田方 武喜紅

摘 要：該文從如何提高遙感影像變化檢測的精度出發(fā)，提出了一種基于面向對象的Idex-CVA變化檢測法。通過實驗數據分析，面向對象的Idex-CVA法可以把圖像指數變換與CVA法的優(yōu)勢融合，能夠提高檢測精度，降低虛檢率、漏檢率。隨著經濟與科技的發(fā)展，尤其是近年來人口的快速增長和城鎮(zhèn)化的推進，地表覆蓋物的變化越來越頻繁，如果我們能用既快速又有效的方法檢測到地表覆蓋物的變化，在國情監(jiān)測、農業(yè)普查、研究土地變化等領域具有十分重要的意義。

關鍵詞：遙感影像? 變化檢測? Idex-CVA? 面向對象

中圖分類號：P23? ? ? 文獻標識碼：A

Abstract： In order to improve the accuracy of remote sensing image change detection， an object-oriented IDEX-CVA change detection method was proposed in this paper. Through the analysis of experimental data， the object-oriented IDEX-CVA method can integrate the advantages of image exponential transformation and CVA method， and improve the detection accuracy and reduce the false detection rate and missed detection rate. With the development of economy and science and technology， especially in recent years the rapid growth of population and the urbanization advancement， the change of the surface covering more and more frequently， if we can use both rapid and effective method to detect the changes of the surface covering， in monitoring the state of the union， agricultural census， study in the fields of land change is of great significance.

Key Words：Remote sensing image;Change detection;Idex-CVA;Object-oriented

1研究背景和意義

當今遙感技術進入了一個快速發(fā)展的階段，“三多和三高”已經成為遙感技術的最大特點，三多是指多角度、多傳感器和多平臺，三高是指高光譜分辨率、高空間分辨率和高時間分辨率，遙感影像變化檢測已成為空間信息科學中較為活躍的研究方向之一[1]。面向對象影像分析技術以對象為基本操作單元，是結合遙感和地理信息系統(tǒng)的一種新型地學分析工具，在遙感圖像分析處理中廣泛應用。

基于遙感影像的變化檢測已經取得了一定的應用成效，在土地利用動態(tài)檢測、自然資源調查、農作物遙感動態(tài)檢測與評估、環(huán)境變遷檢測、重大自然災害檢測與評估、森林變化檢測等領域均已得到廣泛應用。可用于變化檢測的遙感影像數據是海量的，如何能夠準確而又快速地利用這些遙感數據發(fā)現變化，如何從遙感影像中自動提取變化區(qū)域等理論和技術是遙感技術未來發(fā)展的研究方向[2]。

在現有的遙感數據源中，中分辨率衛(wèi)星遙感影像具有獲取成本低，覆蓋范圍廣，重訪周期較短等特點，非常適用于大范圍的國土及農業(yè)的動態(tài)變化檢測，已成為遙感影像變化檢測的主要數據源。但基于這類遙感影像數據的遙感影像變化檢測中仍有不少問題尚待研究解決。因此，該文以中分辨率衛(wèi)星遙感影像為數據源展開遙感影像變化檢測研究，運用新的技術和理念（面向對象遙感影像分析和Idex-CVA變換）來對傳統(tǒng)的遙感影像變化檢測流程進行改進，以提高遙感影像變化檢測的檢測精度，降低其檢測誤差。

2? 國內外研究現狀

遙感影像變化檢測技術最早出現在20世紀60年代，德國布拉施克提出了基于影像對象進行遙感影像變化檢測處理的框架，國內學者于海霞利用遙感影像進行了贛南稀土開采變化檢測。中國地震局宋立強研究員采用了汶川地震前、地震后的福衛(wèi)二號數據，使用面向對象方法結合高程數據對北川附近的災情進行了動態(tài)遙感影像變化檢測分析，取得了較好的結果[3]。遙感影像變化檢測主要有以下幾個方面的研究成果。

一是應用領域的普遍化，從早期軍事方面的應用到現在國民經濟建設中的應用。

二是遙感數據的多源化，從早期航攝像片到現在衛(wèi)星遙感影像。

三是影像信息的多樣化，從單一影像反應某一特性到現在特征結合反應綜合特性。

四是檢測方法的綜合化，從單一檢測方法到現在多方法融合。

但是，遙感影像的變化檢測方式還存在不足，具體如下。

一是理論上的欠缺：遙感影像的變化檢測方法大多是針對一些具體的應用場景進行研究，進而提出來的，暫時還沒有形成系統(tǒng)的遙感影像變化檢測理論研究體系。

二是對數據質量的要求極高：遙感影像的變化檢測算法對影像數據預處理的質量要求都很高。要保持遙感影像的變化檢測方法的魯棒性和有效性，較好的數據質量必不可少。

三是算法通用性不足：一般情況下，用于進行遙感影像的變化檢測算法都是針對具體的應用需求而進行設計，不同領域的應用有不同的遙感影像變化檢測算法。

四是自動化程度不高：遙感影像的變化檢測自動化是其工程化應用必然的發(fā)展方向，因此如何自動準確地界定變化區(qū)域是當前遙感影像變化檢測中面臨的首要問題。

3基于面向對象的中分辨率遙感影像變化檢測方法研究

在遙感影像數據預處理、特征提取、變化檢測、精度分析、成果輸出等遙感影像變化檢測流程的基礎上[4]。

首先對比像元級先分類后變化檢測法和對象級先分類后變化檢測法，如圖1所示，白色部分表示檢測正確的變化區(qū)域，即檢測精度指標;黑色部分表示檢測正確的非變化區(qū)域;灰色部分表示錯檢的非變化區(qū)域（即虛檢率指標）和漏檢的變化區(qū)域（即漏檢率指標）。統(tǒng)計出檢測正確的變化區(qū)域和非變化區(qū)域，且各區(qū)域用不同的灰度表示，并依次對比檢測正確的變化區(qū)域和非變化區(qū)域對應檢測精度指標。其中錯檢的非變化區(qū)域對應虛檢率指標，漏檢的變化區(qū)域對應漏檢率指標。其次對比像元級全成分分析檢測和對象級全成分檢測，最后對比像元級變化矢量分析檢測和對象級變化矢量分析檢測，同樣，統(tǒng)計出檢測正確的變化區(qū)域和非變化區(qū)域，且各區(qū)域用不同的灰度表示，并依次對比檢測正確的變化區(qū)域和非變化區(qū)域對應檢測精度指標。其中錯檢的非變化區(qū)域對應虛檢率指標，漏檢的變化區(qū)域對應漏檢率指標。

對于3種檢測方法的精度分析做以下3種指標對比。

（1）變化檢測精度對比，使用環(huán)境一號衛(wèi)星數據與Landsat8衛(wèi)星數據進行對比實驗。環(huán)境一號衛(wèi)星數據像元級先分類后變化檢測法的檢測精度是最好的，其次是CVA法，最后是PCA法。環(huán)境一號衛(wèi)星數據對象級、Landsat8衛(wèi)星數據像元級和對象級的檢測精度都是CVA法最好的，其次是先分類后變化檢測法，最后是PCA法。

（2）虛檢率對比，使用環(huán)境一號衛(wèi)星數據與Landsat8衛(wèi)星數據進行對比實驗。HJ-1B衛(wèi)星數據像元級、HJ-1B衛(wèi)星數據對象級和Landsat8衛(wèi)星數據像元級的虛檢率都是先分類后變化檢測法的結果是最高的，其次是PCA法，最低的是CVA法。Landsat8衛(wèi)星數據對象級的虛檢率是PCA法的結果最高，其次是先分類后變化檢測法，最低的是CVA法。

（3）漏檢率對比，使用環(huán)境一號衛(wèi)星數據與Landsat8衛(wèi)星數據進行對比實驗。HJ-1B衛(wèi)星數據和Landsat8衛(wèi)星數據的像元級虛檢率結果排序一致，都是PCA法得到的漏檢率最高，其次是CVA法，最低的是先分類后變化檢測法。兩種數據的對象級虛檢率結果排序也是一致的，都是PCA法得到的漏檢率最高，其次是先分類后變化檢測法，最低的是CVA法。

總結以上方法的精度，該文提出了一種基于面向對象的Idex-CVA變化檢測法，該方法利用植被指數、水體指數和不透水面指數3種圖像指數對Landsat8的多波段數據進行信息壓縮，從而使生成的變化矢量具有明確的地學含義，實現了代數運算類方法與變換類方法的有機結合。

NDVI對葉綠素十分敏感，能夠很好地突出影像中的綠色植被信息;MNDWI對水體十分敏感，能夠很好地突出影像中的自然或人工水體信息;NDISI對以水泥地面為代表的不透水面十分敏感，能夠較好地突出影像中的各種人工建筑和沙石、裸地等信息[5]。

矢量結果與標準矢量結果在ArcGIS 10.2中進行疊置分析，再按照混淆矩陣計算出變化檢測結果的檢測精度、虛檢率、漏檢率以及總檢測誤差。同樣，統(tǒng)計出檢測正確的變化區(qū)域和非變化區(qū)域，且各區(qū)域用不同的灰度表示，并依次對比檢測正確的變化區(qū)域和非變化區(qū)域對應檢測精度指標。其中錯檢的非變化區(qū)域對應虛檢率指標，漏檢的變化區(qū)域對應漏檢率指標。

最后對4種檢測方法進行精度評價，從分析數據上可以看出：（1）提高了變化檢測結果中圖斑的完整性，抑制了“椒鹽現象”。（2）有效消除數據冗余。（3）有效降低虛檢率和檢測誤差，但是無法明顯提高檢測精度。

4? ?總結和展望

該文對比了像元級與對象級變化檢測的檢測精度、虛檢率和漏檢率這3個性能指標，分析后認為變化檢測的檢測精度主要取決于所選用的變化檢測方法，基于面向對象影像分析技術無法明顯提高檢測精度，但可以降低虛檢率。

將面向對象影像分析技術與圖像指數變換和CVA變化檢測法相結合，提出了一種基于面向對象的Idex-CVA變化檢測法。實驗表明該文提出的面向對象的Idex-CVA法可以把圖像指數變換與CVA法的優(yōu)勢融合，能夠提高檢測精度，降低虛檢率和漏檢率。

就文中對基于面向對象影像分析的變化檢測的研究與實現而言，還有一些亟待完善和改進的地方，如何解決下面這些問題有待在以后的學習中進一步研究與探討。

（1）數據的選擇和預處理是變化檢測首先要解決的問題。由于目前尚缺乏完整、可操作的理論分析方法，該文僅是憑借經驗對檢測數據進行選擇和預處理。雖然現階段的預處理技術已經可以將不同時相的數據在空間上精確的疊合在一起，但仍無法自動消除時相差帶來的偽變化。而偽變化則是變化檢測誤差的主要來源。在現階段的實際應用中，人們仍只能通過經驗來篩選在時間上精確配準的多時相數據，以抑制時相差帶來的偽變化。如果是遙感影像數據還需考慮植被生長周期等因素，這就極大地限制了多時相數據在變化檢測中的應用。因此有必要系統(tǒng)的研究相關理論方法，并結合其他專業(yè)領域的專家知識和經驗，實現變化檢測數據選取與預處理的標準化和自動化。

（2）由于較難獲取滿足實驗條件的高分辨率遙感數據，該文只使用了中分辨率多光譜遙感影像（空間分辨率為30 m的HJ-1B衛(wèi)星影像和Landsat8衛(wèi)星影像）來進行基于面向對象的變化檢測研究。該文的研究結論是否適用于高分辨率遙感數據，仍然有待將來做更為深入的研究及探討。

總之，變化檢測是一個較為復雜的過程，其理論和方法研究正在經歷一個快速的發(fā)展時期，且涉及到眾多研究領域，各個環(huán)節(jié)都會對變化檢測的最終結果產生影響，仍需要不斷的充實、豐富和完善。

參考文獻

[1] 趙敏，趙銀娣.面向對象的多特征分級CVA遙感影像變化檢測[J].遙感學報，2018，22（1）：119-131.

[2] 陳揚洋，明冬萍，徐錄，等.高空間分辨率遙感影像分割定量實驗評價方法綜述[J].地球信息科學學報，2017，19（6）：818-830.

[3] 張立福，王颯，劉華亮，等.從光譜到時譜——遙感時間序列變化檢測研究進展[J].武漢大學學報：信息科學版，2021，46（4）：451-468.

[4] 張涵，秦昆，畢奇，等.注意力引導的三維卷積網絡用于遙感場景變化檢測[J].應用科學學報，2021，39（2）：272-280.

[5] 張濤，方宏，韋玉春，等.顧及空間自相關性的高分遙感影像中建設用地的變化檢測[J].自然資源學報，2020，35（4）：963-976.

[6] 張慧芳.基于機器學習和模糊融合的高分影像變化檢測研究[D].武漢：武漢大學，2020.