面向类型特征的自适应阈值遥感影像变化检测

发布时间：2024-07-10 23:32

　　为了实现两个不同年份单时相遥感影像之间的土地覆盖变化检测,提出了一种基于土地覆盖类型特征自适应确定阈值的遥感影像变化检测方法。以2015年土地覆盖数据为基础,综合2013年和2015年Landsat 8-OLI影像数据,首先,采用时相不变点群法TIC(Temporally Invariant Cluster)保证了两期影像辐射水平的一致性。其次,对两期影像进行多尺度分割,并在各级尺度下构建分割对象的变化向量。然后,采用最大类间方差的方法分别进行单一变化阈值变化检测以及基于土地覆盖类型的多阈值变化检测分析,并利用目视解译样点进行精度验证与评价。结果表明:(1)单一阈值变化检测结果的总体精度为79.6%,Kappa系数为0.601,多阈值变化检测结果的总体精度为87.2%,Kappa系数为0.741,多阈值变化检测具有更高的精度。(2)进一步逐土地覆盖类型精度评价可知,多阈值变化检测能在一定程度上减弱物候期的影响,具有更高的稳定性。该研究以土地覆盖数据为底图,逐类别的选取变化检测阈值,提高了变化区域检测的精度,在大范围高效更新土地覆盖数据的应用中具有一定的参考价值。

【文章页数】：11 页

【部分图文】：

图2技术流程图

首先以2015年影像为参考对2013年进行相对辐射校正，其次将相对辐射校正后的两期影像数据进行多尺度分割，然后基于OTSU方法分别进行单阈值变化向量分析CVA(ChangeVectorAnalysis）检测以及分土地覆盖类型多阈值变化向量分析检测，最后利用目视解译样点进行精度....

图4T检验置信区间对比图

式中，和S分别表示两期影像对应波段灰度差值的平均值以及标准差，n表示T检验的自由度，t(n,0.025)是根据T检验分布表求取的临界值。假如该置信区间包含0，则接受空假设，表明两期影像不存在差异。对所选取235个地物类型未发生变化的样点进行T检验的结果如图4所示。其中，un＿no....

图3相对辐射校正结果

随着遥感影像空间分辨率的不断提高，传统基于像元的信息提取范式受到严重的挑战，其忽略了影像丰富的纹理信息以及空间拓扑关系，容易产生严重的“椒盐现象”。而面向对象的信息提取以影像分割基础，考虑了像元之间的邻近关系以及分割对象的纹理和光谱信息，有效地克服了传统基于像元方法的弊端（Bla....

图5OTSU法单阈值变化检测错分图斑

进一步研究发现，在研究区范围内，尤其是安义县境内，由于农作物的物候差异，在2013年和2015年间呈现出农作物收割和没有收割两种情况，以及耕地灌溉导致的土壤湿度差异，造成两期影像的光谱值存在较大的差异，从而耕地的变化检测存在较多的错分现象。此外，由于两期影像时相的差异，导致一些水....

本文编号：4004901