變化檢測的方法

1. 光電信號變化與檢測的方法有哪些

光電檢測系統組成：光發射機，光學通道，光接收機。光發射機：分為主動式和被動式。主動式：光源（或加調制器）被動式：無自身光源，來自被測物體的光熱輻射發射。光學通道：大氣、空間、水下和光纖等。光接收機：收集入射的光信號並加以處理，恢復光載波信息 光電檢測技術的特點：高精度。各種檢測技術中最高。如激光干涉儀法檢測長度的精度達0.05um/m；光柵莫爾條紋法測角可達0.04秒；用激光測距法測量地球到月球之間距離解析度可達1m。高速度。光電檢測以光為介質，用光學方法獲取和傳遞信息是最快的。遠距離，大量程。光便於遠距離傳播的介質，適於遙控和遙測，如武器制導，光電跟蹤，電視遙測等。非接觸檢測。光照可認為是沒有測量力的，也無磨擦，可實現動態測量，效率最高。壽命長。光波可永久使用。具有很強的信息處理和運算能力。可將復雜信息並行處理。同時光電方法還便於信息控制和存儲，易於實現自動化和智能化。

2. 基於典型相關分析的多元變化檢測

( 一) 基於典型相關分析的多元變化檢測方法

為了解決傳統方法應用於多源遙感影像變化檢測中的不足，丹麥學者 Nielsen 等( 1998) 率先提出了多元變化檢測 ( Multivariate Alteration Detection，MAD) 的概念和方法。這種方法的基本思想是基於典型相關分析方法，對兩幅不同時相的分別具有 p 和 q 個通道的影像 ，不妨假設 p≤q，且 X 和 Y 都具有零均值，即 E{ X} = E{ Y} = 0，分別構造兩個線性組合:

退化廢棄地遙感信息提取研究

然後將它們之間的差值a^TX－b^TY作為衡量變化信息的測度。

理論上，任意一對向量a和b對應於一種變化信息測度，因此需要根據一定的判斷准則來找出最優的a和b，使之最有利於變化分析。MAD方法將差值變數a^TX－b^TY的方差最大化作為其判斷准則。考慮到a和b同時乘上常數c，a^TX－b^TY的方差會變成原來的c²倍，因此要對a和b進行限制，最常見的就是限定變數a^TX和b^TY均具有單位方差，即Var{a^TX}=Var{b^TY}=1，這樣，MAD問題可以表述為以下數學形式:

退化廢棄地遙感信息提取研究

在單位方差約束條件下，根據變數和的方差計算公式，可得:

退化廢棄地遙感信息提取研究

MAD方法要求上式中的相關系數Corr{a^TX，b^TY}≥0，也就是線性組合變數a^TX和b^TY之間成正相關，因為只有這樣的a^TX－b^TY才能表示差異信息。從上式可以看出，欲使a^TX－b^TY的方差最大，只需找出使a^TX和b^TY之間的相關性最小的滿足單位方差約束條件的向量a和b即可。這說明MAD方法的核心思想在於尋找相關性最小的針對原始變數的線性組合對，它們之間的差值就包含了最大的差異信息，通過分析這些差值就可以找出時相之間的變化。

要解決這一問題，可以從典型相關分析原理描述中尋求思路。典型變換中得到的每一對典型變數都是兩組原始變數的一對線性組合，它們之間的相關系數依次遞減。而在所有可能的針對原始變數的、滿足單位方差約束條件的線性組合對中，第一對典型變數之間的相關系數是最大的，而最後一對即第p對典型變數之間的相關系數是最小的。因此，MAD就轉化為了典型變換求解問題，只需把典型變換得到的一系列典型變數對按典型相關系數從小到大重新排序即可。這樣，就把MAD定義為如下變換:

退化廢棄地遙感信息提取研究

式中:a_i和b_i就是典型變換所得到的各典型變數U_i和V_i對應的線性組合系數向量，這一變換被稱為MAD變換，所得到的差值變數稱之為MAD變數，其中第i個MAD變數為第p+1－i對典型變數之間的差值，即:

退化廢棄地遙感信息提取研究

(二)MAD變化檢測方法的基本流程

1.數據預處理

數據預處理包括影像數據的幾何糾正，兩時相影像之間的幾何配准和輻射歸一化，以及影像剪裁。從兩時相影像中剪裁出兩幅大小合適、位置范圍完全相同的研究區域影像塊，作為後面進行計算的基礎數據。

2.計算協方差和互協方差矩陣

按以下公式來計算兩時相影像X和Y之間的協方差和互協方差矩陣:

退化廢棄地遙感信息提取研究

式中:n為樣本數即像元個數;X_i和Y_i分別為X和Y上第i個像元的光譜向量值; 分別為X和Y的均值向量。

3.求解廣義特徵方程

構造典型相關的廣義特徵方程，求解從大到小排序的特徵值ρ²_j和相應的滿足單位方差約束條件的特徵向量a_j和b_j(j=1，2，…，P)。

4.計算典型變數

用上一步得到的特徵向量a_j和b_j作為系數向量，分別對X和Y做線性組合，得到典型變數U_j和V_j(j=1，2，…，p)。

5.計算MAD變數

根據式(6－6)計算典型變數之間的差值，得到MAD變數，即構成MAD變化檢測的結果影像。

(三)結果與分析

對經過預處理的兩幅影像做典型變換，求解出典型相關特徵方程的特徵值和特徵向量，如表6－4所示。值得注意的是，兩個方程的特徵向量維數不同，對應於兩個時相原始影像的波段數不相同。特徵向量矩陣各列從左到右依次為對應特徵值從大到小的特徵向量。

表 6 －4 典型相關廣義特徵方程的特徵值和特徵向量

典型變換得到的4對典型變數影像如圖6－6所示，圖中左右兩列分別為2001年和2005年的典型變數影像，從上到下依次為對應特徵值從大到小的典型變數對，記第i對典型變數為2001CV_i和2005CV_i，它們之間的相關系數即典型相關系數，以及典型相關系數的平方即方差重疊度如表6－5所示。

表6－5 典型相關系數和典型變數方差重疊度

從表6－5可以看出，兩時相遙感影像的四對典型變數中，第一對典型變數2001CV₁和2005CV₁之間的相關系數達到0.4939，方差重疊度為0.2439，反映了兩時相之間大部分為不變信息。第二、三對典型變數之間的相關系數相對較低，分別只有0.2429和0.2720，既包含了部分的不變信息，也包含了部分變化信息。第四對典型變數間的相關系數最低，方差重疊度也僅有0.0019，即前者的全部變差中只有0.19%能夠用後者的變差來解釋，這意味著二者之間存在著很大的差異，可能包含了大量的時相間差異或變化信息。對圖6－6進行目視判讀，可以看出這四對典型變數影像的相似性的確是依次降低的，即所包含的不變信息依次減少，這與理論上的結論是一致的。但是兩時相的變化信息並沒有隻集中表現在第四對變數影像中，可以看出，變化信息是分布於各對典型變數中的。

表6－6列出了各對典型變數與原始變數之間的相關系數，反映了它們之間的相關關系。

圖6－6 四對典型變數影像

表6－6 典型變數與原始變數之間的相關系數

將4對典型變數依次相減後逆序排列，就得到了4幅MAD變數影像，如圖6－7所示，圖中從上到下、從左到右依次為MAD₁、MAD₂、MAD₃和MAD₄變數影像。這些MAD變數影像反映了兩時相原始影像之間的差異，MAD影像中像元值越接近於0，說明對應位置上的不同時相之間的差異越小，越有可能沒有發生變化;反之，像元值越遠離0，即絕對值越大，表現在影像中很亮或很暗的區域，對應位置的不同時相之間的差異越大，標志著越有可能發生了變化。

圖6－7MAD變數影像

計算得到各MAD變數的方差、方差貢獻率和累計方差貢獻率，如表6－7所示。

表6－7 各MAD變數的方差、方差貢獻率、累計方差貢獻率

從表6－7中可以看出，MAD₃和MAD₄的方差貢獻率分別為39.9135%和31.6852%，從理論上講，這兩個變數集中了兩個時相的大部分變化信息，但是圖6－7對這些變化信息表現得並不是很清晰，MAD₂的方差貢獻率雖然僅有8.7439%，但是也清晰地反映出了部分變化信息。這表明對於MAD變換得到的各MAD變數影像，並非方差越大的MAD變數包含的變化信息就越多。

表6－8列出了4個MAD變數與10個原始影像波段變數之間的相關系數。

表6－8 MAD變數與原始變數之間的相關系數

3. 基於不同數據源的土地利用變化遙感動態監測方法

李翔宇 樊彥國

（中國石油大學地球資源與信息學院，山東東營，257061）

摘要：本文從所擁有的遙感數據源的可能情況出發，分別介紹了各種情況下利用遙感進行土地利用變化動態監測的方法，分析了其優勢和劣勢。

關鍵詞：遙感；土地利用變化；動態監測；方法

1 引言

我國是一個人多地少的國家，土地是我們賴以生存的資源。建立土地動態監測系統以快速准確地提供各類土地資源面積及其分布、土地資源動態變化狀況及土地資源生態環境信息是十分必要的，這樣可以保證我國在科學翔實的資料基礎上對土地資源進行科學的規劃及合理的利用，實現土地資源的可持續健康發展。可是傳統的統計或實地調查方式，耗時耗力，勞民傷財，並且難以適應土地利用的快速變化，而遙感可以提供及時准確且覆蓋面廣的地面影像資料，並且周期短、信息量大，通過後期的分析、處理、比較，可以使人們迅速准確地掌握土地利用變化的詳細信息，即實現土地利用的動態監測。現在，遙感技術已成為進行土地利用變化動態監測的重要手段。

基於遙感影像的土地利用變化監測方法大致可分為兩類：光譜直接比較法和分類結果比較法。多數變化提取演算法屬於前一種，主要包括影像差值法、比值法、主成分分析法和變化矢量分析法等，這些演算法直接通過兩時相數據的光譜差異確定變化發生的區域，但不能得出變化圖斑的類型；後一種方法通過對各自時相的數據進行土地利用分類，通過對兩個分類結果的比較提取變化信息，但其精度受兩時相數據分類精度的制約。實際操作中可以根據所持有數據源的不同而採用相應的方法。

2 基於單一感測器的土地利用變化監測方法

2.1 基於單一感測器多時相遙感影像

當遙感數據源為單一感測器但可以獲得多時相遙感影像時，可以考慮以下幾種方法。

2.1.1 單變數圖像差值法^［1］

單變數圖像差值法比較簡單，是使用最廣泛的一種探測方法。它是將兩個時相的遙感圖像按波段進行逐像元相減，從而生成一幅新的代表二時相間光譜變化的差值圖像。輻射值的顯著變化代表了土地覆蓋變化，在差值圖像中接近於零的像元就被看做是未變化的，而那些大於或小於零的像元表示其覆蓋狀況發生了某種變化，從而設定適當的閾值就可以把變化信息提取出來。

2.1.2 圖像比值法^［1，2］

比值處理被認為是辨識變化區域相對較快的手段。它是對於兩個時相多譜段數據中同名像元的光譜灰度值施以除法運算。顯然，經過輻射配准後，在圖像中未發生變化的像元其比值應近似為1，而對於變化像元而言，比值將明顯高於或低於1。比值法可以部分地消除陰影影響，突出某些地物間的反差，具有一定的圖像增強作用。

2.1.3 圖像回歸法^［1］

圖像回歸法是首先假定時相Ⅰ的像元值是另一時相Ⅱ像元值的一個線性函數，通過最小二乘法來進行回歸，然後再用回歸方程計算出的預測值來減去時相Ⅰ的原始像元值，從而獲得兩時相的回歸殘差圖像。

2.1.4 植被指數差值法^［2］

植被指數差值法是用近紅外與紅光波段間的比值（植被指數）代替原始波段作為輸入數據進行差值運算來生成變化圖像。由於植物普遍對紅光強烈吸收和對近紅外光強烈反射，因此紅光和近紅外波段之間的比值有利於提高光譜差異。

2.1.5 主成分分析法^［3］

（1）差異主成分法 兩時相的影像經糾正、配准之後，先對影像作相差取絕對值處理，從而得到一個差值影像。差值影像作主成分變換之後的第一分量應該集中了該影像的主要信息，即原兩時相影像的主要差異信息。這個分量可以被認為是變化信息而被提取出來，從而生成變化模板，作為指導下一步變化類型確認和邊界確定的參考信息。

（2）多波段主成分變換 由遙感理論可得知，地物屬性發生變化，必將導致其在影像某幾個波段上的值發生變化，所以只要找出兩時相影像中對應波段上值的差別並確定這些差別的范圍，便可發現土地利用變化信息。在具體試驗中將兩時相的影像各波段進行組合，成一個兩倍於原影像波段數的新影像，對該影像作主成分變換。由於變換結果前幾個分量上集中了兩個影像的主要信息，而後幾個分量則反映出了兩影像的差別信息，因此可以抽取後幾個分量進行波段組合來產生出變化信息。一般說來，在上述多波段主成分變換之後，採用0、1、2分量進行波段組合能較好地反映出新舊時相影像的變化部分。

（3）主成分差異法 本方法和差異主成分方法所不同之處在於影像作主成分變換與差值處理的順序不一樣。要求先對兩時相的影像作主成分變換，然後對變換結果作差值，取差值的絕對值為處理結果。在實際的試驗中，兩時相影像作主成分變換後相差的第一分量已經涵蓋了幾乎所有的變化信息。因此，可以認為這一分量屬於影像的變化信息。

2.1.6 變化向量分析法^［1］

由於多時相遙感數據中任一像元矢量都可用多維測量空間中的一個點來表示（空間的維數等於原始波段數），通過對不同時相下的同名像元矢量進行相減所得到的變化矢量就可以用於描述該像元第一時相 t₁ 到第二時相 t₂ 期間在多維空間中所發生的位置變化。其中變化矢量的模代表了變化的強度，而方向則指示了發生變化的類型。設時相 t₁、t₂ 圖像的像元灰度矢量分別為 G＝（g₁，g₂，…，g_k）^T 和H＝（h₁，h₂，…，h_k）^T，則變化矢量為：ΔG＝G －H。ΔG 包含了兩幅圖像中所有變化信息。變化強度由變化矢量的模||ΔG||決定，||ΔG||越大，表明圖像的差異越大，變化發生的可能性越大。因此，提取變化和非變化像元，可根據變化強度||ΔG||的大小設定閾值來實現，即像元||ΔG||超過某一閾值時，即可判定為土地利用類型發生變化的像元；而變化的類型，可由ΔG的指向確定。

這種方法利用多頻段信息，在提取變化位置的同時可以得到變化類型信息，是一種較理想的演算法。當然，要用好變化向量分析法還取決於分析過程中變化/未變化閾值是否取值合理以及相關分類方法是否適當。

2.1.7 分類後比較法

分類後比較法是對兩期遙感影像進行監督或非監督分類，然後比較在各圖像系列同一位置上的分類結果，進而確定土地利用類型變化的位置和所屬類型。該方法可直接獲得變化類型信息，但如何選擇合適的分類方法提高分類精度是准確獲得變化信息類型的關鍵。

2.1.1至2.1.6均屬於光譜直接比較法，此方法對變化比較敏感，可以避免分類過程所導致的誤差，但需要進行嚴格的輻射標准化，排除大氣狀況、太陽高度角、土壤濕度、物候等「雜訊」因素對圖像光譜的影響，由於目前對各種干擾（尤其是物候）導致的輻射差異的校正方法仍不成熟，因此，只能通過選擇同一感測器、同一季相的數據來盡可能減小「雜訊」。同時光譜直接比較法只注重變化像元的提取，而不能提供變化中土地類型的轉化信息（如地類屬性）。與之相對照，分類後比較法對輻射糾正要求相對較低，適用於不同感測器、不同季相的數據的比較，同時該方法不僅可以提供變化信息，而且還能夠給出各時期的土地利用類型信息。但這種方法的最終精度受到影像分類精度的限制，而且它對影像的全部范圍都要進行分類計算而不管它們是否已經發生變化，這樣無疑大大增加了變化信息檢測的計算量。

在目前的土地利用遙感監測研究中，結合光譜直接比較法和分類後比較法的混合動態監測方法逐漸受到重視，並有了一些成功的案例研究。Jenson 通過對濕地變化的動態監測研究表明：先利用光譜直接比較探測變化區，再進行圖像分類確定變化類型的混合法是一種非常有效的變化檢測方法^［4］；Macleod和Congalton的研究也表明以差值法為基礎的混合動態監測法優於傳統分類後比較法^［5］。這樣可以集兩者之所長，取得更好的監測效果。

2.2 基於單一感測器單時相遙感影像

無論是光譜直接比較法還是分類後比較法都是基於多個時相的遙感影像來進行土地利用變化監測。而當前期遙感影像無法或者難以獲得的情況下，依靠後期的單時相遙感影像與前期的土地利用現狀圖也可以進行動態監測，這就是採用將土地利用現狀圖疊加在遙感圖像上的方法來監測土地利用變化情況^［6］。具體說來，是利用土地利用現狀圖中不變的明顯地物標志（如線狀地物交叉點）作為控制點對遙感圖像進行配准，然後將土地現狀圖疊加再校正後的遙感圖像上，檢查各圖斑是否吻合，若圖斑的角點有偏移，則發生變化。可通過遙感圖像辨識當前的土地利用類型，而土地利用現狀圖含有先期的土地利用類型信息，所以可以比較容易地辨識土地利用類型的變更情況，並可測算出變化圖斑的面積。若其中有不能確定的圖斑，可以輔以外業調查，以提高監測精度。

3 基於多源遙感的土地利用變化信息監測方法

不同感測器都具有各自的優勢，獲得的圖像各有所長，如美國陸地衛星（Landsat）TM圖像光譜信息豐富；法國SPOT衛星圖像具有全色通道而空間解析度高；SAR圖像不受光照條件的影響而且幾乎不受大氣和雲層的干涉，可用於探測地物的復介電常數和表面的粗糙度等等。利用不同感測器的多源遙感影像進行融合，可以使其優勢互補，在此基礎上的土地利用變化動態監測已成為國際遙感界研究的主題之一。以TM影像和SPOT影像為例，目前應用多光譜TM和全色SPOT數據融合的方法主要有LAB變換、HIS變換、線性復合與乘積運算、比值運算、BROVEY 變換、高通濾波變換（HPH）和主成分分析（PCA）等方法^［7］，經上述演算法融合後的圖像可以有效地同時保留SPOT高解析度圖像的精細紋理和TM多光譜圖像的豐富色彩信息，從而有利於提高圖像的空間解析度和光譜解析度，為發生變化的地類圖斑的提取提供良好的數據源基礎。

3.1 光譜特徵變異法^［8］

針對基於多源遙感的土地利用變化監測，變化信息的提取方法除了2.1所述方法之外還可以選擇光譜特徵變異法。

同一地物反映在SPOT影像上的信息是與其反映在TM影像上的光譜信息一一對應的。因此作TM和SPOT影像融合時，才能如實地顯示出地物的正確光譜屬性。但如果兩者信息表現為不一致時，那麼融合後影像的光譜就表現得與正常地物有所差別，此時就稱地物發生了光譜特徵變異（例如同一位置，前期在遙感影像上呈現為綠色的麥地，後期新修道路在影像上呈現較亮的灰度，那麼疊加之後會呈現一條綠色的道路，與正常地物相異），這部分影像在整個的影像范圍內是不正常和不協調的，這些地物可以通過影像判讀的方法勾繪出來，這種變化信息提取的方法具有物理意義明顯、簡潔的特點。但是經過試驗發現，發生光譜特徵變異的地物在幾何尺寸上要足夠的大才能被人工目視發現。此外，該方法的效率還受到被監測區地物光譜特性的限制。

3.2 變化信息提取方法的選擇

根據土地利用動態監測項目所獲取的數據源，可將遙感數據組合分為下述幾種類型，針對不同的類型要採取相應的方法以獲取較好的效果。

3.2.1 具有兩時相的 TM 和 SPOT 數據

這種情況是最好的。在該條件下，先對兩時相的數據以某一糾正後的TM或SPOT影像（首先處理TM還是SPOT視數據的具體情況而定，原則是利於TM和SPOT數據的配准融合處理）為參考分別作糾正和配准處理，為保留並結合原始數據中紋理信息和光譜信息要融合相對應的TM和SPOT影像，在兩時相融合影像的基礎上採用主成分差異的方法來提取變化信息。另外還可以用新時相的 SPOT 影像與舊時相的 TM 影像進行融合生成光譜特徵變異影像來指導發現變化的區域。

3.2.2 具有兩時相的 TM 和一個時相的 SPOT 數據

在此數據源的基礎上，首先仍對某一時相的TM或SPOT數據作糾正處理，然後將其他時相的TM和SPOT數據都統一以這個糾正後的TM （SPOT）為參考影像作影像到影像的糾正和配准。之後，選擇光譜特徵變異的方法來尋找大部分的變化信息，藉助於兩時相的TM影像確認變化；此外，利用主成分分析的辦法對兩時相的TM數據進行處理，得到變化信息模板，將模板疊置在判讀影像上補充單一方法進行變化提取的遺漏。

3.2.3 具有兩時相的 SPOT 和一個時相的 TM 數據

通常，前面的數據預處理糾正配准部分同3.2.2相同，然後對其中交錯時相的TM和SPOT數據進行融合得到光譜特徵變異影像，藉助於兩時相的SPOT數據發現影像中紋理信息的變化，從而輔助提取影像中的變化信息部分。除此之外，兩時相的SPOT影像數據理論上說，可以直接作比較得到變化的部分，但是由於成像條件的不同，這樣直接比較的方法會導致產生很多偽變化信息，干擾了真正變化部分的提取。因此，首先要對原始SPOT影像進行去噪及輻射校正等預處理，然後才能用來提取變化的信息。

3.2.4 具有單時相的 SPOT 影像和另一時相 TM 影像的數據

首先要對SPOT和TM數據進行糾正處理，然後利用糾正後的SPOT和另一時相TM影像融合得到光譜特徵變異影像，並以此作為判讀變化信息的主要參考數據。此外，單時相的SPOT數據可以作為新增波段加入到原始的 TM 數據中去進行主成分分析來提取變化的信息，輔助發現漏判的變化圖斑。

利用遙感進行土地利用動態監測的方法非常多，這些方法各有自己的優勢和劣勢，實際工作中，要針對所擁有的數據源的情況，綜合各方面要求來選擇合適的方法，也可以綜合幾種方法取長補短以達到更好的監測效果。至於如何更有效地識別土地變化的類型以及如何提高分類的精度仍有很大的研究空間。

參考文獻

［1］盧珏.土地利用動態監測變化信息提取演算法評估［J］.湖北農學院學報，2002，22 （5）：394～396

［2］張銀輝，趙庚星.試論土地利用遙感動態監測技術方法［J］.國土資源管理，2001，18 （3）：15～18

［3］楊貴軍，武文波，陳步尚，夏春林.土地利用動態遙感監測中變化信息的提取方法［J］.東北測繪，2003，26 （1）：18～21

［4］Jensen J R，Cowen D J，Narumalani S，et al.An evaluation of coast watch change detection protocol in South Carolina ［J］.Photogram metric Engineering and Remote Sensing，1993，59 （6）：1039～1046

［5］Macleod R D，Congalton R G.A quantitative comparison of change-detection algorithms for monitoring eelgrass from remotely sensed data ［J］.Photogram metric Engineering and Remote Sensing，1998，64 （3）：207～216

［6］吳連喜，嚴泰來，張瑋，薛天民，程昌秀.土地利用現狀圖與遙感圖像疊加進行土地利用變更監測［J］.農業工程學報，2001，17 （6）：156～160

［7］張炳智，張繼閑，張麗.土地利用動態遙感監測中變化信息提取方法的研究［J］.測繪科學，2000，25 （3）：46～50