一种遥感影像变化检测方法技术

本发明专利技术提供一种遥感影像变化检测方法，其特征在于，包括：获取旧时相数据和新时相数据，新时相数据为新时相影像；旧时相数据包括矢量数据和旧时相影像，针对旧时相数据的不同类型采用相应的变化检测策略进行变化检测，得到两种变化检测结果；建立误差矩阵对多个精度指标进行评分，根据各精度评价指标对应的评分值及权重，利用精度耦合评价模型，计算变化检测结果的耦合评价值，将耦合评价值高的作为最终变化检测结果

【技术实现步骤摘要】
一种遥感影像变化检测方法


[0001]本专利技术涉及影像处理
，尤其涉及一种遥感影像变化检测方法
。

技术介绍

[0002]变化检测是通过对地物或现象进行多次观测从而识别其状态变化的过程，已广泛应用于土地调查
、
灾害评估
、
城市研究
、
生态系统监测等领域
。
根据变化检测中所使用的数据源不同，可将变化检测方法分为影像
‑
影像法与矢量
‑
影像法两类
。
[0003]影像
‑
影像法以时序遥感影像为数据源，采用一定的相似性测度衡量影像间的差异，在一定阈值基础上进行变化检测
。
经典的影像
‑
影像法有影像差值法
、
影像比值法
、
变化向量分析法
、
分类后比较法
。
目前，已出现了大量的经典方法，如影像差值法
、
变化向量分析法
、
统计方法
、
分类后比较法等
。
其中，影像差值法是在影像求差异图的基础上完成的，该方法虽然简单，但缺点是易受噪声等影响而导致检测准确度低
。K
均值
(K
‑
Means)
算法作为常见的聚类方法，用于影像变化检测的原因是该算法简单
、
收敛性好，但它对噪声敏感且易陷入局部最优；有人提出基于
PCA
改进的
PCA
‑
K
‑
means
方法进行变化检测，但这种方法会丢失较多的影像细节信息；模糊
C
均值
(FCM)
算法作为一种基于模糊理论的聚类算法，在影像的变化检测中也有很广的应用，可是它存在的问题是聚类中心的初始值对聚类结果的影响较大，难以获得全局最优解，检测精度仍有待提高
。
[0004]矢量
‑
影像法利用旧时期的矢量图与新时期的遥感影像进行变化检测，现有的矢量
‑
影像法可以划分为分类后比较法与类别特征法两类
。
分类后比较法将矢量图套合在遥感影像上，提取类别不变的图斑作为训练样本，对遥感影像进行监督分类，比较矢量图类别与分类结果，实现变化检测；类别特征法将矢量图套合在遥感影像上，提取各类别图斑在遥感影像上的特征，以类别为单位分析图斑的特征规律，从中找出发生变化的图斑，综合各类别的变化结果实现变化检测
。
现有的矢量
‑
影像法研究相对较少，还未形成成熟的方法体系，且已有的类别特征法对局部变化图斑的检测效果较差，不能很好地发挥已有矢量数据成果的价值以及满足智能化变化检测的需求
。
[0005]此外，现有技术多以
Kappa
系数作为评价精度的指标，其值越大，代表精度越高，在一定的程度上能够对检测结果进行有效评价，在精度评价研究中应用都较为广泛
。
但是
Kappa
系数是一个基于概率事件的系数，虽然能在数值上提供准确性的判断，但是缺失误差在空间上反映的信息，仅是通过
Kappa
系数进行量化分析，缺乏一个耦合的指标评价体系，综合地从数值误差和空间误差两方面考虑变化检测的精度
。

技术实现思路

[0006]针对现有技术存在的技术问题，本专利技术提供一种遥感影像变化检测方法，根据影像库中旧时相数据的类型，选择相应的变化检测策略，在目标区域中，对新旧时相数据进行变化检测，兼具对影像
‑
影像和矢量
‑
影像的变化检测方法，充分利用历史成果数据；并引入耦合评价模型对两种变化检测结果进行综合评定，选取耦合评价值高的作为最终检测结
果，该方法具有检测精度高和效率高的优点，提高了变化检测的自动化与智能化程度
。
[0007]本专利技术提供一种遥感影像变化检测方法，包括以下步骤：
[0008]获取旧时相数据和新时相数据，所述旧时相数据包括第一类型数据和第二类型数据，所述新时相数据为新时相影像
。
[0009]针对旧时相数据的两种类型，分别采用相应的变化检测策略，将旧时相数据和后时相数据进行变化检测，得到第一变化检测结果和第二变化检测结果
。
[0010]引入多个精度评价指标，建立误差矩阵对多个精度指标进行评分，根据各精度评价指标对应的评分值及权重，利用精度耦合评价模型，计算第一变化检测结果和第二变化检测结果的耦合评价值，将耦合评价值高的变化检测结果作为最终变化检测结果
。
[0011]具体地，所述第一类型数据为矢量成果，所述第二类型数据为旧时相影像
。
[0012]具体地，当旧时相数据为矢量成果时，采用第一变化检测策略，得到第一变化检测结果；当旧时相数据为旧时相影像时，采用第二变化检测策略，得到第二变化检测结果
。
[0013]具体地，所述第一变化检测策略包括以下步骤：
[0014]将矢量成果与新时相影像进行配准，得到配准后的新时相影像，所述矢量成果包括地物类别信息和旧时相地物图斑；在矢量成果约束下，对配准后的新时相影像进行分割处理，得到新时相地物图斑；分别提取旧时相地物图斑和新时相地物图斑的特征信息，得到第一特征图和第二特征图；通过两个变化检测子算法计算第一特征图和第二特征图中对应图斑的特征距离，得到第一初始变化指数集合和第二初始变化指数集合；将第一初始变化指数集合和第二初始变化指数集合进行加权组合，得到图斑的最终变化指数集合
。
[0015]利用贝叶斯算法获取各地物类别的变化阈值，通过变化阈值根据图斑的最终变化指数对图斑进行二分类，提取变化图斑，得到第一变化检测结果
。
[0016]具体地，所述变化检测子算法包括余弦距离算法和欧式距离算法
。
[0017]具体地，所述最终变化指数计算方法为：
[0018][0019]其中，
D(O1,O2)
为最终变化指数，
d
r
(O1,O2)
为第
r
个变化检测子算法计算得到的第
r
个初始变化指数；
w
ir
为第
r
个变化检测子算法的权重，
∑w
r
＝
1。
[0020]具体地，所述第二变化检测策略包括以下步骤：
[0021]将旧时相影像与新时相影像进行预处理，并计算两者的灰度值差值，形成灰度差值图；分别提取旧时相影像和新时相影像的多种纹理特征，计算多种纹理特征统计量的差值矩阵，形成纹理差值图；融合灰度差值图和纹理差值图，得到最终差异图；采用改进的模糊
C
均值法对最终差异图进行二分类，得到第二变化检测结果
。
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种遥感影像变化检测方法，其特征在于，包括以下步骤：获取旧时相数据和新时相数据，所述旧时相数据包括第一类型数据和第二类型数据，所述新时相数据为新时相影像；针对旧时相数据的两种类型，分别采用相应的变化检测策略，将旧时相数据和后时相数据进行变化检测，得到第一变化检测结果和第二变化检测结果；引入多个精度评价指标，建立误差矩阵对多个精度指标进行评分，根据各精度评价指标对应的评分值及权重，利用精度耦合评价模型，计算第一变化检测结果和第二变化检测结果的耦合评价值，将耦合评价值高的变化检测结果作为最终变化检测结果
。2.
根据权利要求1所述的方法，其特征在于，所述第一类型数据为矢量成果，所述第二类型数据为旧时相影像
。3.
根据权利要求2所述的方法，其特征在于，当旧时相数据为矢量成果时，采用第一变化检测策略，得到第一变化检测结果；当旧时相数据为旧时相影像时，采用第二变化检测策略，得到第二变化检测结果
。4.
根据权利要求3所述的方法，其特征在于，所述第一变化检测策略包括以下步骤：将矢量成果与新时相影像进行配准，得到配准后的新时相影像，所述矢量成果包括地物类别信息和旧时相地物图斑；在矢量成果约束下，对配准后的新时相影像进行分割处理，得到新时相地物图斑；分别提取旧时相地物图斑和新时相地物图斑的特征信息，得到第一特征图和第二特征图；通过两个变化检测子算法计算第一特征图和第二特征图中对应图斑的特征距离，得到第一初始变化指数集合和第二初始变化指数集合；将第一初始变化指数集合和第二初始变化指数集合进行加权组合，得到图斑的最终变化指数集合
。
利用贝叶斯算法获取各地物类别的变化阈值，通过变化阈值根据图斑的最终变化指数对图斑进行二分类，提取变化图斑，得到第一变化检测结果
。5.
根据权利要求4所述的方法，其特征在于，所述变化检测子算法包括余弦距离算法和欧式距离算法
。6.
根据权利要求5所述的方法，其特征在于，所述最终变化指数的计算方法为：其中，
D(O1,O2)
为最终变化指数，
d
r
(O1,O2)
为第
r
个变化检测子算法计算得到的第
r
个初始变化指数；
r
为第

【专利技术属性】
技术研发人员：殷雨欣，张玥珺，邹圣兵，
申请(专利权)人：北京数慧时空信息技术有限公司，
类型：发明
国别省市：