一种高分辨率多源遥感影像的土地利用变化检测方法技术

本发明专利技术公开了一种高分辨率多源遥感影像的土地利用变化检测方法，包括：步骤1)对基准期T1影像进行图像分割后获取其对象层，将T1影像进行图斑特征提取获取到图像特征并输入到训练好的分类器，得到T1影像上各图像对象的类别；步骤2)获取检测期T2影像，将T1影像对象层套合到T2影像上，然后进行图斑特征提取获取到图像特征，并根据T1影像上各图像对象的类别，计算T2影像各图像对象类别的特征中心；步骤3)将T2影像各图像对象类别的特征中心与图像特征进行比较，若发现类别变化，则对发生变化的图像对象基于内部一致性进行再分割和归并，生成图像对象层，并判定其类别信息；步骤4)对比T1影像和T2影像的类别，生成变化区域的矢量边界及变化类型。

A Land Use Change Detection Method Based on High Resolution Multi-source Remote Sensing Images

The invention discloses a land use change detection method for high-resolution multi-source remote sensing images, which includes: step 1) acquiring the object layer after image segmentation of the base period T1 image, extracting the feature of the T1 image spot, and inputting it into the trained classifier to obtain the categories of the image objects on the T1 image; step 2) acquiring the T2 image in the detection period, and then acquiring the T1 image. The image object layer is nested on the T2 image, and then the speckle feature is extracted to get the image features, and the feature centers of each image object category in the T2 image are calculated according to the category of each image object on the T1 image. Step 3) The feature centers of each image object category in the T2 image are compared with the image features, and if the category changes are found, the image objects that have changed are based on the internal consistency. Sex is re-segmented and merged to generate the image object layer and determine its category information. Step 4) Compare the categories of T1 and T2 images, and generate the vector boundary and change type of the change area.

【技术实现步骤摘要】
一种高分辨率多源遥感影像的土地利用变化检测方法
本专利技术涉及遥感应用领域，特别是利用一种高分辨率多源遥感影像的土地利用变化检测方法。
技术介绍
《国土资源“十三五”科技创新发展规划》要求面向土地调查、土地执法、矿产开发执法、重大地质灾害应急调查监测等应用实际，着重提升空天观测技术定量化、工程化、智能化数据处理和专题产品生产能力，开发软件平台，提升服务效率，提升卫星应用对政府决策的服务能力，支撑调查监管体系建设，为构建生态国土、智慧国土奠定坚实基础。高分辨率多源遥感影像的土地利用变化检测是国土遥感应用的基础。当前的土地利用变化检测主要有两类方法：1、人工目视解译。专业人员通过直接观察或借助辅助判读仪器在遥感图像上获取特定目标地物信息。该方法受限于人员技术水平且费工费时，不能满足信息时效性的需要。2、计算机监督分类。以最大似然法为代表的监督分类，是计算机模式识别的方式自动提取土地利用类别。该方法虽然自动化程度较高，但准确度受限于样本选择数量与质量、计算机模式识别算法性能等的影响，识别的准确度较低，难以满足应用要求。近年来遥感观测技术的迅速发展，遥感数据的光谱分辨率、空间分辨率、时间分辨率不断提高，为进一步提高遥感土地利用变化的准确性和效率提供了可能性。但上述两类方法均无法充分利用多源(尤其是中高分辨率卫星)，因此需要一种能够高分辨率多源遥感影像的准确、高效、适用性强的土地利用变化检测方法。
技术实现思路
本专利技术主要解决的技术问题是在高分辨率多源遥感影像在土地利用变化检测中信息无法被充分利用、解译自动化程度较低、识别准确度较低。为解决上述问题，本专利技术采用的一个技术方案是：一种高分辨率多源遥感影像的土地利用变化检测方法，所述方法包括：步骤1)对基准期T1影像进行图像分割后获取其对象层，并将T1影像进行图斑特征提取获取到图像特征并输入到训练好的分类器，得到T1影像上各图像对象的类别；步骤2)获取检测期T2影像，将T1影像对象层套合到T2影像上，然后进行图斑特征提取获取到图像特征，并根据T1影像上各图像对象的类别，计算T2影像各图像对象类别的特征中心；步骤3)将T2影像各图像对象类别的特征中心与图像特征进行比较，若发现类别变化，则对发生变化的图像对象基于内部一致性进行再分割和归并，生成图像对象层，并判定其类别信息，进入步骤4)；否则，判定土地利用未发生变化；步骤4)对比T1影像和T2影像的类别，生成变化区域的矢量边界及变化类型。作为上述方法的一种改进，所述分类器的训练的步骤为：选取T1影像中的典型地物类别区域作为样本区域；以这些区域内的图像对象作为训练样本，利用支持向量机方法训练分类器。作为上述方法的一种改进，所述图像分割的具体步骤为：步骤1)利用图像像素在空间和色彩上的相似性对图像进行初始分割，利用像素之间特征的相似性将像素分组，用少量的超像素代替大量的像素来表达图片特征；在图像中产生若干个超像素分割区块，图像中的每个像素点都与一个距离最近的聚类核心相关联；步骤2)对初始分割后的图像进行边缘精准化；具体包括：(1)由多个符号距离函数建立样本训练集，计算训练样本集的平均水平集函数；(2)应用PCA算法得到训练集的特征值、特征向量，以及形状变化模式；(3)根据新的能量函数，使主动轮廓线结合先验形状信息朝目标边界演化。作为上述方法的一种改进，所述图斑特征包括：各波段的光谱特征、归一化植被指数、归一化水体指数、归一化土壤指数、灰度共生矩阵的能量、熵和对比度、Laws纹理能量、形状细长率、形状矩形度、轮廓紧致度和形状中心矩。作为上述方法的一种改进，所述步骤2)的计算T2影像各图像对象类别的特征中心具体为：提取T2影像中的图斑特征；按照土地利用类别，统计各类别图像对象的总体特征；计算原属该类别中的图像对象与总体特征的相似系数；剔除相似系数小于阈值的图像对象，并重新计算总体特征；迭代此过程得到T2影像各类别的特征中心。本专利技术的有益效果是：1、本专利技术的方法采用面向对象的影像变化检测方法，以图像对象(ImageObject)为处理单元，在深入挖掘图像信息的基础上，利用机器学习与人工智能技术，实现图像变化区域的发现与识别；2、本专利技术的方法可连续进行多期变化检测，可实现非同源影像变化检测，智能化、自动化程度较高，为国土部门监测系统的业务化运行提供技术支撑。附图说明图1为本专利技术的土地利用变化检测方法的流程图。具体实施方式下面结合附图对本专利技术的实施方式进行详细阐述，以使本专利技术的优点和特征能更易于被本领域技术人员理解，从而对本专利技术的保护范围做出更为清楚明确的界定。总体技术流程本专利技术的总体技术流程如附图1所示。主要分为3个环节，分别是图像分割和图斑轮廓优化、图斑特征提取、不依赖光谱定标的变化发现。通过这些技术环节，解决了高分辨率多源遥感数据分析中的各种问题，实现高分辨率多源遥感影像的土地利用变化检测。1、图像分割和图斑轮廓优化首先是仅利用图像像素在空间和色彩上的相似性对图像进行初始分割，采用的基本方法是简单线性迭代聚类的超像素方法。它利用像素之间特征的相似性将像素分组,用少量的超像素代替大量的像素来表达图片特征,很大程度上降低了图像后处理的复杂度。在分割处理中需要首先放置聚类核心点。在图像中产生若个超像素分割区块，那么每块超像素区块核心的近似距离。图像中的每个像素点都与一个聚类核心相关联，关联聚类核心的判别为距离像素点最近的聚类核心。初始分割中采用的依据为像素间的相似性，因此得到的图斑边界往往不符合实际的地物边界，可能导致后续地物类别识别和变化检测应用中出现错分类情况的出现。边缘精准化采用曲线演化的方法实现，具体步骤如下：(1)由多个符号距离函数建立样本训练集，计算训练样本集的平均水平集函数；(2)应用PCA算法得到训练集的特征值、特征向量，以及形状变化模式；(3)根据新的能量函数，使主动轮廓线结合先验形状信息朝目标边界演化。。2、图斑特征提取以图像分割得到的图斑为单位，在分析多源遥感影像与国土部门对土地变化检测需求的基础上，提出最优的特征组合包括以下几个方面：图斑的光谱、指数、纹理、形状等特征。具体包括：1、各波段的光谱特征(一般为红、绿、蓝、近红外)2、归一化植被指数3、归一化水体指数4、归一化土壤指数5、灰度共生矩阵的能量、熵、对比度6、Laws纹理能量7、形状细长率8、形状矩形度9、轮廓紧致度10、形状中心矩。3、不依赖光谱定标的变化发现在T1影像上，选取少量典型地物类别区域作为样本区域。以这些区域内的图像对象作为训练样本，利用当期较为流行和有效的支持向量机(SVM)方法训练分类器并进行分类，实现T1影像上各图像对象的类别判定。将T1图像对象层套合到检测期(T2)影像上，分析个图像对象内的像元情况，提取其在T2影像中的特征。统计某一类别图像对象的总体特征，构建该类别中每个图像对象的相似系数，通过迭代的方法，去除异常的图像对象，计算T2影像各类别的特征中心。具体为：提取T2影像中的图斑特征；按照土地利用类别，统计各类别图像对象的总体特征；计算原属该类别中的图像对象与总体特征的相似系数；剔除相似系数小于阈值的图像对象，并重新计算总体特征；迭代此过程得到T2影像各类别的特征中心。计算图像对象的特征与各类别中心的距离，如发生类别变化本文档来自技高网...

【技术保护点】
1.一种高分辨率多源遥感影像的土地利用变化检测方法，所述方法包括：步骤1)对基准期T1影像进行图像分割后获取其对象层，并将T1影像进行图斑特征提取获取到图像特征并输入到训练好的分类器，得到T1影像上各图像对象的类别；步骤2)获取检测期T2影像，将T1影像对象层套合到T2影像上，然后进行图斑特征提取获取到图像特征，并根据T1影像上各图像对象的类别，计算T2影像各图像对象类别的特征中心；步骤3)将T2影像各图像对象类别的特征中心与图像特征进行比较，若发现类别变化，则对发生变化的图像对象基于内部一致性进行再分割和归并，生成图像对象层，并判定其类别信息，进入步骤4)；否则，判定土地利用未发生变化；步骤4)对比T1影像和T2影像的类别，生成变化区域的矢量边界及变化类型。

【技术特征摘要】
1.一种高分辨率多源遥感影像的土地利用变化检测方法，所述方法包括：步骤1)对基准期T1影像进行图像分割后获取其对象层，并将T1影像进行图斑特征提取获取到图像特征并输入到训练好的分类器，得到T1影像上各图像对象的类别；步骤2)获取检测期T2影像，将T1影像对象层套合到T2影像上，然后进行图斑特征提取获取到图像特征，并根据T1影像上各图像对象的类别，计算T2影像各图像对象类别的特征中心；步骤3)将T2影像各图像对象类别的特征中心与图像特征进行比较，若发现类别变化，则对发生变化的图像对象基于内部一致性进行再分割和归并，生成图像对象层，并判定其类别信息，进入步骤4)；否则，判定土地利用未发生变化；步骤4)对比T1影像和T2影像的类别，生成变化区域的矢量边界及变化类型。2.根据权利要求1所述的高分辨率多源遥感影像的土地利用变化检测方法，其特征在于，所述分类器的训练的步骤为：选取T1影像中的典型地物类别区域作为样本区域；以这些区域内的图像对象作为训练样本，利用支持向量机方法训练分类器。3.根据权利要求1所述的高分辨率多源遥感影像的土地利用变化检测方法，其特征在于，所述图像分割的具体步骤为：步骤1)利用图像像素在空间和色彩上的相似性对图像进行初...

【专利技术属性】
技术研发人员：李磊，吴岳，姜航，
申请(专利权)人：北京航天泰坦科技股份有限公司，
类型：发明
国别省市：北京,11