論文導讀：變化檢測是從不同時期的遙感圖像中。同時具有可以回避多時相影像獲取環境條件和傳感器不同所帶來的輻射歸一化問題、可以直接獲取變化的類型、可以進行兩個時相以上的遙感影像的變化檢測分析等優點。然后在MATLAB中變成實現變化監測。本實驗編程思想是采用差值法直接進行變化監測。

關鍵詞：遙感影像，變化檢測，MATLAB，差值法

1 變化監測的概念

變化檢測是從不同時期的遙感圖像中，定量的分析和確定地物變化的特征和過程，涉及到變化的類型、分布狀況及變化信息的描述，即需要確定變化前后的地物類型，界限和分析變化的屬性。因此，了解變化檢測中的含義、變化檢測的基本過程以及變化信息獲取的層次等基本概念，是進行變化檢測的前提和基礎。

變化檢測是利用多時相遙感圖像檢測出地物的變化，因此了解地物的變化類型，對于明確變化檢測目的，以及選擇合適的方法具有明顯的意義。對于某一地物，經過一段時間，可能存在兩種情況[1]：該地物已經發生變化；該地物沒有發生變化。

2 變化監測的基本方法

2.1 直接比較法[2]

直接比較法相當于算術運算法，一般要在相對輻射歸一化基礎上完成，主要是采用差值運算或比值運算對兩個時期的影像像元進行運算，增強或抑制兩個時期的變化信息，構造差異影像，然后選取區分變化信息與背景信息的閾值，提取變化區域。

(1) 圖像差值法

圖像差值法對多時相圖像中對應像素的灰度值進行相減，結果圖像代表了兩個時間圖像的變化，表達式如式(2-1)。圖像差值法可以應用于單一波段(稱作單變量圖像差分)，也可以應用于多波(稱作多變量圖像差分)。應用一些輻射校正來減少照射角、強度和視角變化的影響

圖像差值法計算公式：

(2-1)

(2-2)

其中i，j為像素坐標值，k為波段，t1，t2為第一幅圖像時間、第二幅圖像時間，C為常量，用來得到正值。由于最后只要找到變化的區域，因此對變化的方向就變得不重要了。為此更改圖像差值式(2-1)為式(2-2)。

(2-3)

其中m為差值圖像均值，STD為差值圖像標準差，

為門限值。用灰度像素值直接相減的效果很差，一般都取窗口，用窗口均值代替窗口中心像素值進行計算。

對差值圖像進行統計處理，計算差值圖像的均值和標準差。如果差值圖像中像素的灰度值滿足式(2-3)就認為該像素發生變化。

(3) 圖像比值法

圖像比值法計算已配準的多時相圖像對應像素的灰度值的比值，如果在一個像素上沒有發生變化，則比值接近1，如果在此像素上發生變化，則比值遠大于或遠小于1(依靠變化的方向)。數學表達式如式(2- 4)。一些數據標準化和輻射糾正可能是必需的，圖像比值法的主要缺點集中在比值圖像的統計分布上。相比于圖像差值法，圖像比值法對子圖像上的乘性噪聲是不敏感的。圖像比值法計算公式：

(2- 4)

圖像比值法的處理過程和圖像差值法差不多，只是最后對窗口均值求比值而不是求差值當

滿足式(2-5)時則認為該像素發生了變化。

或

(2-5)

和

分別代表低門限和高門限。

2.2 主成分分析法

主成分分析法又稱Karhunen- loeve變換(簡稱K- L變換)。它的基本思想是對一組相關的多元隨機變量，通過構造一系列線性變換，將原隨機變量所包含的信息集中到少數幾個互不相關的變換結果分量中，從而達到冗余壓縮和信息集中的目的，稱這一線性變換為主成分變換[3]。

主成分變換應用于變化檢測可采用以下三種策略[4]:一種是將多時相影像復合，做主成分變換，得到的分量中除第一成分PCI外的次要分量能夠反映變換信息，稱之為復合主成分分析法；第二種是對兩時相影像分別做主成分變換，再對計算對應主成分分量間的差值，稱為主成分差值分析法；第三種是先求兩時相影像間的差值，再對多元差值影像做主成分變換，這叫做差值主成分分析法。其中第一種策略可應用于多于兩個時相的多通道遙感影像的變化檢測和分析，后兩種則只適用于兩個時相的情況。免費論文網。

主成分分析法能夠消除影像內部的各通道間的相關性，但是主成分變換得到的主成分分量失去了原有波段的光譜特性，當它應用于變化檢測的時候，主成分變換只考慮了隨機變量在特征空間的分布，而未考慮它們在地理空間上的分布特性，這樣就很難保證各主成分的影像質量依序遞減。

2.3分類后變化信息比較

盡管分類后比較法存在著精度方面的缺陷，但由于其方法簡單，同時具有可以回避多時相影像獲取環境條件和傳感器不同所帶來的輻射歸一化問題、可以直接獲取變化的類型、可以進行兩個時相以上的遙感影像的變化檢測分析等優點，故被經常使用。

分類后變化檢測技術是最簡單的基于分類的變化檢測分析技術。分類后比較方法可用于兩幅或多幅配準后的圖像，包括一個分類步驟和一個比較步驟，要求對多時相圖像的每一副圖像單獨進行分類，然后對分類結果圖像進行比較。如果對應像素的類別標簽相同，則認為該像素沒有發生變化，否則認為該像素發生了變化。分類的方法可以是監督分類方法也可以是非監督分類方法。分類后變化檢測的一個重要的進步是可以克服由于多時相圖像的傳感器性質、分辨率等因素的差異帶來的不便，不需要數據歸一化過程，因為兩幅圖像是單獨分類的。

分類后比較法的核心在于影像精確分類，這也是一直以來遙感應用領域的重點和難點問題。現有的影像分類方法可歸結為監督和非監督兩大類，一般前者比后者的分類精度高。對于分類后比較變化檢測來說，多采用監督分類方法。

2.4輔助數據變化檢測

利用數據庫中已經存在的空間數據集作為背景輔助數據,當前數據為遙感數據,上述變化檢測處理方法均可以在不同運算階段利用輔助數據。這種變化檢測方法一般用來進行輔助變化檢測。

還以利用遙感影像和地形圖，土地利用圖等，在地理信息系統軟件中，通過地理信息系統強大的空間分析功能，如疊置分析，緩沖區分析，統計分析等功能，發現變化區域和統計變化結果[5]。免費論文網。

3 基于MATLAB的變化監測

本研究中選擇的影像是同一個地區不同時相的兩幅遙感影像，主要是為了檢測出該地區在1998—2004年間水系發生的變化情況，通過分析能夠了解該地區水系是否發生了變化以及水系是增加還是減少了。本數據影像首先需要在遙感軟件ERDAS IMAGINE 9.2中進行圖像預處理，使兩幅遙感圖像擁有相同的地理坐標信息，并經過幾何校正和輻射校正消除各種變形的影響。然后在MATLAB中變成實現變化監測。免費論文網。

3.1 變化監測方法

通過分析本影像數據可知，該數據是單通道不同時相的遙感影像，對于單通道影像采用直接比較法進行變化監測效果較好，直接比較法在理論上也最容易理解，本實驗編程思想是采用差值法直接進行變化監測，采用式(2-2)和式(2-3)的原理進行變化監測，設置一經驗值作為判斷變化情況的閾值。

圖3.1 1998年遙感影像圖3.2 2004年遙感影像

圖3.3 變化監測圖

圖3.3采用MATLAB進行編程設計，從圖上可以看出白色區域代表變化最明顯的區域，黑色代表變化最不明顯區域，灰色代表中間色，本實驗主要是為了監測出變化區域和味變化區域，試驗中涉及到兩個閾值，灰度差值大于閾值50的是變化明顯區域，灰度差值在[10,50]之間的為中間變化較小地區，灰度差值小于10的說明為變化區域。因為同一地區不同時間影像的灰度由于成像條件、天氣條件、傳感器等的影響會出現較小范圍的差別，所以在灰度差值小于10時設為為變化區域。

3.2 實驗結果分析

把影像算術運算法作為變化檢測的方法，從理論上來理解是最直觀的，它對于單通道不同時相之間的變化檢測也是非常有效的。在應用這種方法的時候，必須考慮選取閾值將有變化的像元和沒有變化的像元區分開來，閾值的選取需要有一定的經驗，可以借助于多次檢測的結果。對于多通道不同時相圖像的變化，雖然在數學上很容易實現，但由于各種傳感器的通道之間往往是互為相關的，勢必會造成圖像之間的相關，所以在圖像差值時會存在很多問題，這種方法首先是對同一區域不同時相影像的光譜特征差異進行比較，確定變化信息發生的位置。在改位置信息確定的基礎上可以進行分類確定變化的類型，本實驗沒有進行變化類型的確定，只是簡單的確定了變化的位置，也是該方法的優點，因此縮小了分類范圍，提高了檢測速度，缺點是它不能同時獲得具體的變化類型。

參考文獻：

[1] 張振龍、曾志遠、李碩、胡子付，遙感變化檢測方法研究綜述，2005-5.

[2]張路，基于多元統計分析的遙感影像變化檢測方法研究.武漢大學博士學位論文.2005.

[4]梅安新，等．遙感導論[M]. 北京:高等教育出版社, 2001.

[3] Hazel, G.G., 2001, Object-level change detection in spectralimagery. Geoscience and Remote Sensing, IEEE Transactions on, Volume: 39 Issue:3, March 2001, pp.553-561.

[5]張曉東，基于遙感影像與GIS數據的變化檢測理論方法研究，武漢大學，2005-4.

總結

以上是生活随笔為你收集整理的matlab遥感图像 提取地物,基于MATLAB的遥感图像变化监测研究(图文)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。