基于对象的多源数据变化检测的方法

发布时间：2022-01-15 03:05

　　不同数据源的遥感数据可综合用于检测地表变化,是土地变更调查中不可或缺的技术手段之一。本文基于高分辨率遥感卫星影像、无人机正射影像和土地利用矢量图,结合多尺度分割法、最邻近分类法和阈值分类法,消除不同遥感数据间的套合误差,实现影像的层层分类,并通过像斑类别识别的方法检测地表变化。试验结果表明:变化检测结果中面积检测正确率为85.37%,精度满足要求。该方法能够结合不同遥感数据源的优势,从而正确识别地表变化区域,同时获取像斑变化的类别。可有效地提高土地调查的效率,提升遥感数据的利用水平。 

【文章来源】：测绘通报. 2020,(S1)北大核心CSCD

【文章页数】：5 页

【部分图文】：

技术路线

考虑到坑塘水面分割过度导致支离破碎,决定将分割参数调大一些,对于欠分割的地物,需要把参数设置小一些,利用尺度对比法,通过对比分割后影像对象中地物的最大面积及像斑同质性,逐步调整参数,直到获得的子像斑内部同质性比较强而不同子像斑之间相异性增强后的像斑,结束分割。确定了最优分割参数,得到了同质性强的像斑,即2016、2019年的子像斑。分割结果如图2所示。多尺度分割获得同质性较强的像斑,局部结果更加清晰,可观察到每个像斑的细节。局部放大结果如图3所示。

多尺度分割获得同质性较强的像斑,局部结果更加清晰,可观察到每个像斑的细节。局部放大结果如图3所示。分割结束后,可发现两个时期的影像像斑并不是完全对应的,而变化检测需要准确确定发生变化的像斑位置和种类,因此将两期影像分割结果叠置在一起分割,从而使得影像像斑能够相互对应起来。


本文编号：3589775