一种基于分类结果及CVA-SGD法的建筑垃圾变化检测方法技术

本发明专利技术涉及建筑垃圾变化检测技术领域，具体地说是一种基于分类结果及CVA

【技术实现步骤摘要】
一种基于分类结果及CVA
‑
SGD法的建筑垃圾变化检测方法


[0001]本专利技术涉及建筑垃圾变化检测
，具体地说是一种基于分类结果及CVA
‑
SGD法的建筑垃圾变化检测方法。

技术介绍

[0002]建筑垃圾作为城市建设中不可避免产生的固体废弃物，其带来的一系列环境污染问题与社会问题严重制约了国家循环经济、可持续发展战略的推进，因此研究建筑垃圾的特征信息，并能够快速准确发现其空间分布位置非常重要。
[0003]传统的建筑垃圾监测与管理主要是通过实地调研与现场测量，已经无法高效精准地定位当今城市快速发展所带来的大量建筑堆积地点与范围，而当前遥感技术快速发展，高空间分辨率、高时间分辨率遥感数据获取能力极大提升，为建筑垃圾监测提供了新的手段。
[0004]因此，需要设计一种基于分类结果及CVA
‑
SGD法的建筑垃圾变化检测方法，对同一地区不同时期的两个影像提供的信息进行分析、处理与比较,获取该时间段内的土地利用与覆盖变化信息，实现对建筑垃圾变化信息的掌握。

技术实现思路

[0005]本专利技术的目的是克服现有技术的不足，提供了一种基于分类结果及CVA
‑
SGD法的建筑垃圾变化检测方法，对同一地区不同时期的两个影像提供的信息进行分析、处理与比较,获取该时间段内的土地利用与覆盖变化信息，实现对建筑垃圾变化信息的掌握。
[0006]为了达到上述目的，本专利技术提供一种基于分类结果及CVA
‑
SGD法的建筑垃圾变化检测方法，包括以下步骤：
[0007]【数据及预处理】：
[0008]S1：使用ARCGIS软件获取随机点作为验证样本，根据地物类别占比确定样本数量；
[0009]S2：通过实地勘察采集建筑垃圾堆积位置的GPS数据点，结合Google Earth确定建筑垃圾堆积范围；
[0010]S3：根据研究区内建筑垃圾类型以及堆积时间的差异，将其作为参考结果用于精度评价分析；
[0011]【建筑垃圾特征提取】：
[0012]通过使用ReliefF_J
‑
M组合算法来对建筑垃圾及其他精细地物的特征进行优选；
[0013]选取特征的最邻近样本，再进行特征权重的计算；
[0014]如果同类样本中，该特征差别较小，而不同类样本中，差别较大，则表示该特征的贡献程度较大，即权重值大；权重值较大的特征在地物分类中是需要进行首要考虑的特征信息；权重值的具体计算公式如式：
[0015][0016]式中：h为迭代次数；r为最邻近样本个数，disc()为样本之间的距离，p()类别，R为随机样本，它在类别不同的样本中的最邻近样本用Ij(v)表示；其中K＝2(1
‑
e
‑
P
)，
[0017]式中：Δ
i
和τ
i
(i＝1和2)都表征准备参与分类的两个类别中，样本对应特征参数。其中Δ
i
为均值，τ
i
(i＝1和2)指标准差，P的取值范围为[0，+∞)。J
‑
M距离计算出来的结果数值在的0到2之间，若K＝0，表示两种类别在该特征上相似性极高，利用对应特征分类会出现大量错分现象；若K值大于0且越接近2，意味利用对应特征能够较好的分离出相关对象；
[0018]【面向对象的建筑垃圾遥感识别与分类】：通过利用基于ReliefF_J
‑
M算法模型优选出的特征，设立阈值，最终得到面向对象分类的特征规则集，确立了研究区内的分类体系：
[0019]建筑垃圾：分布在建设用地及裸土旁，在影像中多呈灰色或亮白色。边界不清晰，纹理较复杂；
[0020]建设用地：分布集中，包括建筑物和道路，在影像中呈建筑物屋顶真实颜色(红色或蓝色)，呈长条状或块状；
[0021]植被：分布在道路、居民区旁。在影像上呈深绿色，有一定的纹理；
[0022]水域：分布在道路一侧，为人工沟渠，反射率较低，影像中呈暗黑色；
[0023]裸土：分布在植被或建设用地旁，在影像中呈暗褐色或土黄色；
[0024]【变化矢量分析法(CVA)】：同时从强度和方向两个角度来描述影像发生变化的情况；
[0025]设时相T1和时相T2的遥感影像分别为G1和G2，第i行第j列的像元灰度值分别为和其中n为选择的波段数，为第k波段第i行第j列的T时相该像元的灰度值，对G1和G2作差值，得到变化矢量式：
[0026][0027]ΔG通过下式得到，它描述了整幅影像发生变化的信息：
[0028][0029]对||ΔG||设定一个适当的阈值，当大于该值时，认为发生了变化，否则判定未变化；
[0030]【光谱斜率差异法(SGD)】：比较卫星在同一区域拍摄所得的两个不同时期的影像中地物光谱斜率的差异大小，若两个时期影像中同一处地物在光谱形状上发生了变化，就可以依据此变化来判断该处地物也发生了变化；若一幅遥感影像一共拥有M个多光谱波段，则它们会形成M
‑
1个多光谱波段，这时计算连接每两个相邻多光谱波段之间线段的斜率，可以通过下式计算得到多光谱段(M，M+1)的斜率：
[0031]式中：Δref为波段M+1与波段M的光谱亮度值之间的差，Δρ是M+1波段与M波段波长之间的差，ρ
′
M
是对第M波段的波长进行归一化后得到的值，可以通过下式计算得到：
[0032]式中：ρ
M
为第M波段的波长值，min(ρ)为影像中波长最小值，max(ρ)为最大值，单位均为μm；
[0033]最终两时相同一处地物的光谱斜率的变化强度可以通过下式计算得到：
[0034][0035]式中：ref
i，M+1
为T1时相第M+1波段的光谱亮度值，ref
i，M
为第M波段的光谱亮度值，ref
j，M+1
为T2时相第M+1波段的光谱亮度值，ref
i，M
分别为第M波段的光谱亮度值，ρ
′
M+1
和ρ
′
M
为对应波段的归一化波长，Dif
K
为两斜率向量的变化强度，该值越大，表示区域内地表覆盖越可能发生变化，反之可能性较低，最后需要通过设定一个阈值，来判断是否发生变化；
[0036]【阈值分割算法】：合适的阈值分割算法能够将变化检测的错误率降到最低；
[0037]【精度评价指标】：选择遥感影像变化检测中常用的几种精度评价指标对建筑垃圾变化检测结果进行精度评价：
[0038]判定为建筑垃圾，真实为建筑垃圾：TW
[0039]判定为建筑垃圾，真实为非建筑垃圾：FW
[0040]判定为非建筑垃圾，真实为建筑垃圾：FC
[0041]判定为非建筑垃圾，真实为非建筑垃圾：TC
[0042]具体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分类结果及CVA
‑
SGD法的建筑垃圾变化检测方法，其特征在于：包括以下步骤：【数据及预处理】：S1：使用ARCGIS软件获取随机点作为验证样本，根据地物类别占比确定样本数量；S2：通过实地勘察采集建筑垃圾堆积位置的GPS数据点，结合Google Earth确定建筑垃圾堆积范围；S3：根据研究区内建筑垃圾类型以及堆积时间的差异，将其作为参考结果用于精度评价分析；【建筑垃圾特征提取】：通过使用ReliefF_J
‑
M组合算法来对建筑垃圾及其他精细地物的特征进行优选；选取特征的最邻近样本，再进行特征权重的计算；如果同类样本中，该特征差别较小，而不同类样本中，差别较大，则表示该特征的贡献程度较大，即权重值大；权重值较大的特征在地物分类中是需要进行首要考虑的特征信息；权重值的具体计算公式如式：式中：h为迭代次数；r为最邻近样本个数，disc()为样本之间的距离，p()类别，R为随机样本，它在类别不同的样本中的最邻近样本用Ij(v)表示；其中K＝2(1
‑
e
‑
p
)，式中：Δ
i
和τ
i
(i＝1和2)都表征准备参与分类的两个类别中，样本对应特征参数。其中Δ
i
为均值，τ
i
(i＝1和2)指标准差，P的取值范围为[0，+∞)。J
‑
M距离计算出来的结果数值在的0到2之间，若K＝0，表示两种类别在该特征上相似性极高，利用对应特征分类会出现大量错分现象；若K值大于0且越接近2，意味利用对应特征能够较好的分离出相关对象；【面向对象的建筑垃圾遥感识别与分类】：通过利用基于ReliefF_J
‑
M算法模型优选出的特征，设立阈值，最终得到面向对象分类的特征规则集，确立了研究区内的分类体系：建筑垃圾：分布在建设用地及裸土旁，在影像中多呈灰色或亮白色。边界不清晰，纹理较复杂；建设用地：分布集中，包括建筑物和道路，在影像中呈建筑物屋顶真实颜色(红色或蓝色)，呈长条状或块状；植被：分布在道路、居民区旁。在影像上呈深绿色，有一定的纹理；水域：分布在道路一侧，为人工沟渠，反射率较低，影像中呈暗黑色；裸土：分布在植被或建设用地旁，在影像中呈暗褐色或土黄色；【变化矢量分析法(CVA)】：同时从强度和方向两个角度来描述影像发生变化的情况；设时相T1和时相T2的遥感影像分别为G1和G2，第i行第j列的像元灰度值分别为和其中n为选择的波段数，
为第k波段第i行第j列的T时相该像元的灰度值，对G1和G2作差值，得到变化矢量式：ΔG通过下式得到，它描述了整幅影像发生变化的信息：对||ΔG||设定一个适当的阈值，当大于该值时，认为发生了变化，否则判定未变化；【光谱斜率差异法(SGD)】：比较卫星在同一区域拍摄所得的两个不同时期的影像中地物光谱斜率的差异大小，若两个时期影像中同一处地物在光谱形状上发生了变化，就可以依据此变化来判断该处地物也发生了变化；若一幅遥感影像一共拥有M个多光谱波段，则它们会形成M
‑
1个多光谱波段，这时计算连接每两个相邻多光谱波段之间线段的斜率，可以通过下式计算得到多光谱段(M，M+1)的斜率：式中：Δref为波段M+1与波段M的光谱亮度值之间的差，Δρ是M+1波段与M波段波长之间的差，ρ
′
M
是对第M波段的波长进行归一化后得到的值，可以通过下式计算得到：式中：ρ
M
为第M波段的波长值，min(ρ)为影像中波长最小值，max(ρ)为最大值，单位均为μm；最终两时相同一处地物的光谱斜率的变化强度可以通过下式计算得到：式中：ref
i，M+1
为T1时相第M+1波段的光谱亮度值，ref
i，M
为第M波段的光谱亮度值，ref
j，M+1
为T2时相第M+1波段的光谱亮度值，ref
i，M<...

【专利技术属性】
技术研发人员：陈强，曹蓓蕾，杜明义，刘扬，周磊，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：