基于时空距离矩阵分析的遥感时间序列图像变化检测方法技术

本发明专利技术提供一种基于时空距离矩阵分析的遥感时间序列图像变化检测方法，包括以下步骤：S1：构建时空距离矩阵M；S2：基于时空距离矩阵的拓扑图结构；S3：基于图模型的变化断点检测。本发明专利技术充分考虑了遥感影像高维时间序列的变化规律，将拓扑图结构和高维时间序列的时空距离矩阵融合，创建了时间序列拓扑图结构，提出了相应的图分割和合并方法，能够满足高维时间序列的变化检测需求，打破传统时间序列分析方式，其检测识别效率高、准确性高、计算复杂性低。低。低。

【技术实现步骤摘要】
基于时空距离矩阵分析的遥感时间序列图像变化检测方法


[0001]本专利技术涉及遥感时间序列图像分析领域，具体涉及一种基于时空距离矩阵分析的遥感时间序列图像变化检测方法。

技术介绍

[0002]卫星遥感几十年的发展，积累了海量的遥感时间序列数据，这些时间序列影像较为真实地反映了地表在长时间范围内的动态变化情况，而地表变化与全球地表覆盖变化、土地利用变化、环境变化、气候变化息息相关。因此，基于遥感长时间序列影像，对地表进行时空动态分析对指导生产生活、合理整合资源以及快速辅助决策具有重要意义。
[0003]遥感时间序列图像变化检测是指针对同一地点不同时间的遥感影像，利用图像处理技术对影像间的地物变化程度和变化类别进行分析。目前已存在一些遥感时间序列变化检测的方法，主要基于像元原始光谱或光谱指数的时间序列，以时间数值为自变量，以原始光谱或光谱指数数值为因变量，利用曲线拟合技术模拟地物自身规律，捕捉由于地物变化导致的时间序列异常信息。然而，由于光照条件和大气云雨的影响，影像中存在同物异谱、同谱异物、以及云噪声等干扰，导致曲线拟合结果存在较高的虚警和错漏，精度较低。
[0004]部分技术考虑加入空间邻域信息提高变化检测的准确性，在像元级检测结果的基础上，增加空间聚合或空间滤波作为后处理技术。通过后处理方式加入空间邻域信息能够有效降低检测结果的虚警率，但难以提高探测的准确性。
[0005]因此，亟需探索空间邻域信息在时间尺度上的变化规律，发展将空间信息融入变化检测过程的理论方法，克服光照和大气等因素对数据的干扰，降低虚警和错漏率，是当前时间序列变化检测需要解决的关键问题。

技术实现思路

[0006]本专利技术的目的在于提出一种基于时空距离矩阵分析的遥感时间序列图像变化检测方法，充分利用了像元的空间邻域信息，以解决光照和大气等因素对长时序遥感数据的干扰，提高检测的准确率和稳定性。
[0007]本专利技术的技术方案如下：
[0008]一种基于时空距离矩阵分析的遥感时间序列图像变化检测方法，其包括：
[0009]S1：构建时空距离矩阵M；
[0010]S2：基于时空距离矩阵的拓扑图结构；
[0011]S3：基于图模型的变化断点检测；
[0012]优选地，所述时空距离矩阵M中每个元素M(i,j)为：
[0013]M(i，j)＝dis(f
i
，f
j
)
[0014]其中，M(i，j)是时间点t
i
和t
j
所对应像元邻域之间的距离，要求为非负数；时间t
i
对应的像元邻域信息为f
i
，f
i
是描述中心像元及其窗口范围内的特征向量，记为[v1,v2,....v
q
]；dis函数为距离函数；i和j的范围为[1,T]，其中T为遥感时间序列的时相总数。
[0015]其中，所述特征向量为窗口内所有像元的光谱；距离函数采用欧式距离或其他距离函数，欧式距离的公式如下：
[0016][0017]优选地，基于时空距离矩阵的图结构将每个时间点作为拓扑图的节点，记为N，则时空距离矩阵的每个元素为连接不同时间节点的边缘E，元素值表示边的权重值。
[0018]其中，时空距离矩阵的主对角线表示节点自身的连接(权重为0)，1阶对角线表示连接相邻两个节点的边，n阶对角线表示连接到节点i和节点i+n的边。
[0019]其中，拓扑图结构的构建选择1阶对角线，用来连接所有时间节点；选择P阶对角线，令P为每年的时相数量，则时间节点i和i+P为不同年份但相同月份的两个节点之间的连接。时空距离矩的1阶对角线和P阶对角线共同构建了变化检测所需的拓扑图模型。
[0020]优选地，基于图模型的变化断点检测方法包含2个步骤：图分割和图合并。
[0021]其中，图分割方法的步骤是：
[0022]1)基于Prim算法生成最小生成树；
[0023]2)根据设定的阈值，切断具有较大权重值的边；
[0024]3)将仍有边缘连接的节点集合看作子图，得到子图集合。
[0025]将图分割获得的每个子图赋予不同的类别标签，在此基础上执行子图合并步骤：
[0026]1)考虑时间序列中存在噪声干扰，子图集合中也将存在噪声类，采用滑动窗口法合并噪声类；
[0027]2)考虑时间序列中存在周期变化干扰，子图集合中也存在周期类，采用周期合并法合并周期类；
[0028]3)根据合并后的新子图集合，提取时间序列断点变化信息。
[0029]其中，所述滑动窗口合并，给定尺寸为奇数的时间窗口，以该窗口遍历时间序列，以窗口内最多数量的标签替换窗口中心的类别标签。
[0030]其中，所述周期合并，将带有类别标签的时间序列转化为符号时间序列，并使用自相关检测方法识别周期性模式，之后将具有周期性模式的节点合并为同一类别。
[0031]其中，所述提取时间序列断点变化信息，按照时间序列标签判别断点情况：当所有时间节点具有相同标签时，该时间序列没有断点，即时间序列未发生变化；当时间序列节点具有不同标签时，提取标签发生变化的时间节点作为断点，即时间序列发生变化。
[0032]本专利技术具有的有益效果：
[0033]本专利技术充分考虑了遥感影像高维时间序列的变化规律，将拓扑图结构和高维时间序列的时空距离矩阵融合，创建了时间序列拓扑图结构，提出了相应的图分割和合并方法，能够满足高维时间序列的变化检测需求，打破传统时间序列分析方式，其检测识别效率高、准确性高、计算复杂性低。
附图说明
[0034]图1为本专利技术流程图；
[0035]图2为实施例的时空距离矩阵示意图；
[0036]图3为实施例的最小生成树构建示意图；
[0037]图4为实施例的拓扑图分割示意图；
[0038]图5为实施例的噪声类别合并示意图；
[0039]图6为实施例的原始序列到符号序列转化示意图；
[0040]图7为实施例的的符号序列到原始序列转化示意图；
[0041]图8为实施例的断点提取示意图。
具体实施方式
[0042]以下结合实施例和附图对本专利技术进行详细描述，但需要理解的是，所述实施例和附图仅用于对本专利技术进行示例性的描述，而并不能对本专利技术的保护范围构成任何限制。所有包含在本专利技术的专利技术宗旨范围内的合理的变换和组合均落入本专利技术的保护范围。
[0043]根据本专利技术的技术方案，一种具体的实施方式包括如附图1所示的检测识别流程。
[0044]假设给定三年的时间序列图像I1,I2,....,I
36
,每年12景数据，每景影像有6个光谱波段，待检测像元所在影像位置为(x,y)，具体包括以下步骤：
[0045]S1：给定5
×
5大小的空间窗口，在每个时相图像I
i
,中收集空间范围[x
‑...

【技术保护点】

【技术特征摘要】
1.基于时空距离矩阵分析的遥感时间序列图像变化检测方法，其特征在于，包括以下步骤：S1：构建时空距离矩阵M；S2：基于时空距离矩阵的拓扑图结构；S3：基于图模型的变化断点检测。2.根据权利要求1所述的基于时空距离矩阵分析的遥感时间序列图像变化检测方法，其特征在于，S1中所述时空距离矩阵M中每个元素M(i,j)为：M(i，j)＝dis(f
i
，f
j
)其中，M(i，j)是时间点t
i
和t
j
所对应像元邻域之间的距离，要求为非负数；时间t
i
对应的像元邻域信息为f
i
，f
i
是描述中心像元及其窗口范围内的特征向量，记为[v1,v2,....v
q
]；dis函数为距离函数；i和j的范围为[1,T]，其中T为遥感时间序列的时相总数；其中，所述特征向量为窗口内所有像元的光谱；距离函数采用欧式距离函数：3.根据权利要求1所述的基于时空距离矩阵分析的遥感时间序列图像变化检测方法，其特征在于，S12中，将每个时间点作为拓扑图的节点，记为N，则时空距离矩阵的每个元素为连接不同时间节点的边缘E，元素值表示边的权重值；其中，时空距离矩阵的主对角线表示节点自身的连接，权重为0；1阶对角线表示连接相邻两个节点的边，n阶对角线表示连接到节点i和节点i+n的边；其中，拓扑图结构的构建选择1阶对角线，用来连接所有时间节点；选择P阶...

【专利技术属性】
技术研发人员：王楠，李伟，陶然，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：