一種改進(jìn)的高分辨率遙感影像變化檢測方法*

黃亞朋，何 浩

(新疆大學(xué) 建筑工程學(xué)院，新疆 烏魯木齊 830047)

一種改進(jìn)的高分辨率遙感影像變化檢測方法*

黃亞朋，何 浩

(新疆大學(xué) 建筑工程學(xué)院，新疆 烏魯木齊 830047)

高分辨率遙感影像變化檢測中，陰影的存在常會造成變化檢測結(jié)果中存在大量的偽變化情況。為此，采用顧及陰影信息的遙感影像變化檢測方法，首先提取遙感影像中的陰影信息，然后利用前后時相提取的陰影信息求取差值，獲得陰影補償區(qū)域，最后在變化檢測結(jié)果加入陰影補償區(qū)域得到最終的變化檢測結(jié)果。以烏魯木齊市沙區(qū)2013年的GEOEYE影像和2014年的IKONOS影像組成的像對進(jìn)行實驗。結(jié)果表明，該方法能夠較好地解決陰影所引起的變化檢測中的誤判問題，有效地提高遙感影像變化檢測的精度。

高分辯率遙感影像；變化檢測；面向?qū)ο螅魂幱把a償

0 引言

遙感影像變化檢測是近年來遙感應(yīng)用研究的熱點問題之一，其廣泛應(yīng)用于土地利用監(jiān)測、環(huán)境監(jiān)測、資源勘探、災(zāi)害救援與治理等領(lǐng)域。城市遙感影像中陰影隨處可見，它是遙感變化檢測中重要的誤差來源之一。為此，許多學(xué)者針對降低遙感影像中陰影對變化檢測的影響進(jìn)行了研究。季順平[1]利用高斯背景模型提取陰影，并在對影像完成陰影補償后再進(jìn)行變化檢測，該方法中陰影提取的準(zhǔn)確性是問題的關(guān)鍵。王樹根[2]提出用“基于RGB 模型空間的陰影檢測”方法，利用該方法檢測彩色航空影像中的陰影。

針對陰影引起的誤檢測問題，本文采取陰影提取后對初始檢測結(jié)果進(jìn)行陰影補償?shù)姆椒▉硖岣咦兓瘷z測的精度。采用面向?qū)ο蟮姆诸惡髾z測思想，先進(jìn)行影像分割，然后提取出前后時相影像的陰影區(qū)，進(jìn)而得到兩時相影像的陰影差分結(jié)果，最后根據(jù)兩時相地表真實變化信息確定由陰影產(chǎn)生的誤檢測區(qū)域，從而完成陰影補償?shù)淖兓瘷z測。

1 實驗

1.1 數(shù)據(jù)預(yù)處理

實驗數(shù)據(jù)為烏魯木齊市沙區(qū)2013年GEOEYE影像(分辨率為0.5 m，簡稱時相1)和2014年IKONOS影像(分辨率1 m，簡稱時相2)。由于數(shù)據(jù)來源于不同傳感器，因此影像的空間分辨率、光照、陰影等都存在較大差異，直接用此數(shù)據(jù)進(jìn)行實驗將會帶來較大誤差。因此，利用Envi軟件對時相1進(jìn)行重采樣，將分辨率降至1 m，使其與時相2的空間分辨率保持一致，以減弱分辨率差異帶來的影響；再以時相2為準(zhǔn)，對重采樣后的時相1影像數(shù)據(jù)進(jìn)行直方圖匹配，使之與時相2在亮度上保持相近。圖1為預(yù)處理后的影像數(shù)據(jù)。

圖1 預(yù)處理后的影像Fig.1 Images after pretreatment

1.2 面向?qū)ο蟮淖兓瘷z測方法

目前高分辨率遙感影像變化檢測中較普遍采用的方法是影像整體變化檢測，它是隨著面向?qū)ο蠓治鏊枷氲奶岢觯饾u成為主流的分析方法。面向?qū)ο蟮淖兓瘷z測即在綜合考察像元及其鄰域的光譜、空間特征，以具有光譜、空間同質(zhì)性的像元簇(即對象)作為基本處理單元，代替單個像元進(jìn)行變化檢測的方法[3]。

其常見的實現(xiàn)方式是先將前后兩時相的高分辨率遙感影像分別進(jìn)行影像分割，然后再對分割后形成的圖塊進(jìn)行分析。

首先對2013年和2014年兩幅影像進(jìn)行多尺度影像分割。進(jìn)行影像分割時，決定影像分割質(zhì)量的參數(shù)有5個，分別是：分割尺度、顏色因子、形狀因子、緊致度、平滑度。其中顏色因子=1-形狀因子，平滑度=(1-緊致度)*形狀因子，即只需考慮分割尺度、形狀因子、緊致度3個參數(shù)。參數(shù)中分割尺度決定分割后地物的大小(參數(shù)值越大，分割地物越大；參數(shù)越小，分割越細(xì)致)，顏色因子和形狀因子決定分割時考慮顏色和形狀的比重，緊致度和平滑度是考慮形狀的兩個參數(shù)。其中，形狀參數(shù)設(shè)置越大，分割結(jié)果的形狀大小差異越小，顯得越完整，形狀參數(shù)設(shè)置越小，分割結(jié)果顯得越零散。多次的分割實驗表明：選擇分割尺度50，形狀因子0.2，緊致度0.6時分割結(jié)果最佳，即分割結(jié)果的形狀與實際地物形狀吻合較好。

在完成影像分割后，分別選用Brightness、Shape index、Mean layer、length/Width等4種特征對影像進(jìn)行分類。將地物類型分為建筑物、道路、綠地、裸地和陰影5類。最后得到分類結(jié)果，如圖2所示。

圖2 面向?qū)ο蟮姆诸惤Y(jié)果圖Fig.2 The results of object-oriented classification

利用前后兩時相影像的分類結(jié)果進(jìn)行比較，進(jìn)一步得到各地物類別的變化情況。表1為各地物類別變化的統(tǒng)計數(shù)據(jù)。

表1 地物類別變化及檢測精度

1.3 顧及陰影信息的變化檢測

陰影是遙感影像解譯的重要標(biāo)志之一，常被用來識別一些重要地物。但是在高分辨率遙感影像城區(qū)土地利用變化檢測時，陰影的存在又會帶來不利的影響。因此，在進(jìn)行變化檢測時應(yīng)該剔除由陰影產(chǎn)生的偽變化，從而提高變化檢測精度。

影像中的陰影是成像光源被目標(biāo)物體完全或部分遮擋所形成的，只要傳感器與光源所在位置(或方向)不重合，就會產(chǎn)生陰影。從RGB值來看，陰影的RGB值為(0，0，0)。根據(jù)這一特征，將非陰影的圖塊全部表示為白色，陰影的圖塊表示為黑色，從而得到陰影檢測圖，如圖3所示。

1.3.1 陰影補償思想

為了更好地說明問題，從實驗影像中截取了部分陰影影響較明顯的區(qū)域，如圖4所示。圖中反映了兩期影像中陰影變化所帶來的偽變化，即曲線所圈范圍。它是導(dǎo)致城區(qū)遙感影像變化檢測精度低的主要原因之一。消除這類偽變化，可采用前后兩期影像的陰影差分結(jié)果與原始的變化檢測結(jié)果作邏輯運算[4]。

從圖4可以看出，陰影差分影像中的變化區(qū)域就是偽變化區(qū)域，可利用此對原始變化檢測結(jié)果進(jìn)行變化補償。針對單個像元可采用如下判別規(guī)則：

1)若某像元在初始變化檢測圖和陰影差分影像中均為“變化”像元，則該像元為偽變化，將其屬性值調(diào)整為“未變化”；

2)若某像元在初始變化檢測圖中為“變化”像元，而在陰影差分影像中為“未變化”像元，則該像元為真實變化像元，將其屬性值保留初始判別值。

圖4 陰影補償示例Fig.4 The shadow compensation sample

1.3.2 陰影補償變化檢測流程

陰影補償變化檢測流程(見圖5)為：首先對預(yù)處理后的兩時相影像，選擇合適的分割尺度、顏色因子和緊致度分別進(jìn)行影像分割，對分割后的影像進(jìn)行面向?qū)ο蟮谋O(jiān)督分類和變化檢測，然后對兩幅影像進(jìn)行陰影補償，最后評定檢測精度。

圖5 面向?qū)ο蟮年幱把a償變化檢測流程圖Fig.5 The flow diagram of shadow compensation change detection based on object-oriented

1.3.3 實驗設(shè)置

首先，對2013年GEOEYE影像和2014年IKONOS影像進(jìn)行影像分割。為了便于與面向?qū)ο蟮淖兓瘷z測進(jìn)行比較，選擇同樣的參數(shù)設(shè)置，即分割尺度為50，形狀因子為0.2，緊致度為0.6，進(jìn)行影像分割。在面向?qū)ο蠓诸惡蟮挠跋窕A(chǔ)上進(jìn)行陰影提取，陰影區(qū)域表示為黑色，非陰影區(qū)域表示為白色。然后，將提取的兩期陰影圖進(jìn)行差分，即2013年陰影提取圖減去2014年陰影提取圖，見圖6(a)。最后，根據(jù)上述陰影補償?shù)乃枷氲玫疥幱把a償?shù)膮^(qū)域，見圖6(b)，圖中黑色為補償區(qū)域。

圖6 影像差分及陰影補償圖Fig.6 Image difference and shadow compensation map

對陰影補償后的變化監(jiān)測結(jié)果進(jìn)行統(tǒng)計，再對比變化參考圖(見圖7)，得到最終的變化檢測精度約為93.38%。變化檢測精度的對比，見圖8。從圖中可以看出，相比未加陰影補償時的檢測精度83.52%，該方法對變化檢測精度有較明顯的提升。

圖7 變化檢測結(jié)果Fig.7 Change detection results

圖8 變化檢測精度比較Fig.8 Accuracy comparison between change detection

2 結(jié)論

本文在面向?qū)ο蟮淖兓瘷z測中加入陰影補償方法，是對傳統(tǒng)的高分辨率遙感影像變化檢測方法的一種改進(jìn)，它在一定程度上減弱了由陰影引起的誤檢測，對高分辨率遙感影像的變化檢測具有一定的普適性。

在烏魯木齊市沙區(qū)2013年GEOEYE影像和2014年IKONOS影像組成的影像對上進(jìn)行變化檢測實驗。分別采用面向?qū)ο蟮淖兓瘷z測和陰影補償?shù)淖兓瘷z測，并對檢測結(jié)果進(jìn)行比較，實驗結(jié)果表明增加陰影補償后，變化檢測精度有了較大幅度的提高。

[1] 季順平.基于多時相航空影像的建筑物變化檢測方法研究[D].武漢：武漢大學(xué)，2007.

[2] 王樹根.正射影像上陰影和遮蔽的成像機理與信息處理方法[D].武漢：武漢大學(xué)，2003.

[3] 湯玉奇.面向?qū)ο蟮母叻直媛视跋癯鞘卸嗵卣髯兓瘷z測研究[D].武漢：武漢大學(xué)，2013.

[4] 徐宏根，宋妍.顧及陰影信息的高分辨率遙感圖像變化檢測方法[J].國土資源遙感，2013，25(4)：16-21.

An Advanced Method of Change Detection Based onHigh Resolution Remote Sensing Image

HUANG Ya-peng，HE Hao

(FacultyofArchitectureEngineering，XinjiangUniversity，UrumqiXinjiang830047，China)

In the change detection of high resolution remote sensing image，the existence of shadow regions often can cause a large number of pseudo changes.Therefore，the paper provides a method for change detection of remote sensing image considering the shadow information.First of all，we extract the shadow information from the remote sensing images，then use the shadow of before and after the phase extracting information to calculate the difference to extract the shadow compensation area，finally join the shadow compensation in the region of the change detection results to get the final change detection results.In Sandy district，Urumqi，experiments are carried out on the GEOEYE image in 2013 and the IKONOS image in 2014.Results show that this method can solve the problem of change detection for misjudgment caused by shadow，and effectively improve the accuracy for change detection of remote sensing image.

high resolution remote sensing image；change detection；object oriented；shadow compensation

2017-02-21

新疆大學(xué)大學(xué)生創(chuàng)新訓(xùn)練計劃“基于高分辨率遙感數(shù)據(jù)的城市空間擴展檢測實驗”(201610755110)

P 237

A

1007-9394(2017)02-0010-03

黃亞朋(1993～)，男，河南周口人，學(xué)士，主要研究方向：遙感變化檢測。