基于面向对象的中分辨率遥感影像变化检测方法研究

田方 武喜红

摘 要：该文从如何提高遥感影像变化检测的精度出发，提出了一种基于面向对象的Idex-CVA变化检测法。通过实验数据分析，面向对象的Idex-CVA法可以把图像指数变换与CVA法的优势融合，能够提高检测精度，降低虚检率、漏检率。随着经济与科技的发展，尤其是近年来人口的快速增长和城镇化的推进，地表覆盖物的变化越来越频繁，如果我们能用既快速又有效的方法检测到地表覆盖物的变化，在国情监测、农业普查、研究土地变化等领域具有十分重要的意义。

关键词：遥感影像  变化检测  Idex-CVA  面向对象

中图分类号：P23      文献标识码：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

当今遥感技术进入了一个快速发展的阶段，“三多和三高”已经成为遥感技术的最大特点，三多是指多角度、多传感器和多平台，三高是指高光谱分辨率、高空间分辨率和高时间分辨率，遥感影像变化检测已成为空间信息科学中较为活跃的研究方向之一[1]。面向对象影像分析技术以对象为基本操作单元，是结合遥感和地理信息系统的一种新型地学分析工具，在遥感图像分析处理中广泛应用。

基于遥感影像的变化检测已经取得了一定的应用成效，在土地利用动态检测、自然资源调查、农作物遥感动态检测与评估、环境变迁检测、重大自然灾害检测与评估、森林变化检测等领域均已得到广泛应用。可用于变化检测的遥感影像数据是海量的，如何能够准确而又快速地利用这些遥感数据发现变化，如何从遥感影像中自动提取变化区域等理论和技术是遥感技术未来发展的研究方向[2]。

在现有的遥感数据源中，中分辨率卫星遥感影像具有获取成本低，覆盖范围广，重访周期较短等特点，非常适用于大范围的国土及农业的动态变化检测，已成为遥感影像变化检测的主要数据源。但基于这类遥感影像数据的遥感影像变化检测中仍有不少问题尚待研究解决。因此，该文以中分辨率卫星遥感影像为数据源展开遥感影像变化检测研究，运用新的技术和理念（面向对象遥感影像分析和Idex-CVA变换）来对传统的遥感影像变化检测流程进行改进，以提高遥感影像变化检测的检测精度，降低其检测误差。

2  国内外研究现状

遥感影像变化检测技术最早出现在20世纪60年代，德国布拉施克提出了基于影像对象进行遥感影像变化检测处理的框架，国内学者于海霞利用遥感影像进行了赣南稀土开采变化检测。中国地震局宋立强研究员采用了汶川地震前、地震后的福卫二号数据，使用面向对象方法结合高程数据对北川附近的灾情进行了动态遥感影像变化检测分析，取得了较好的结果[3]。遥感影像变化检测主要有以下几个方面的研究成果。

一是应用领域的普遍化，从早期军事方面的应用到现在国民经济建设中的应用。

二是遥感数据的多源化，从早期航摄像片到现在卫星遥感影像。

三是影像信息的多样化，从单一影像反应某一特性到现在特征结合反应综合特性。

四是检测方法的综合化，从单一检测方法到现在多方法融合。

但是，遥感影像的变化检测方式还存在不足，具体如下。

一是理论上的欠缺：遥感影像的变化检测方法大多是针对一些具体的应用场景进行研究，进而提出来的，暂时还没有形成系统的遥感影像变化检测理论研究体系。

二是对数据质量的要求极高：遥感影像的变化检测算法对影像数据预处理的质量要求都很高。要保持遥感影像的变化检测方法的鲁棒性和有效性，较好的数据质量必不可少。

三是算法通用性不足：一般情况下，用于进行遥感影像的变化检测算法都是针对具体的应用需求而进行设计，不同领域的应用有不同的遥感影像变化检测算法。

四是自动化程度不高：遥感影像的变化检测自动化是其工程化应用必然的发展方向，因此如何自动准确地界定变化区域是当前遥感影像变化检测中面临的首要问题。

3基于面向对象的中分辨率遥感影像变化检测方法研究

在遥感影像数据预处理、特征提取、变化检测、精度分析、成果输出等遥感影像变化检测流程的基础上[4]。

首先对比像元级先分类后变化检测法和对象级先分类后变化检测法，如图1所示，白色部分表示检测正确的变化区域，即检测精度指标;黑色部分表示检测正确的非变化区域;灰色部分表示错检的非变化区域（即虚检率指标）和漏檢的变化区域（即漏检率指标）。统计出检测正确的变化区域和非变化区域，且各区域用不同的灰度表示，并依次对比检测正确的变化区域和非变化区域对应检测精度指标。其中错检的非变化区域对应虚检率指标，漏检的变化区域对应漏检率指标。其次对比像元级全成分分析检测和对象级全成分检测，最后对比像元级变化矢量分析检测和对象级变化矢量分析检测，同样，统计出检测正确的变化区域和非变化区域，且各区域用不同的灰度表示，并依次对比检测正确的变化区域和非变化区域对应检测精度指标。其中错检的非变化区域对应虚检率指标，漏检的变化区域对应漏检率指标。

对于3种检测方法的精度分析做以下3种指标对比。

（1）变化检测精度对比，使用环境一号卫星数据与Landsat8卫星数据进行对比实验。环境一号卫星数据像元级先分类后变化检测法的检测精度是最好的，其次是CVA法，最后是PCA法。环境一号卫星数据对象级、Landsat8卫星数据像元级和对象级的检测精度都是CVA法最好的，其次是先分类后变化检测法，最后是PCA法。

（2）虚检率对比，使用环境一号卫星数据与Landsat8卫星数据进行对比实验。HJ-1B卫星数据像元级、HJ-1B卫星数据对象级和Landsat8卫星数据像元级的虚检率都是先分类后变化检测法的结果是最高的，其次是PCA法，最低的是CVA法。Landsat8卫星数据对象级的虚检率是PCA法的结果最高，其次是先分类后变化检测法，最低的是CVA法。

（3）漏检率对比，使用环境一号卫星数据与Landsat8卫星数据进行对比实验。HJ-1B卫星数据和Landsat8卫星数据的像元级虚检率结果排序一致，都是PCA法得到的漏检率最高，其次是CVA法，最低的是先分类后变化检测法。两种数据的对象级虚检率结果排序也是一致的，都是PCA法得到的漏检率最高，其次是先分类后变化检测法，最低的是CVA法。

总结以上方法的精度，该文提出了一种基于面向对象的Idex-CVA变化检测法，该方法利用植被指数、水体指数和不透水面指数3种图像指数对Landsat8的多波段数据进行信息压缩，从而使生成的变化矢量具有明确的地学含义，实现了代数运算类方法与变换类方法的有机结合。

NDVI对叶绿素十分敏感，能够很好地突出影像中的绿色植被信息;MNDWI对水体十分敏感，能够很好地突出影像中的自然或人工水体信息;NDISI对以水泥地面为代表的不透水面十分敏感，能够较好地突出影像中的各种人工建筑和沙石、裸地等信息[5]。

矢量结果与标准矢量结果在ArcGIS 10.2中进行叠置分析，再按照混淆矩阵计算出变化检测结果的检测精度、虚检率、漏检率以及总检测误差。同样，统计出检测正确的变化区域和非变化区域，且各区域用不同的灰度表示，并依次对比检测正确的变化区域和非变化区域对应检测精度指标。其中错检的非变化区域对应虚检率指标，漏检的变化区域对应漏检率指标。

最后对4种检测方法进行精度评价，从分析数据上可以看出：（1）提高了变化检测结果中图斑的完整性，抑制了“椒盐现象”。（2）有效消除数据冗余。（3）有效降低虚检率和检测误差，但是无法明显提高检测精度。

4   总结和展望

该文对比了像元级与对象级变化检测的检测精度、虚检率和漏检率这3个性能指标，分析后认为变化检测的检测精度主要取决于所选用的变化检测方法，基于面向对象影像分析技术无法明显提高检测精度，但可以降低虚检率。

将面向对象影像分析技术与图像指数变换和CVA变化检测法相结合，提出了一种基于面向对象的Idex-CVA变化检测法。实验表明该文提出的面向对象的Idex-CVA法可以把图像指数变换与CVA法的优势融合，能够提高检测精度，降低虚检率和漏检率。

就文中对基于面向对象影像分析的变化检测的研究与实现而言，还有一些亟待完善和改进的地方，如何解决下面这些问题有待在以后的学习中进一步研究与探讨。

（1）数据的选择和预处理是变化检测首先要解决的问题。由于目前尚缺乏完整、可操作的理论分析方法，该文仅是凭借经验对检测数据进行选择和预处理。虽然现阶段的预处理技术已经可以将不同时相的数据在空间上精确的叠合在一起，但仍无法自动消除时相差带来的伪变化。而伪变化则是变化检测误差的主要来源。在现阶段的实际应用中，人们仍只能通过经验来筛选在时间上精确配准的多时相数据，以抑制时相差带来的伪变化。如果是遥感影像数据还需考虑植被生长周期等因素，这就极大地限制了多时相数据在变化检测中的应用。因此有必要系统的研究相关理论方法，并结合其他专业领域的专家知识和经验，实现变化检测数据选取与预处理的标准化和自动化。

（2）由于较难获取满足实验条件的高分辨率遥感数据，该文只使用了中分辨率多光谱遥感影像（空间分辨率为30 m的HJ-1B卫星影像和Landsat8卫星影像）来进行基于面向对象的变化检测研究。该文的研究结论是否适用于高分辨率遥感数据，仍然有待将来做更为深入的研究及探讨。

总之，变化检测是一个较为复杂的过程，其理论和方法研究正在经历一个快速的发展时期，且涉及到众多研究领域，各个环节都会对变化检测的最终结果产生影响，仍需要不断的充实、丰富和完善。

参考文献

[1] 赵敏，赵银娣.面向对象的多特征分级CVA遥感影像变化检测[J].遥感学报，2018，22（1）：119-131.

[2] 陈扬洋，明冬萍，徐录，等.高空间分辨率遥感影像分割定量实验评价方法综述[J].地球信息科学学报，2017，19（6）：818-830.

[3] 张立福，王飒，刘华亮，等.从光谱到时谱——遥感时间序列变化检测研究进展[J].武汉大学学报：信息科学版，2021，46（4）：451-468.

[4] 张涵，秦昆，毕奇，等.注意力引导的三维卷积网络用于遥感场景变化检测[J].应用科学学报，2021，39（2）：272-280.

[5] 张涛，方宏，韦玉春，等.顾及空间自相关性的高分遥感影像中建设用地的变化检测[J].自然资源学报，2020，35（4）：963-976.

[6] 张慧芳.基于机器学习和模糊融合的高分影像变化检测研究[D].武汉：武汉大学，2020.