融合光谱和几何特征的高分辨率遥感变化检测研究.pdf

第33卷 第 11期 2 0 1 6 年 1 1 月 长江科学院院报 Journa里 of Yangtze River Scientific Research Institute Vol.33 No. 11 Nov. 2 0 1 6 doi ： 10.11988/ckyyb.201608522016,33(11)；36-42,48 融合光谱和几何特征的高分辨率 遥感变化检测研究 刘淑凤申邵洪2刘淑凤申邵洪2 (1.湖北职业技术学:院， 湖 北 拳 感 432000;2.长江科学腐间倩息技术虛用研究所， 武 霞 430010) 摘 要摘 要:针对高分辨率遠虜影像減市:区域地类黯杂的特点， 提出T 种融合光谱和几何特征的多时相高分.率遥 感变化检测靠舊在获取光谱和几何.靈异影參的基細上， 采用楱糊分类的方法， 迸行变:f t类菊变:化类K分 ， 建望. 各类的隶属度图像采取棊子模糊集理论的f t合 算 法 检 测 方 聚 取 的 翁 - 度 图 像 进 行 有 效 融 脅 ， 以减:小 -分区域的樓雜度,提高疫化类和#变化奠的检测精度。采想城区多肘相分:辨率影像为实验数据， 迸行各种变 化检测纖的对比与:分析，: 实 辑 结 粟 表 _， : 繊合賴郝几何特怔的方法所获取的检锗果与光濟、 几何養异影像法 相比， 具有輕测精度高、 漏检率祗的特点。 关键词:融合聚着;遥感变化;检测方法高分辨率影像;模糊集关键词:融合聚着;遥感变化;检测方法高分辨率影像;模糊集 中图分类号中图分类号:TP79 文献标志码文献标志码:A 文章编号文章编号= 1001-5485 (_201(5) 11-0036-07 1研究背景1研究背景 不断发展的遥感技术使遥感影像具备禽空间分 辨率、 时间分辨率、 光谱分辨率的特征， 商用商空间 分辨率卫星,IK0N0S的升空以及卫:星影像在市政规 划 、 灾害监测、 基础地理数据更新等方面的应用表明 空间分辨率影像在令后的遥感座用中具备g大的潜 力1。影像的空间分辨率达到米级乃至分米级时, 地表目如房屋、 汽本= 、 道路等能够在劃象得到清_ 晰的表达。相对高空间分辨率而胄, ， 影像的光谱分 辨率略显不足,同一所建筑物的各个房角的光谱特 征都存在明显差异， 因此， 针对高空间分辨率影像, 同物异谱的现象较为严重， 这也是高分辨率影像解 译成为当前遥感界的热点和难点的根本原因i_4。 高分辨率影像用于变化检测或监测研究， 已经取得 T系列研究成果和理论方法5_6。研究结果表明， 对同一多时相遥感影像， 采用不同的检测方法， 获取 的最终成果将存在较大差异， 遥感影像决策融合的 思想就是将各种检测方法获取的结果， 在特定理论 (如贝叶斯理论、D-S证据理论、 模糊集理论） 方法 下， 实现其有效融含D 在遥感影像融合研究中， 研究人员对其在像素 级 、 特征级和决策级融合方面的应用进行了深人研 究和探i f 。模糊集理论为不确定数据的处理提 供了有力：n具 _在遥感影像解译中得到了广泛的应 用和发展。本文在以上研究的基础上:,研究了一种 基:于模糊集. 理论的决策融合方法， 此方法的大体思 想为:获取多时相高分辨率遥感影像的光谱差异影 像和几何羞异影像， 生威变化类和非变化类的隶属 度影像， 然后以隶属度影像为输人,采用模糊集理 论 ， 实现光谱和几何差异隶属度影像的决策级融合, 降低部分像元的模糊度， 提虞最终检测精度。 2研究方法2研究方法 _模糊集理论的离分辨遥感变化检测决策融 合方法主果包括图像预处理、 光谱差异影像生成、 几 何差异影像生成、 隶属度图像创建、 决策融合和最终 变化检测结果生成等关键性步骤， 其检测流程如图1 所示 图图1特征融合高分辨率遥感变化检测流程特征融合高分辨率遥感变化检测流程 Fig.1 Flow chart of change detection method for high-resolution remote sensing images based on characteristic fusion 2 . 1 模糊集理论2 . 1 模糊集理论 相对论域 4) = le V* e = 1/2; 如果 V* e /,%(*)矣 wfi(x) 矣 1/2,或 (*)為 % ( * ) 為1/2,则火4 ) 矣 d(B) ;d(Z)= (4)。 模糊度刻画一个模糊集的整体模糊程度， 从总 体上讲各元素隶属度越接近或 1， 越不模糊， 越接 近 0.5越模糊。 熵模糊度为一种常用模糊度计算方法， 令 n 丑= - X ( * ) l n ( * ) 。 i = 1 式中(1 = 0.5。当模糊度越小时， 权值 A越 接 近 1。加权处理后， 第A个检测获取结果的 隶属度表达为丨丨。 对m个模糊集， 采用隶属度相乘的方法进行隶 属度融合， 即： u(x) = wlul(x) w2u2(x) - - - wrnull(x) ； (7) ZiU(X) = ;(*) M) 2z(x)M； 乂 (X) 。 （ 8) 2 . 2 差异影像生成方法2 . 2 差异影像生成方法 2.2.1光谱差异影像 邻域相关系数法是将统计学中的相关系数用来 描述特定邻域内不同时相遥感影像的差异性， 通过 相关系数的大小来反映其变化程度。通常情况下， 变化区域相关系数小， 而非变化区域的相关系数则 较大， 中等相关系数出现于轻微变化区域。邻域相 关系数计算方法为 p(i,j) = t t t g(i+x,j+y,l) -g(i,j)f(i+x,j+y,l) L- x e.w y e.w fij) /1a/s S t g(i+x,j+y,l) -g(i,j)2 * J k % t -/(* j)2 ! )2 ! (9) V L-xe.w j e.w 38 长江科学院院报 .2016 年 其 中 ： g(i +s ,j + y,l) fi. + sc,j + y,l) g(i + x,j +y,l) g(i + x,j + y,2) -g(i + x,j + f i l) - y ： + x,j + j,y f( i + x j + y,2) -f(i- + x ,j + f J) - g iij)S Z + xJ+ ； xeWyeW 1 = 1 3实验与分析3实验与分析 3 . 1 实验数据描述3 . 1 实验数据描述 本文选择某.一城.区2 个 时 简 段 前QuickBird影 像为实验数据。研究区域地物类型复杂， 主要包含 植被、 水体、 裸地、 人;r建筑物。特别是住宅区和高 程建筑， 因为其阴影的影响， 影响变化检测结果的精 度 试 验 数 据 为 2003年 和 2006年 的Quickbird影 像， ，空间分辨率为2m， 采用的波段为4 ， 包 含R，G， B和近红外波段， 区域大小为936x781像素。实验 区域R，G，B波段合成的真彩色影像如图2 所示。 办= 士 m代1 + X，卜 ， iV) W L xWyW 1=1 式中:为第 1 时相像素点.pixel:(f:+A，j+ y， 0的 像 素 值 ；为 第 一 时 相 以 像 素 点 pixd(ij)为中心， 特定窗口内的影像均值;./(i+.x, J+y J)为第 2 时相像蒙J t: pixeKj+*,y+；r，Z) 的像素 值;/(i，J)为 第 2 时相以像素点pkd“ J)为中心， 特 定窗口内的影像均值； 为窗:口大小， （ * ，y) e , 为波段数;/为第几波段。 协方差是描述2 个变量之间相互关系的数字特 征， 邻域协方差计算方法为 1=1 xeWyeW g(i j) J I./I l + + f J) -/(* j) ( l ) 2.2.2几何差异影像 本文引入形态梯度箕法提取地物边缘， 人I建 筑物在影像上通常具有强边缘特征，即局部区域光 i普特性呈现跳跃性变化。因此， 可以通过形态梯度 有效提取建筑物边缘区域， 通过不同时相影僳的形 态梯度有效对比分析， 确定区域内是否有新的人 建筑物生成。 数学形态学最基本的算子就是膨胀和腐蚀， 形态梯度是原始图像的膨胀图像减去其腐蚀图 像， 即 g(x,s) = cr(x,s) -(*,.?) (11). 式 中 为 膨 胀 图 像 为 腐 蚀 图 像 ;g(x， . 为形态梯度图像;* 表示特定像素为数学形态学处 理中的结构元素。通过相减的方法f t成 2 个时相间 的形态梯度差异影像， 即 = / ( * ，s) - g2(.*，s) 。 （ .12) 式:中Z (.*， s ) 为 形 态 禅 度 叢 异 :影 像g 1 ( * ， . s): , g2(*，S)分别为时相1 和时相2 的形态梯度影像。 (b) 2006年影像 图 2原 始 实 验 数 据 Fig.2 Original multi-temporal QuickBird images 3 . 2 检测结果决策融合分析3 . 2 检测结果决策融合分析 以原始影像为输人， 经预处理1： 作后， 包括相对 辐 射 校 正 和 几 何 校 进 行 差 异 影 像 分 析 。本文分 别对影像的光谱、 几何差异进行分析， 其中,采用邻 域相关系数和协方差法生成2 种光谱差异影像， 几 何差异影像通过形态梯度对比分析得到。光谱差异 影像生成过程中， 结果受影像分析子窗口的大小影 第_ _u期刘 淑 规 等 融 合 光谱參; _ :A何特征._秀奢辨率遥感变化检测研究3.9 像明显， 实验结果表明， 3x3 像素的子窗口能够清晰 表示地物的状况， 房屋的边缘清晰， 房屋阴影明显j 5X5像素的子窗口， 地物表现清晰， 房屋边缘清晰， 同时局部区域具有噪声抑制作用;7X7 像素以上的 子窗H获取的叠异影像， 影像中的边緣区域模糊。 因此， 实验选用5x5 像素的子窗口进行光谱差异分 析 ， 根据式(9)和式（ 10),分别得到相关系数差异影 像 、 协方差差异影像， 见 图 3。 在光谱差异影像中， 像素值越小， 表示越有可能 是变化区域;反之， 则越有可能表求_ 变化E域。对 光谱差异影像， 进行妇一化处理， 公式为 min 。 （ 13) max mm r % % 式中： 为 化 处 理 后 的 像 素 值 ;* 为特定像素值； 广为影像中暈小像素值;v-ra i3 U， 1 1 ； (14) 隶属度为 W: ; : ( X) 1 2 (15) 式 中m在本文中取值为20 以光谱和几何差异影像为输人， 根据式（ 15 ) ， (a)相关系数差异影像 3.x l 4 r 相关系数 (c)相关系数直方图 0 4 000 8 000 均方差 (d)协方差直方图 -4 000 图图3光谱差异影像及直方图光谱差异影像及直方图 Fig.3 Spectral difference images and histograms 40 .署江科擎院院报2016:年 f婿 (a)古3 (b) d=l 形态梯度差异值 (d)直方图，古7 图图4形态梯度差异影像形态梯度差异影像 Fig.4 Difference images of morphological gradient 获得变化类和非变化类的隶属度團像， 其中变化类 的隶屬度图像如圈5 所滅 根据式(3)计算出差异影像的模糊度， 然后根 相关系数隶属度 协方差隶属度 (C)形态梯度隶属度 图图5变化类的隶属度图像变化类的隶属度图像 Fig.5 Membership images of changed class 据式(5)对隶属度进行加权处理， 加权后的变化类 隶属度.图像如图:6 所示。 以加权后的变化类隶属度图像为输人， 采用阈 值分割的方式进行分割， 经椒盐嗓声滤除后， 获得如 图 7 所示的变化结果。为定量评价各种分割算法的 优越性， 将各种方法的分割结果.与参考数据进行对 比分析， 参考区域见图2(b)所标注区域， 采用混淆 矩 阵 进 行 精 度 评 定 ， 精 度 评 定 的 指 标 为 ：Kappa系 11.期刘淑凤等融合光谱和几何翁征的高分辨率遥感变化检测研究41 加权相关系数隶属度 (b)加权协方差隶属度 (c)加权形态梯度隶属度 (d)融合隶属度 (a) 相关系数 (d) 本文融合方法 图6加权后变化类的隶属度图像及融合隶属度 图7变化检测结果 Fig.6 Fusion of weighted membership images Fig.7 Final results of change detection of changed class 42 长江科学院院报 2016 年 数、 总体精度Pt、 漏检率A、 虚 检 率 6。精度评定结 果如表1 所示， 总体看来， 本文融合光谱和几何特征 的方法， 与其它类型的方法相比， 具有更高的Kappa 系数、 总体精度Pt， 更低的漏检率A、 虚检率Pf。 表 1各种方法变化检测结果比较表 1各种方法变化检测结果比较 Table 1 Segmentation results by several algorithms 方法阈值 Kappa系数 相关系数 0.500.660.370.570.06 协方差 0.400.660.380.550.07 形态梯度 0.450.600.210.780.01 本文融合方法 0.600.780.600.350.05 4结论 本文以多时相高分辨率影像为实验数据， 提出 了 一种融合光谱和几何特征的变化检测算法。根据 模糊集理论， 在建立变化类和非变化类隶属度基础 之上， 进行了光谱相关系数、 协方差差异影像和形态 梯度差异影像的决策融合研究， 研究结果表明决策 融合算法能够有效消除光谱差异影像中的伪变化检 测现象， 同时， 形态差异影像也能够对光谱差异影像 中漏检区域起到增强效果。 实验结果表明， 部分光谱差异影像中的伪变化 地物， 如河流、 街道， 因成像时刻辐射条件的差异， 导 致不同时相间的同名地物光谱属性差异较大， 根据 光谱差异易将其判定为变化类， 其变化类隶属度较 高， 而形态梯度差异影像中， 此类地物非变化类隶属 度高， 二者有效融合能够明显消除伪变化现象。同 时， 光谱差异影像和形态梯度差异影像都存在部分 人工建筑物漏检现象， 光谱和几何差异影像的有效 融合， 能取得明显的补充作用。通过相关系数、 协方 差、 形态梯度差异影像获取的变化检测结果和融合 结果的定性和定量对比分析， 表明融合方法获取的 结果精度比单独差异影像方法获取的精度高。 参考文献：参考文献： 1 BELLENS R. Improved Classification of VHR Images of Urban Areas Using Directional Morphological Profiles J. IEEE Transaction on Geosciences and Remote Sens ing,2008,46( 10) ：2803-2813. 2 BRUZZONE L. An Adaptive Semiparametric and Context based Approach to Unsupervised Change Detection in Multitemporal Remote Sensing Images J . IEEE Trans action on Image Processing,2002,11 (4) ：452-465. 3 FAUVEL M. Decision Fusion for the Classification of Ur ban Remote Sensing Images J . IEEE Transaction on Geosciences and Remote Sensing, 2006,44(10) ：2828- 2837. 4 CHANUSSOT J. Classification of Remote Sensing Images From Urban Areas Using a Fuzzy Possibilistic Model J. IEEE Geoscience and Remote Sensing Letters，2006， 3(1) .40-44. 5 钟家强， 王润生.基于自适应参数估计的多时相遥感 图像变化检测J .测绘学报，2005,34(4) :331-336. 6 宫鹏.高分辨率影像解译理论与应用方法中的一些 研究问题J .遥感学报，2006,10(1) :1-5. 7 姜 哲 ， 刘 芳 ， 张 微 ， 等.基 于Landsat遥感影像解 译的神农架林区近30年土地覆盖动态变化J.长江 科学院院报,2016,33(6) :150-154. 8 陈鹏霄， 申邵洪.基于多时相CBERS影像的陆生生境 变化研究】 .长江科学院院报,2011,28(2):69-73. 9 BRUZZONE L, B0V0L0 F. A Novel Framework for the Design of Change-Detection Systems for Very-High-Reso- lution Remote Sensing Images J . Proceedings of the IEEE, 2013,101(3) ：609-630. 10 JIA Lu, LI Ming, ZHANG Peng,e al. Remote-Sensing Image Change Detection with Fusion of Multiple Wavelet Kernels J . IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016,9( 8) ：1- 14. (编辑:黄 玲 ） Detection of the Change of High-resolution Remote Sensing Image Based on Fusion of Spectral and Geometrical Features LIU Shu-feng1, SHEN Shao-hong2 (1.Hubei Polytechnic Institute, Xiaogan 432000, China; 2.Spatial Information Technology Application Department, Yangtze River Scientific Research Institute, Wuhan 430010, China) A b s t r a c t A b s t r a c t ： In this paper, an automatic change detection method based on fusion of spectral and geometrical features for multi-temporal high-resolution remote sensing image is proposed. Firstly, as to the characteristic of complicated classes in urban area, spectral and geometrical difference images are developed using multi-temporal images. Sec ondly , with difference image as input, the membership images of changed and unchanged classes are acquired using (下转第48 页）(下转第48 页） 48 长江科学院院报 2016 年 究 J .辽 宁 师 范 大 学 学 报 （自然科学版） ，2010, 33(4) ：503-506, 1 8 关 伟 ， 王 雪.大连市土地利用变化的人文因素J. 地理研究,2009,28(7):990-1000. 19 WACKERNAGEL M,ONISTO L, BELLO P ,et al. Nation al Natural Capital Accounting with the Ecological Foot print Concept J . Ecological Economics, 1999,29 ( 3 )： 375-390. 2 0 方喻弘， 王丽婧， 韩 梅 ， 等.面向流域水质安全预警 的土地开发压力源评估方法及其应用J. 环境科学研 究 ，2016,29(3) :449-456. 21 LEE L. Factors Affecting Land Use Change at the Urban- rural FringeJ. Growth and Change, 1979, 10(4) ：25- 31. 2 2 周 扬 ， 周廷刚， 冯 冲 . 基 于RS和GIS的LUCC研 究以重庆市万州区为例 J .长江科学院院报， 2012,29(5)：67-71. 2 3 倪九派， 邵景安， 李阳兵， 等 .近10年重庆土地利用平 衡及未来情景分析J .资源科学，2011,33(8) :1591- 1599. (编辑:黄 玲) Characteristics and Prediction of Construction Land Expansion in Main Urban Area of Chongqing FANG Yu-hong1 2 3, LIU De-fu1， WANG Li-jing2, TAN De-bao3, ZHANG Jia-lei1， YANG Zheng-jian1 (1.College of Resources and Environmental Engineering, Hubei University of Technology, Wuhan 430068, China; 2.State Environmental Protection Key Laboratory of Drinking Water Source, Chinese Research Academy of Environmental Sciences, Beijing 100012, China; 3.Spatial Information Technology Application Department, Yangtze River Scientific Research Institute, Wuhan 430010, China) Abs t r a c tAbs t r a c t：The expansion of construction land use needs to be predicted in consideration of the influence of spatial pattern factors. In this research, we take the main urban area of Chongqing city as study area to predict the spatial distributions of construction land use demand and newly built construction land in 2020 using the method of average growth rate of construction land in association with land use superiority evaluation of three spatial factors ( elevation, slope, and original land-use type) by GIS technological means. Results indicate that：l) between 2010 and 2016, the area of urban construction land in urban Chongqing has increased from 749.14 km2 to 905.06 km2, with an av erage annual growth rate of 3.35%; 2) newly built area were mainly transformed from cultivated land( accounting for 53.25%) and forest land(37.89%) , and more likely located in the area of slope gradient smaller than 12and elevation below 400m, especially in the range of 0-3 slope (24.44%)and 200-300 m elevation(47.60%) ; 3) up to 2020, the area of urban construction land will be increased by 115.31 km2, mainly transformed from cultivated land (56.24%) and distributed in the range of 200-300m elevation (47.45%) and 0-12slope (58.39%) , mainly located in Shapingba district, Jiulongpo district and Yubei district. Key words Key words ： urban construction land; ; expansion prediction ； spatial distribution ； land use superiority evaluation ； main urban area of Chongqing (上接第上接第42页）页） fuzzy classification method. Thirdly, a fusion model based on fuzzy logic theory is used to combine all kinds of membership images in order to reduce the fuzziness and to distinguish the changed and unchanged classes of special areas efficiently. Finally, change detection result is obtained using threshold segmentation algorithm and accuracy e valuation is given. Multi-temporal high-resolution images of urban area are taken as experimental data, and the ex perimental results prove that the change detection result fusing spectral and geometrical features has higher detection precision and lower undetected ratio compared with those from spectral or geometrical difference image methods. Key wordsKey words：fusing spectral; remote sensing changes; detection method; high-resolution image; fuzzy set