基于FCM聚類的TM影像變化檢測(cè)

摘要：遙感圖像變化檢測(cè)是指在同一地表區(qū)域，獲取覆蓋該區(qū)域的多時(shí)相的遙感圖像以及其他輔助數(shù)據(jù)，來獲取地表特征隨時(shí)間變化產(chǎn)生的變化而引起光譜的變化，所以利用不同時(shí)期的影響進(jìn)行變化檢測(cè)就能獲取地物的變化信息。研究運(yùn)用MATLAB編寫算法對(duì)同一地區(qū)不同時(shí)間的兩幅經(jīng)過預(yù)處理的遙感圖像的差值得到圖像D，對(duì)得到的圖像D進(jìn)行FCM聚類分析，分為兩類：變化類和不變類，得到了Kappa系數(shù)，最后進(jìn)行了精度評(píng)價(jià)。

關(guān)鍵詞：TM影像;變化檢測(cè);精度評(píng)價(jià)

中圖分類號(hào)：TP753

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1674-9944 （2019） 24-0193-03

1 引言

遙感圖像變化檢測(cè)是指在同一地表區(qū)域，獲取覆蓋該區(qū)域多時(shí)相的遙感圖像以及其他輔助數(shù)據(jù)，來獲取地表特征隨時(shí)間變化發(fā)生的變化而引起光譜響應(yīng)的變化。它利用計(jì)算機(jī)圖像處理系統(tǒng)對(duì)目標(biāo)或現(xiàn)象在不同時(shí)期的變化進(jìn)行識(shí)別和分析，能夠在一定的時(shí)間間隔內(nèi)確定物體或現(xiàn)象的變化，為物體的空間分布及其變化提供定性和定量的信息。

傳統(tǒng)的變化檢測(cè)方法是在不同的時(shí)間獲取同一地點(diǎn)的兩個(gè)不同的圖像，而后對(duì)有差異的圖像進(jìn)行處理，將像素分為兩類：變化和不變。目前，多光譜圖像變化信息分析已成為遙感研究的熱點(diǎn)之一，形成了一系列新的變化檢測(cè)方法。根據(jù)數(shù)據(jù)來源，變化檢測(cè)方法分為三類：基于新舊圖像的變化檢測(cè)、基于新舊圖像的非圖像數(shù)據(jù)的變化檢測(cè)、基于立體圖像對(duì)的變化檢測(cè)。在三維變化檢測(cè)中，根據(jù)所采用的數(shù)學(xué)方法，將變化檢測(cè)技術(shù)分為七類：代數(shù)運(yùn)算法、變換法、分類法、GIS法、高級(jí)模型法等。

侯曉真等[1]利用陸地衛(wèi)星TM圖像檢測(cè)了泰山庫木塔沙漠不同時(shí)期的時(shí)間序列變化，運(yùn)用沙漠指數(shù)、歸一化沙漠指數(shù)、修正的土壤調(diào)節(jié)沙漠指數(shù)來提取該沙漠地區(qū)，通過實(shí)驗(yàn)比較，得出了最優(yōu)指標(biāo)，最后，對(duì)實(shí)驗(yàn)結(jié)果的精度進(jìn)行了計(jì)算驗(yàn)證。李芳芳等[2]提出了一種新的濕地提取方法。首先，將原始圖像轉(zhuǎn)化為帽子，通過濕度分級(jí)區(qū)分濕地和土地。然后使用決策樹模型進(jìn)行濕地提取區(qū)分不同類型濕地的信息。最后，對(duì)兩個(gè)階段的濕地分布圖像進(jìn)行檢測(cè)，提取濕地變化范圍。胡維等[3 ]利用主成分分析（PCA）光譜增強(qiáng)技術(shù)從多時(shí)相遙感圖像中提取大部分光譜信息，然后利用變化矢量分析方法提取變化信息。張佳濤[4]對(duì)山區(qū)林地變化信息的提取方法進(jìn)行了實(shí)驗(yàn)研究，為TM圖像和Landsat 8衛(wèi)星圖像提取近幾十年來的林地變化信息提供了技術(shù)參考。

變化檢測(cè)是從不同時(shí)期的遙感數(shù)據(jù)中定量分析和確定地表變化的特征與過程。遙感變化檢測(cè)是遙感瞬時(shí)視場中地表特征隨時(shí)間的變化引起的不同時(shí)期影像像元光譜的變化[5]。在檢測(cè)自然資源時(shí)，包括4個(gè)重要方面：檢測(cè)變化是否發(fā)生;確定變化發(fā)生的實(shí)質(zhì);測(cè)量變化的面積;評(píng)估變化的空間模式。

2 研究區(qū)數(shù)據(jù)

為了可以更好地獲取影像特征信息，要盡可能選取同一個(gè)季節(jié)，同一時(shí)刻或相近的遙感影像，以消除太陽高度角及植物物候條件的差異影響。選取了一組同一地區(qū)不同時(shí)間獲得的TM影像進(jìn)行了實(shí)驗(yàn)，把存在幾何畸變的圖像糾正成符合要求投影的圖像，且要找到新圖像的每一個(gè)像元的亮度值。圖像已經(jīng)過幾何校正、輻射定標(biāo)、大氣校正以及圖像裁剪的預(yù)處理操作。運(yùn)用ENVI軟件，通過詳細(xì)的目視解譯獲得參考變化圖像。

所用數(shù)據(jù)集是巴西2000年和2005年的森林覆蓋圖，圖像大小都是400×400像素。圖1是2000年真彩色合成圖像，圖2是2005年真彩色合成圖像，部分森林由于濫砍濫伐變成裸地。

3 研究方法

3.1 改進(jìn)的模糊C聚類算法

模糊C聚類算法是有MacQueen獨(dú)立提出的一種經(jīng)典聚類算法，而其中的模糊劃分的概念最早是起源于Ruspini的文章，但其算法的詳細(xì)分析與改進(jìn)是由Dunn和Bezdek共同完成的。

模糊C聚類算法是一種模糊的聚類算法，是k均值聚類算法的推廣形式，k均值聚類是一種硬聚類算法，隸屬度只有兩個(gè)取值O或者1，提出的基本根據(jù)是“類內(nèi)誤差平方和最小化”準(zhǔn)則，而模糊C聚類的隸屬度取值是[0，1]區(qū)間內(nèi)的任何一個(gè)數(shù)。

要理解模糊C聚類算法，首先要了解隸屬度的概念，隸屬度函數(shù)是表示一個(gè)對(duì)象x隸屬于集合A的程度的函數(shù)，其自變量的范圍是所有可能屬于集合A的對(duì)象，取值范圍是[0，1]。其公式為：

模糊C聚類是迭代求取最終的聚類劃分，即聚類中心與隸屬度值。

模糊C聚類算法需要兩個(gè)參數(shù)的確定，一個(gè)是聚類數(shù)目C，另一個(gè)是參數(shù)m，一般來講，C要遠(yuǎn)遠(yuǎn)小于聚類樣本的總個(gè)數(shù)，同時(shí)要保證.對(duì)于m，它是一個(gè)控制算法的柔性的參數(shù)，如果m過大，則聚類效果會(huì)很差，而m過小會(huì)使算法接近HCM聚類算法。

使用改進(jìn)的模糊C聚類方法優(yōu)化了算法的速度和聚類的精確度。優(yōu)化方法是對(duì)隸屬度函數(shù)進(jìn)行改進(jìn)。隸屬度的改進(jìn)函數(shù)如式（3）：

4 結(jié)果分析

本研究利用巴西地區(qū)2005年和2000年兩期TM影像，借助遙感圖像處理軟件ENVI5.1進(jìn)行了圖像的預(yù)處理，編寫數(shù)學(xué)軟件matlab的算法進(jìn)行模糊聚類分析，得到實(shí)驗(yàn)結(jié)果圖3。并對(duì)其精度進(jìn)行評(píng)價(jià)和分析。本文運(yùn)用以下幾個(gè)參數(shù)來描述監(jiān)測(cè)結(jié)果的精度：漏檢數(shù)（miss detection，MD）;虛警數(shù)（false alarms，F(xiàn)A）;總錯(cuò)誤數(shù)（ overall error，OE）;Kappa系數(shù)（KC）。結(jié)果如表1。

kappa系數(shù)克服了整體精度只使用誤差矩陣對(duì)角線上的數(shù)據(jù)，而不使用整個(gè)誤差矩陣的信息的缺點(diǎn)。它不僅考慮了在對(duì)角線上正確分類的像素?cái)?shù)量，而且還考慮了不在對(duì)角線上的各種遺漏和錯(cuò)誤分類錯(cuò)誤。

研究中所得的結(jié)論如下：在精度要求不是很高時(shí)，利用FCM聚類進(jìn)行遙感圖像的變化檢測(cè)是可行的，結(jié)果可為掌握區(qū)域內(nèi)變化信息提供參考依據(jù)。

5 討論與展望

本研究選取的研究區(qū)域相對(duì)較小，研究區(qū)域的土地利用/覆蓋類型不完整，兩個(gè)時(shí)期的土地利用變化類型不夠豐富。在未來的研究中，可以選擇更大、更豐富的研究領(lǐng)域。由于不同區(qū)域的氣候差異較大，大氣狀況不均一，給大氣輻射校正帶來一定困難，本研究所用的FLAASH校正是通過尋找黑暗像元來反演氣溶膠和估算能見度對(duì)整個(gè)研究區(qū)進(jìn)行大氣校正，對(duì)這類地區(qū)的大氣校正方法有待進(jìn)一步研究。由于受太陽高度角、傳感器所處位置、地形環(huán)境等的影響，影像上存在陰影、地物輻射失真等現(xiàn)象，有效的地形輻射校正方法有待進(jìn)一步研究。

傳統(tǒng)的FCM算法受初始值的影響較大，同時(shí)不能充分利用樣本的類信息，導(dǎo)致聚類效果不理想。同時(shí)，僅采用聚類算法對(duì)遙感圖像進(jìn)行分類，逐像元的變化檢測(cè)分析方法僅僅考慮單個(gè)像元的光譜特征，沒有考慮到周圍像元的光譜特征及臨近香園的空間特征信息，不能充分利用圖像中的空間信息，導(dǎo)致分類結(jié)果不理想。因此采用改進(jìn)的FCM算法可以更好地保留變化的區(qū)域，也減少了噪聲的影響。

參考文獻(xiàn)：

[1]侯曉真，張書畢，寧曉剛，等，基于TM影像波段運(yùn)算的沙漠變化檢測(cè)分析[J].大地測(cè)量與地球動(dòng)力學(xué)，2013，33 （6）： 145～149 ，154.

[2]李芳芳，賈永紅，一種基于TM影像的濕地信息提取方法及其變化檢測(cè)[J].測(cè)繪科學(xué)，2008（2）：147～149.

[3]胡維，馬杰，李海濤，等，多時(shí)相遙感影像變化檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)與數(shù)字工程，2011，39（3）：51～55，97.

[4]張佳濤，基于TM影像的山區(qū)林地變化檢測(cè)方法對(duì)比研究[D].貴 陽：貴州大學(xué)，2015.

[5]李 全.基于LANDSAT TM影像的城市變化檢測(cè)研究[C]∥中國地理學(xué)會(huì)，中山大學(xué)，中國科學(xué)院地理科學(xué)與資源研究所，中國地理學(xué)會(huì)2004年學(xué)術(shù)年會(huì)暨海峽兩岸地理學(xué)術(shù)研討會(huì)論文摘要集.廣州：中國地理學(xué)會(huì)，中山大學(xué)，中國科學(xué)院地理科學(xué)與資源研究所，2004：1.

收稿日期：2019-11-06

作者簡介：楊鈺（1994-），女，碩士研究生，研究方向?yàn)镚IS應(yīng)用與遙感影像處理。