4所示，分别是2002年与2007年经过NDVI计算的影像，从上面的影像中可以清楚的看到2007年的NDVI影像上有些区域变成了灰色，也就是植被收到病虫害的区域，NDVI影像上亮度很高的植物量表示很大。

图5
如上图5所示，前者为未经过Density Slice处理的结果，后者为经过Density Slice处理的结果，在最后生成的结果中（图5中右图）绿色表示植物被破坏严重区域，这种区域面积很大，而红色的斑点区域都是破坏严重程度一般的区域，这种区域占面积不很大，只有不大的区域，蓝色区域表示的是基本没有发生大变化的地方。

3、耕地变化监测

Area (Square Km)

g_fields
s_field
B_soil
water
b_ground
R_Total
C_Total
Unclassified
0.00
0.00
0.00
0.00
0.00
0.00
0.00
green fields
676.28
365.15
276.10
0.68
50.40
1368.61
1368.61
S_field
92.23
114.28
73.91
0.01
20.24
300.67
300.67
B_soil
49.57
90.61
491.67
1.30
249.44
882.58
882.58
water
0.32
0.62
0.53
340.42
0.71
342.60
342.60
B_ground
2.99
11.01
31.04
0.72
1559.79
1605.54
1605.54
Class Total
821.38
581.66
873.25
343.11
1880.59
0.00
0.00
C_ Changes
145.10
467.38
381.59
2.69
320.79
0.00
0.00
I_Difference
547.23
-281.00
9.32
-0.51
-275.04
0.00
0.00
表1
横向表示的是08年的各土地类型的面积数据，纵向的是09年各土地类型对应的面积，比较横坐标与纵坐标，发现08年的stubble field在09年有90.61Km²变成bare ground/rock。Class Total行表示08年每个类别中的总面积，Class Total列表示09年每个类别中的总面积，Class Change表示的是对应类别改变为其它土地类型的面积；Image Difference表示的是08和09年同种地物面积的差值。对角线上08、09 没有发生变化的，非对角线上的发生变化，对列方向最终年份的统计。

图6
如上图6所示，每种颜色分别代表一种变化类型，如green fields变化成stubble field就有一种颜色表示，而影像中大部分的黑色代表地物类型没有变化的区域。下图为arcmap出图结果，从图中可以更好的看清楚结果。

存在问题与解决办法
1、此次实习虽然内容并不复杂，但是中间过程比较多，需要认真一步接一步进行，需要搞清楚每一步的目的与原理，否则会将参数设置错误，导致结果发生错误。
2、 林地病虫害遥感动态监测最后在进行Density Slice处理时，需要设置
一个阈值，是对影像的拉伸窗口的工具中进行的，不知道这个拉伸世道什么程度就好，是要将手病虫害的区域拉伸凸显出来为止吗？也不知道这一步究竟为什么要这样做，做到怎么样的程度才是好的效果，只是根据自己的理解将手病虫害区域拉伸，取其值-0.512。
3、本次操作需要使用到ENVI Zoom 4.8工具，由于以前也没使用该工具，所以第一次使用有些难度，但总体感觉跟ENVI还是有一些相像的，但为什么一定要到ENVI Zoom 4.8中处理而不是在ENVI中使用呢？
4、对影像进行自动配准不是很了解，包括其原理、参数设置，在什么样的情况下才能进行自动配准，这个算法是怎么实现的，那可不可以之前的影像配准都使用自动配准？是不是进行自动配准还有什么条件？

总结
1. 根据这次实习，深刻理解变化检测的分类和实习8中的分类有何差异；
本次实习的变化检测当中的分类是程度分级，阈值是由人为确定的，而实习8中的监督分类是对客观地物的分类，监督分类实在先验知识的条件下进行分类的，而非监督分类是由计算机直接利用影像的光谱特性进行分类的，没有先验知识的参与，没有人为干预自动化程度很高。
2. 理解归一化差值植被指数NDVI，NDWI归一化差值水体指数，NDBI归一化建筑指数和Burn Index燃烧指数的概念及其意义；
归一化差值植被指数NDVI是利用近红外波段的DN值、辐照度或者反射率参数等观测值与红光波段的各类观测值进行的对植被的生长状态及覆盖程度的最佳指示因子，并且NDVI可以部分消除太阳高度角、卫星观测角、地形、云/阴影和大气条件有关的辐照度条件变化等的影响。
归一化差值水体指数NDWI是基于绿波段与近红外波段的归一化比值指数。该NDWI一般用来提取影像中的水体信息，效果较好，但对有较多建筑物背景的水体效果会差，主要用来研究植被的含水量。与NDVI相比,它能有效地提取植被冠层的水分含量;在植被冠层受水分胁迫时,NDWI指数能及时地响应,这对于旱情监测具有重要意义。
归一化建筑指数NDBI是利用NIR即近红外波段的反射率与MIR即中红外波段的反射率计算的仿归一化植被指数的建筑指数，可以较为准确地反映建筑用地信息，数值越大表明建筑用地比例越高，建筑密度越高。
3. 本次实习主要通过对森林开采检测、林地病虫害遥感动态监测、耕地变化监测了解掌握了遥感影像的变化检测，不但通过这样的方式对理论知识进行了进一步的了解，还学会了一些初步的应用。