【技術實現步驟摘要】
本專利技術涉及圖像檢測及分類，具體涉及一種面向變化圖斑提取的多時相遙感影像變化檢測方法。
技術介紹
1、傳統的基于遙感技術的遙感影像變化圖斑提取采用逐景分類或人工目視判讀的變化信息提取方式。其中，逐景分類針對每景影像選取訓練樣本訓練分類器以分類得到影像中產生變化的新的地表覆蓋類型。由于需對每個時刻影像都通過人工目視解譯以獲取訓練樣本，逐景分類與人工目視判讀同樣存在工作量大、工作效率和自動化程度低下的問題，限制了變化圖斑提取的快速性。
2、近些年，隨著遙感影像變化檢測研究的不斷深入，借助變化檢測算法提取遙感影像中地表覆蓋類型變化的圖斑已逐步成為地理國情監測的重要手段。基于變化檢測算法的變化圖斑提取的精度主要取決于變化檢測的精度。遙感影像中地表(尤其是植被覆蓋類型)物候變化是影響變化檢測精度的因素之一。為消除物候變化引起的偽變化，大多數變化檢測算法通常選取同一季節的影像進行變化檢測，如變化矢量分析法或landtrendr算法通常選用不同年份同一季節的準周年影像進行變化檢測。但每年一景影像的觀測頻次無法實現年內尺度的變化檢測，或當擾動事件發生在當年觀測時相之后，會將該擾動發生時間錯誤地標注為下一年，延長了變化圖斑的提取周期，無法確保地表覆蓋信息的現勢性。而加密遙感影像觀測頻次，會增加變化檢測算法提取變化圖斑的工作量，因此加密觀測頻次也并非是隨意行為。所以如何加密多時相遙感影像觀測頻次，同時消除物候變化引起的偽變化，保證使用任一時期的遙感影像，準確、及時地獲取年內尺度地表變化信息和提取出變化圖斑，確保地表覆蓋信息的現勢性成本
技術實現思路
1、本專利技術以實現對遙感圖像在年內尺度內的變化信息的及時、準確識別，并通過消除物候變化引起的偽變化等技術手段，實現對影像中變化圖斑的精準提取為目的，提供了一種面向變化圖斑提取的多時相遙感影像變化檢測方法。
2、為達此目的，本專利技術采用以下技術方案：
3、提供一種面向變化圖斑提取的多時相遙感影像變化檢測方法，包括步驟：
4、s1，確定ti+1和ti時刻對同個觀測區采集的每景遙感影像的分類與變化檢測特征，ti為ti+1的上一遙感影像采集時刻；
5、s2，構建ti時刻的遙感分類樣本集，并制作對ti+1時刻采集的第二遙感影像進行變化檢測的分類底圖；
6、s3，對所述第二遙感影像以及在ti時刻對同個所述觀測區采集的第一遙感影像，計算影像中的每個像元的svi值，得到所述第一遙感影像和所述第二遙感影像分別對應的第一空間歸一化影像、第二空間歸一化影像；
7、s4，利用所述第一空間歸一化影像和所述第二空間歸一化影像，對所述第二遙感影像進行像元變化檢測和結果修正；
8、s5，以步驟s4修正后的像元未變化的背景區域為樣本訓練ti+1時刻的分類器；
9、s6，以所述分類器對所述第二遙感影像中像元發生變化的目標區域進行分類，得到變化后的地表覆蓋類型，然后將對所述第二遙感影像中的目標區域的第一分類結果以及對所述第二遙感圖像中的各背景區域在所述第一遙感影像中對應的第二分類結果融合為ti+1時刻的地表覆蓋類型圖，以對步驟s2中制作的對應ti時刻的所述分類底圖進行更新。
10、作為優選，步驟s1具體包括步驟：
11、s11，計算所述遙感影像中的每一類別地物樣本的植被指數；
12、s12，對所述遙感影像中的兩兩不同類別的地物樣本構建為對應的地物樣本組合，然后基于jm距離度量選取以jm距離值最大表達為最佳植被指數組合的所述地物樣本組合作為所述遙感影像的分類與變化檢測特征。
13、作為優選，步驟s11中，針對地物樣本類型為植被，通過如下公式(1)經歸一化后得到其植被指數：
14、
15、針對地物樣本類型為水體，通過如下公式(2)經歸一化后得到其植被指數：
16、
17、針對地物樣本類型為建筑，通過如下公式(3)經歸一化后得到其植被指數：
18、
19、針對地物樣本類型為土壤，通過如下公式(4)經歸一化后得到其植被指數：
20、
21、公式(1)-(4)中，v近紅外表示所述遙感圖像在近紅外波段的特征值；
22、v紅表示所述遙感圖像在可見光波段中紅色波段的特征值；
23、v綠表示所述遙感圖像在可見光波段中綠色波段的特征值；
24、v短波紅外表示所述遙感圖像在短波紅外波段的特征值。
25、作為優選，步驟s2中，構建ti時刻的所述遙感分類樣本集并制作對ti+1時刻采集的第二遙感影像進行變化的所述分類底圖的方法包括步驟：
26、a1，采用分層隨機抽樣方法，在ti時刻，對所述觀測區進行多類型地物樣本采集；
27、a2，對在ti時刻采集的包含步驟a1所采集的各類型的地物樣本的第一遙感影像，采用人工方式，查驗ti-1時刻以對應ti-1時刻所構建的遙感分類樣本集進行訓練得到的分類器，對所述第一遙感影像中的地物樣本分類結果的準確性，并將查驗通過的地物樣本加入到針對ti時刻所構建的所述遙感分類樣本集中；
28、a3，使用對應ti時刻的所述遙感分類樣本集，訓練對應ti時刻的分類器；
29、a4，使用完成訓練的對應ti時刻的所述分類器對所述第一遙感影像進行地物樣本分類，并將分類結果作為對ti+1時刻采集的第二遙感影像進行變化檢測的所述分類底圖。
30、作為優選，步驟a3中，訓練所述分類器的方法具體包括步驟：
31、a31，為所述遙感分類樣本集設定“隨機數”字段賦予0-1區間內的浮點數，選擇該字段內隨機數字段小于0.7的分類樣本為訓練樣本，其余樣本為驗證樣本以完成對所述遙感分類樣本集的拆分；
32、a32，將訓練樣本與上述基于遙感影像得到的光譜波段和植被指數特征所構建的分類特征集進行疊加，為訓練樣本提取其對應的分類特征值；
33、a33，利用python?3.7.0工具中的隨機森林機器學習模塊對具有分類特征值的訓練樣本進行訓練，得到所述分類器。
34、作為優選，步驟s3中，遙感影像中的像元的svi值通過如下公式(5)計算而得：
35、
36、公式(5)中，vicenter表示預設尺寸的空間窗口中的中心像元的植被指數值；
37、vimedian表示所述空間窗口內與所述中心像元具有相同地表覆蓋類型的各像元的植被指數值的平均值。
38、作為優選，步驟s4中，對所述第二遙感影像進行像元變化檢測的方法包括步驟：
39、s41，通過如下公式(6)計算所述第二遙感影像在ti+1時刻相比較ti時刻的變化強度δg，
40、
41、公式(6)中，表示第j個像元在所述第一遙感影像中的第一svi值；
42、表示第j個像元在所述第二遙感影像中的第二svi值；<本文檔來自技高網...
【技術保護點】
1.一種面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，包括步驟：
2.根據權利要求1所述的面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，步驟S1具體包括步驟：
3.根據權利要求2所述的面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，步驟S11中，針對地物樣本類型為植被，通過如下公式(1)經歸一化后得到其植被指數：
4.根據權利要求1所述的面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，步驟S2中，構建ti時刻的所述遙感分類樣本集并制作對ti+1時刻采集的第二遙感影像進行變化的所述分類底圖的方法包括步驟：
5.根據權利要求4所述的面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，步驟A3中，訓練所述分類器的方法具體包括步驟：
6.根據權利要求1所述的面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，步驟S3中，遙感影像中的像元的SVI值通過如下公式(5)計算而得：
7.根據權利要求1所述的面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，步驟S
8.根據權利要求7所述的面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，利用最大類間方差法設置所述變化強度閾值，具體包括步驟：
9.根據權利要求6所述的面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，對所述第二遙感影像的像元變化檢測結果進行修正的方法為：
10.根據權利要求1所述的面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，步驟S6中，以對應ti+1時刻的所述分類器對所述第二遙感影像中像元發生變化的目標區域進行分類的方法包括步驟：
11.根據權利要求1所述的面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，還包括步驟：
...【技術特征摘要】
1.一種面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，包括步驟：
2.根據權利要求1所述的面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，步驟s1具體包括步驟：
3.根據權利要求2所述的面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，步驟s11中，針對地物樣本類型為植被，通過如下公式(1)經歸一化后得到其植被指數：
4.根據權利要求1所述的面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，步驟s2中，構建ti時刻的所述遙感分類樣本集并制作對ti+1時刻采集的第二遙感影像進行變化的所述分類底圖的方法包括步驟：
5.根據權利要求4所述的面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，步驟a3中，訓練所述分類器的方法具體包括步驟：
6.根據權利要求1所述的面向變化圖斑提取的多時相遙感影像變化檢測方法，其特征在于，步驟s3...
【專利技術屬性】
技術研發人員：吳伶，楊犇，崔澤宇，滕飛宇，
申請(專利權)人：中國地質大學北京，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。