基于对象相似度的高分辨率影像自动变化检测方法研究

摘 要 随着人类活动对环境影响的加深，全球范围内不同尺度的土地利用与土地覆盖变化以惊人的速度发展，遥感技术则成为人们获取土地利用与土地覆盖变化信息的主要手段。近年来，不断发展的遥感技术使遥感数据呈现出高空间分辨率、高光谱分辨率和高时间分辨率的特点。各种类型的高空间分辨率影像提高了遥感信息的提取和变化监测的精度，并使土地利用与土地覆盖变化检测逐渐向小尺度目标的变化检测方向发展。然而，高空间分辨率影像中地物内部分异明显、纹理增多、细节丰富和边缘突出等特点使得传统的变化检测方法呈现出越来越多的局限性。同时，变化检测的实效性和高空间分辨率影像巨大的数据量也需要发展自动的变化检测方法和技术。因此，该论文以高空间分辨率影像和面向目标对象为基础，提出在高分辨率影像中具有稳定性的图像目标相似度的计算方法。并结合图像信息分层技术和图像目标主要轮廓信息的提取方法以实现影像之间的自动配准和变化检测。其目的是要探索出高空间分辨率影像自动、快速而有效的土地利用与土地覆盖变化检测方法。 在对目前图像相似度分析方法进行系统性研究的基础上，提出了在高空间分辨率影像中具有较强稳定性的基于梯度和纹理特征的目标相似度计算方法。在论文的第二章分别比较了各种相似度计算方法的特点和适用范围，并使用高空间分辨率影像中三种不同变化类型的地物目标进行各种相似度的测量，实验表明了纹理特征的相似度在高分辨率影像中具有更强的稳定性。而基于灰度距离或者相关法直接产生的相似度则容易受到地物目标因光照和成像条件等改变的干扰。同时，还发现基于特征（梯度或纹理等）的相似度对地物目标发生改变更加敏感。 提出了两种不同的分层多模板匹配的影像自动配准方法，分别应用于同一类型传感器和不同类型传感器影像的自动配准中。在高空间分辨率的影像自动配准中，主要的问题是如何选取稳定可靠的特征或区域，如何减少数据计算量和缩小搜索空间。在论文的第三章中详细地分析了可靠性能模板区域自动选取的方法和流程，并提出了基于梯度能量的模板选取方法以及如何筛选容易受到噪声、动态目标干扰的模板区域，如基于植被覆盖度的方法筛选可能受到植被季相变化的模板。同时，还运用了小波多尺度图像分解和自适应匹配的方法来减小模板匹配中数据计算量和搜索空间。还提出了使用改进型Housdorff距离方法实现基于地物目标主边缘点模板匹配的图像配准，将该方法应用于不同传感器的高空间分辨率影像的自动配准中，取得了较好的效果。 提出了一种基于图像目标相似度验证的自动变化检测方法。该方法结合了像元比较法和对象比较法的特点，能实现对高空间分辨率影像自动、快速和有效的变化检测。基于对象相似度验证的变化检测方法首先利用变化向量分析法来产生差异图像，并使用直方图分析方法来确定变化阈值以产生可能变化像元图像。使用植被覆盖度过滤因植被季相变化产生的变化像元，然后利用区域生长方法来提取变化对象和变化图斑，并过滤掉其它噪声目标，如汽车等。在创建的可能变化目标图像中，运用对象相似度分析方法，对变化目标进行自动验证,并提供出变化目标相似度的检测结果。这样的变化检测结果更加适宜于高分辨率影像中地物目标的复杂性以及目标在不同时间和不同影像中发生变化的模糊性。这种结果完全不同于传统意义上的变化检测结果，在传统变化检测方法中，变化检测结果只能是“变”与“不变”。 实验结果表明了在高分辨率影像的变化检测中，基于对象相似度验证的变化检测方法比分类后比较法更加快速和有效。在论文的第四章中分别使用了ADS40传感器获取的两个不同季节0.2m 分辨率的影像进行三种变化检测方法的实验：基于对象相似度验证的变化检测方法、分类后比较法和基于线特征的变化检测方法。结果表明基于对象相似度验证的方法能够避免基于对象分类和分割的变化检测方法中自动提取对象的复杂性和运算量大的问题，同时又能克服基于像元的变化检测方法中没有结合对象的纹理特征和图像的结构信息等问题。该方法抗噪声干扰的能力也比分类方法强，避免了分类方法中误差得到累积的问题。使用相似度验证的方法能够消除因阴影、辐射差异以及其它噪声引起的“伪”变化区域。 关键词：高分辨率影像；面向对象；相似度；图像配准；自动变化检测