遙感影象變化檢測方法(簡稱變化檢測)根據處理目標要求可以分為三類:特定類目標的變化檢測,如機場、橋梁、港口、飛彈基地等目標的變化檢測;線性體目標的變化檢測,如道路、機場、橋梁和一般建築物等目標的變化檢測;大面積目標的變化檢測,如某地域的植被變化、城市的發展、洪水災害評估等。本文系統地研究了基於模式識別知識檢測特定類目標、線性體目標和大面積目標變化的變化檢測方法。
為了實現對特定類目標的變化檢測,本文提出了一種基於目標檢測的變化檢測方法。該變化檢測法的工作流程為:多時相影象配準、特定類目標建模、檢測特定類目標、確定特定類目標的位置、比較特定類目標在參考影象和檢測影象中的位置、報告變化情況。
本文提到的特定類目標建模,是對某類特定目標的共同屬性進行建模,即一般模型,而不是針對某個具體目標進行詳細的狀態描述。本**提出的機場檢測法在試驗中達到了100%的正確檢測率。確定了檢測影象中的機場位置後,就可以將檢測結果與參考影象中的機場位置進行比較,從而實現機場位置變化的檢測。
對於檢測線性體目標的變化,本**提出了一種基於邊緣檢測的變化檢測方法。該變化檢測法的工作流程為:多時相影象配準、影象標準化、提取參考影象及檢測影象的邊緣、匹配邊緣影象中的邊緣並獲得邊緣差分影象、標註變化情況。
邊緣檢測運算元的效能直接影響變化檢測結果。本**提出了一種全新的邊緣檢測運算元—正弦運算元。本**詳細分析了邊緣運算元的三個效能準則:
檢測效能、定位效能和響應唯一性,在此基礎上提出了正弦運算元。正弦運算元不但具有較好的容噪能力,並且能夠檢測到灰度變化較小的邊緣。理論結果和試驗結果都證明正弦運算元是乙個效能卓越的邊緣檢測運算元。
本文提出了一種中高解析度遙感影象的聚類方法。該聚類方法的過程分為兩部分:學習過程和識別過程。
學習過程為:選取影象特徵、使用已知類別的特徵訓練bpc網路;識別過程為:輸入待分類影象、預處理滑動視窗中影象、計算滑動視窗的影象特徵、使用bpc網路判斷滑動視窗中心畫素的類別、在影象中逐點移動滑動視窗、完成整個影象的分類。
試驗結果表明,本文的特徵提取法和影象聚類法能獲得較好的影象聚類精度。
遙感影象資料獲取系統近期發展的主要方向是提高空間和時間解析度,這使遙感影象資料量有了巨大的增加。大量的資料和有限的人工分析員必將導致有很多影象無法被瀏覽。而在實際中,我們卻非常需要分析員瀏覽相關影象。
如果我們知道需要瀏覽的具體影象和影象中的具體目標,這個問題就很容易解決了。然而,大多數情況下,我們並不知道哪個影象中包含了我們需要尋找的資訊。但是,我們可以利用數字影象的許多性質,通過計算機瀏覽所有的影象並把我們的注意力引導至相關的影象。
實現這一目的主要有兩個方法:使用計算機對影象內容進行理解(例如,影象理解),或確定這些影象中哪些影象在一定的時間間隔中發生了變化。本文只關心後一種方法:
遙感影象中的變化檢測。
變化檢測是通過不同時間的觀察進而識別乙個物體或現象的狀態差異的過程。本文中的術語「變化檢測」主要是指對兩幅或多幅數字影象進行的變化檢測。它檢測的變化包括目標的位置和範圍的變化及目標種類屬性的變化。
基於模式識別知識的常用變化檢測法有後分模擬較法、直接多時相影象分類法、統計檢測法、邊緣檢測法等。
按照廣義的定義,模式是一些供模仿用的、完美無缺的標本。模式識別就是識別出特定客體所模仿的標本,廣義的模式識別涉及哲學、政治學、生物學、心理學和生理學等範疇。本文研究的模式識別是指用計算機識別某種特定客體模仿的目標。
這是一種狹義的定義:模式是對某些感興趣的客體的定量或結構的描述、模式類是具有某些共同特徵的模式的集合。模式識別是研究一種自動技術,依靠這種技術,機器將自動地(或人盡量少地干涉)把待識別模式分配到各自地模式類中去。
乙個影象識別系統可分為三個主要部分，其框圖如圖2.1所示。第一部分是影象資訊的獲取，它相當於對被研究物件的調查和了解，從中得到資料和材料，對影象識別來說就是在整個影象中尋找並獲取感興趣區域中需要識別的影象，以備後續處理。
第二去部分是資訊的加工與處理。它的作用在於把調查了解到的資料材料進行加工、整理、分析、歸納以去偽存真，去粗取精，抽出能反映事物本質的特徵。當然，抽取什麼特徵，保留多少特徵與採用何種判決有很大關係。
第三部分是判決或分類。這相當於人們從感性認識上公升到理性認識而做出結論的過程。第三部分與特徵抽取的方式密切相關。
它的複雜程度也依賴於特徵的抽取方式。
識別的簡化框圖
為了實現對特定類目標的變化檢測，本章提出了一種基於目標檢測的變化檢測方法。該變化檢測法的工作流程為:配準多時相影象、對特定類目標建模、檢測特定類目標、確定特定類目標的位置、比較特定類目標在參考影象中和檢測影象中的位置、報告變化情況。
本章提到的特定類目標建模，只利用某類特定目標的共同屬性進行建模，即通用模型，而不是針對某個具體目標進行詳細的狀態描述。對於基於目標檢測法的變化檢測，我們以spot(地球觀測系統)影象中的機場變化檢測為具體例項進行說明。在該變化檢測方法中，**重點討論了機場模型的建立、機場檢測和機場位置的確定。
在兩幅大幅面影象(北京地區和上海地區的兩幅影象)中，本**提出的機場檢測法可以達到100%的正確檢測率。確定了檢測影象中的機場位置後，就可以將檢測結果與參考影象中的機場位置進行比較，從而實現機場位置變化的檢測。
機場檢測原理和工作流程
我們的目標是研究乙個能夠輔助遙感影象解譯人員檢測機場的系統，要求在影象解譯人員的干預下有效地檢測出機場的存在並確定其存在的區域。機場檢測方法是在大幅面的spot影象中檢測機場，是實現機場檢測和識別的第一步工作。
實現原理:飛機跑道的存在意味著機場的存在，本**就是通過檢測飛機跑道來發現機場。根據飛機跑道在spot影象中的特徵(幾何性質、灰度性質等)可以建立機場跑道通用模型，並通過機場跑道的通用模型來檢測機場存在與否，再使用roi演算法可以初步地確定機場存在的區域，也就是roi，最後通過人機互動方式修正不精確區域、結果是機場存在的區域。
機場檢測流程圖
工作流程:參見圖所示的機場檢測流程圖，從輸入spot影象資料到輸出機場區域需要經過三個模組的處理。在第乙個模組中輸入影象資料和相關引數，利用機場跑道通用模型在影象中進行搜尋，得到機場跑道的檢測結果。
利用第二個模組:roi演算法可以在機場跑道影象中初步確定機場存在的區域。由於在實際的演算法研究中，機場跑道通用模型難於完全精確地描述，初檢結果中可能有一些不精確區域甚至誤檢或漏檢機場跑道區域。
為此在程式中插入第三個模組，以人機互動操作方式來得到有效的機場區域輸出結果。
機場跑道通用模型
spot影象中機場跑道通用模型可以用6個特性來描述，其中4個描述跑道的幾何特性，2個描述跑道的影象灰度。在機場跑道通用模型數學表示式中，g(x,y)表示spot數字影象中點(x,y)的灰度值。
特性1:跑道部分在影象中的灰度值較高，其數學表示式為:
∑g(xi，yi)-------maximum
式中，(xi，yi)是跑道上的點。
特性2:跑道表面具有相近的灰度值，也就是說沿著跑道方向(有多個跑道時具有多個方向)在一定的距離內，影象灰度值基本保持恆定。
特性3:跑道的長度在一定範圍內。
特性4:跑道的寬度在一定範圍內。
特性5:跑道的長度遠遠大於跑道的寬度。
特性6:當機場跑道數大於乙個時，可能相交或平行。
基於spot影象的機場跑道通用模型是對上述6個特性進行綜合後形成的。
機場跑道通用模型中的特性層次
機場跑道通用模型由上述6個特性綜合而成，但這6個特性並不是一種並列關係。特性1描述的是機場跑道的單點影象表現特性;特性2描述的是跑道點集的統計特性;特性4一6描述的是跑道的幾何表現特性。
跑道通用模型中6個特性的層次如下圖所示。該跑道通用模型的工作原理如下:首先對整個影象中符合特性1的點不做任何改變，而對不符合特性1的點的灰度值賦為零;第二步是對滿足特性2的非零值點不做任何改變，而對不符合特性2的非零值點的灰度值賦為零;最後是對非零值區域的幾何表現特性做出判斷，如果某個非零值區域中的幾何表現符合特性3、4、5和特性6，則不對該區域做任何改變，否則，把該區域內的非零值點的灰度值賦為零。
上述處理時，每一步的輸入資料都是上一步處理後的結果。最後，得到的非零值區域就是機場跑道。
機場跑道通用模型中的特性層次圖
機場區域的定位
機場區域的定位是指確定用上述方法檢測到的機場在影象中位置的過程。本文使用roi演算法實現這個定位過程。roi演算法是在機場跑道影象中確定機場存在區域的一種計算方法。
在機場跑道影象中，跑道部分的畫素值為非零，而其他畫素值為零。在機場區域定位過程中，我們把影象的左上頂點作為座標原點，x軸方向水平向右，y軸方向豎直向下，刻度單位為畫素。
roi演算法示意圖
機場檢測實驗結果
實驗四變化檢測
一 實驗目的 對兩時相的影像作分類處理或求取某一特徵值後，為直觀對比前後變化情況，掌握變化資訊，需要對其進行變化檢測操作。2 實驗步驟 第一階段 地理配準 首先要對兩時相的影像進行配準，使其對應位置和幾何形狀完全吻合，沒有錯位，避免由於位置引起的差異影響。前兩種配準方法均為自動生成連線點 同名點 第...
第三單元物質的變化檢測題
一 填空題 每空0.5分，共12分 1 物質變化可以分為兩大類 一類僅僅是的變化，沒有產生 另一類是產生 的變化。2 白糖加熱後，會由固態變成 這是屬於的變化，沒有產生 當白糖繼續加熱到變黑，白糖就產生了新的物質，就屬於的變化。3 鐵生鏽的原因是鐵與和接觸。鐵鏽是鐵產生的 4 產生新物質的變化，可以...
遙感影象分析
遙感實際上是通過接收 包括主動接收和被動接收方式 探測目標物電磁輻射資訊的強弱來表徵的，它可以轉化為影象的形式以相片或數字影象表現。多波段影像是用多波段遙感器對同一目標 或地區 一次同步攝影或掃瞄獲得的若干幅波段不同的影像。在遙感影像處理分析過程中，可供利用的影像特徵包括 光譜特徵 空間特徵 極化特...