变化检测的方法

1. 光电信号变化与检测的方法有哪些

光电检测系统组成：光发射机，光学通道，光接收机。光发射机：分为主动式和被动式。主动式：光源（或加调制器）被动式：无自身光源，来自被测物体的光热辐射发射。光学通道：大气、空间、水下和光纤等。光接收机：收集入射的光信号并加以处理，恢复光载波信息 光电检测技术的特点：高精度。各种检测技术中最高。如激光干涉仪法检测长度的精度达0.05um/m；光栅莫尔条纹法测角可达0.04秒；用激光测距法测量地球到月球之间距离分辨率可达1m。高速度。光电检测以光为介质，用光学方法获取和传递信息是最快的。远距离，大量程。光便于远距离传播的介质，适于遥控和遥测，如武器制导，光电跟踪，电视遥测等。非接触检测。光照可认为是没有测量力的，也无磨擦，可实现动态测量，效率最高。寿命长。光波可永久使用。具有很强的信息处理和运算能力。可将复杂信息并行处理。同时光电方法还便于信息控制和存储，易于实现自动化和智能化。

2. 基于典型相关分析的多元变化检测

( 一) 基于典型相关分析的多元变化检测方法

为了解决传统方法应用于多源遥感影像变化检测中的不足，丹麦学者 Nielsen 等( 1998) 率先提出了多元变化检测 ( Multivariate Alteration Detection，MAD) 的概念和方法。这种方法的基本思想是基于典型相关分析方法，对两幅不同时相的分别具有 p 和 q 个通道的影像 ，不妨假设 p≤q，且 X 和 Y 都具有零均值，即 E{ X} = E{ Y} = 0，分别构造两个线性组合:

退化废弃地遥感信息提取研究

然后将它们之间的差值a^TX－b^TY作为衡量变化信息的测度。

理论上，任意一对向量a和b对应于一种变化信息测度，因此需要根据一定的判断准则来找出最优的a和b，使之最有利于变化分析。MAD方法将差值变量a^TX－b^TY的方差最大化作为其判断准则。考虑到a和b同时乘上常数c，a^TX－b^TY的方差会变成原来的c²倍，因此要对a和b进行限制，最常见的就是限定变量a^TX和b^TY均具有单位方差，即Var{a^TX}=Var{b^TY}=1，这样，MAD问题可以表述为以下数学形式:

退化废弃地遥感信息提取研究

在单位方差约束条件下，根据变量和的方差计算公式，可得:

退化废弃地遥感信息提取研究

MAD方法要求上式中的相关系数Corr{a^TX，b^TY}≥0，也就是线性组合变量a^TX和b^TY之间成正相关，因为只有这样的a^TX－b^TY才能表示差异信息。从上式可以看出，欲使a^TX－b^TY的方差最大，只需找出使a^TX和b^TY之间的相关性最小的满足单位方差约束条件的向量a和b即可。这说明MAD方法的核心思想在于寻找相关性最小的针对原始变量的线性组合对，它们之间的差值就包含了最大的差异信息，通过分析这些差值就可以找出时相之间的变化。

要解决这一问题，可以从典型相关分析原理描述中寻求思路。典型变换中得到的每一对典型变量都是两组原始变量的一对线性组合，它们之间的相关系数依次递减。而在所有可能的针对原始变量的、满足单位方差约束条件的线性组合对中，第一对典型变量之间的相关系数是最大的，而最后一对即第p对典型变量之间的相关系数是最小的。因此，MAD就转化为了典型变换求解问题，只需把典型变换得到的一系列典型变量对按典型相关系数从小到大重新排序即可。这样，就把MAD定义为如下变换:

退化废弃地遥感信息提取研究

式中:a_i和b_i就是典型变换所得到的各典型变量U_i和V_i对应的线性组合系数向量，这一变换被称为MAD变换，所得到的差值变量称之为MAD变量，其中第i个MAD变量为第p+1－i对典型变量之间的差值，即:

退化废弃地遥感信息提取研究

(二)MAD变化检测方法的基本流程

1.数据预处理

数据预处理包括影像数据的几何纠正，两时相影像之间的几何配准和辐射归一化，以及影像剪裁。从两时相影像中剪裁出两幅大小合适、位置范围完全相同的研究区域影像块，作为后面进行计算的基础数据。

2.计算协方差和互协方差矩阵

按以下公式来计算两时相影像X和Y之间的协方差和互协方差矩阵:

退化废弃地遥感信息提取研究

式中:n为样本数即像元个数;X_i和Y_i分别为X和Y上第i个像元的光谱向量值; 分别为X和Y的均值向量。

3.求解广义特征方程

构造典型相关的广义特征方程，求解从大到小排序的特征值ρ²_j和相应的满足单位方差约束条件的特征向量a_j和b_j(j=1，2，…，P)。

4.计算典型变量

用上一步得到的特征向量a_j和b_j作为系数向量，分别对X和Y做线性组合，得到典型变量U_j和V_j(j=1，2，…，p)。

5.计算MAD变量

根据式(6－6)计算典型变量之间的差值，得到MAD变量，即构成MAD变化检测的结果影像。

(三)结果与分析

对经过预处理的两幅影像做典型变换，求解出典型相关特征方程的特征值和特征向量，如表6－4所示。值得注意的是，两个方程的特征向量维数不同，对应于两个时相原始影像的波段数不相同。特征向量矩阵各列从左到右依次为对应特征值从大到小的特征向量。

表 6 －4 典型相关广义特征方程的特征值和特征向量

典型变换得到的4对典型变量影像如图6－6所示，图中左右两列分别为2001年和2005年的典型变量影像，从上到下依次为对应特征值从大到小的典型变量对，记第i对典型变量为2001CV_i和2005CV_i，它们之间的相关系数即典型相关系数，以及典型相关系数的平方即方差重叠度如表6－5所示。

表6－5 典型相关系数和典型变量方差重叠度

从表6－5可以看出，两时相遥感影像的四对典型变量中，第一对典型变量2001CV₁和2005CV₁之间的相关系数达到0.4939，方差重叠度为0.2439，反映了两时相之间大部分为不变信息。第二、三对典型变量之间的相关系数相对较低，分别只有0.2429和0.2720，既包含了部分的不变信息，也包含了部分变化信息。第四对典型变量间的相关系数最低，方差重叠度也仅有0.0019，即前者的全部变差中只有0.19%能够用后者的变差来解释，这意味着二者之间存在着很大的差异，可能包含了大量的时相间差异或变化信息。对图6－6进行目视判读，可以看出这四对典型变量影像的相似性的确是依次降低的，即所包含的不变信息依次减少，这与理论上的结论是一致的。但是两时相的变化信息并没有只集中表现在第四对变量影像中，可以看出，变化信息是分布于各对典型变量中的。

表6－6列出了各对典型变量与原始变量之间的相关系数，反映了它们之间的相关关系。

图6－6 四对典型变量影像

表6－6 典型变量与原始变量之间的相关系数

将4对典型变量依次相减后逆序排列，就得到了4幅MAD变量影像，如图6－7所示，图中从上到下、从左到右依次为MAD₁、MAD₂、MAD₃和MAD₄变量影像。这些MAD变量影像反映了两时相原始影像之间的差异，MAD影像中像元值越接近于0，说明对应位置上的不同时相之间的差异越小，越有可能没有发生变化;反之，像元值越远离0，即绝对值越大，表现在影像中很亮或很暗的区域，对应位置的不同时相之间的差异越大，标志着越有可能发生了变化。

图6－7MAD变量影像

计算得到各MAD变量的方差、方差贡献率和累计方差贡献率，如表6－7所示。

表6－7 各MAD变量的方差、方差贡献率、累计方差贡献率

从表6－7中可以看出，MAD₃和MAD₄的方差贡献率分别为39.9135%和31.6852%，从理论上讲，这两个变量集中了两个时相的大部分变化信息，但是图6－7对这些变化信息表现得并不是很清晰，MAD₂的方差贡献率虽然仅有8.7439%，但是也清晰地反映出了部分变化信息。这表明对于MAD变换得到的各MAD变量影像，并非方差越大的MAD变量包含的变化信息就越多。

表6－8列出了4个MAD变量与10个原始影像波段变量之间的相关系数。

表6－8 MAD变量与原始变量之间的相关系数

3. 基于不同数据源的土地利用变化遥感动态监测方法

李翔宇 樊彦国

（中国石油大学地球资源与信息学院，山东东营，257061）

摘要：本文从所拥有的遥感数据源的可能情况出发，分别介绍了各种情况下利用遥感进行土地利用变化动态监测的方法，分析了其优势和劣势。

关键词：遥感；土地利用变化；动态监测；方法

1 引言

我国是一个人多地少的国家，土地是我们赖以生存的资源。建立土地动态监测系统以快速准确地提供各类土地资源面积及其分布、土地资源动态变化状况及土地资源生态环境信息是十分必要的，这样可以保证我国在科学翔实的资料基础上对土地资源进行科学的规划及合理的利用，实现土地资源的可持续健康发展。可是传统的统计或实地调查方式，耗时耗力，劳民伤财，并且难以适应土地利用的快速变化，而遥感可以提供及时准确且覆盖面广的地面影像资料，并且周期短、信息量大，通过后期的分析、处理、比较，可以使人们迅速准确地掌握土地利用变化的详细信息，即实现土地利用的动态监测。现在，遥感技术已成为进行土地利用变化动态监测的重要手段。

基于遥感影像的土地利用变化监测方法大致可分为两类：光谱直接比较法和分类结果比较法。多数变化提取算法属于前一种，主要包括影像差值法、比值法、主成分分析法和变化矢量分析法等，这些算法直接通过两时相数据的光谱差异确定变化发生的区域，但不能得出变化图斑的类型；后一种方法通过对各自时相的数据进行土地利用分类，通过对两个分类结果的比较提取变化信息，但其精度受两时相数据分类精度的制约。实际操作中可以根据所持有数据源的不同而采用相应的方法。

2 基于单一传感器的土地利用变化监测方法

2.1 基于单一传感器多时相遥感影像

当遥感数据源为单一传感器但可以获得多时相遥感影像时，可以考虑以下几种方法。

2.1.1 单变量图像差值法^［1］

单变量图像差值法比较简单，是使用最广泛的一种探测方法。它是将两个时相的遥感图像按波段进行逐像元相减，从而生成一幅新的代表二时相间光谱变化的差值图像。辐射值的显着变化代表了土地覆盖变化，在差值图像中接近于零的像元就被看做是未变化的，而那些大于或小于零的像元表示其覆盖状况发生了某种变化，从而设定适当的阈值就可以把变化信息提取出来。

2.1.2 图像比值法^［1，2］

比值处理被认为是辨识变化区域相对较快的手段。它是对于两个时相多谱段数据中同名像元的光谱灰度值施以除法运算。显然，经过辐射配准后，在图像中未发生变化的像元其比值应近似为1，而对于变化像元而言，比值将明显高于或低于1。比值法可以部分地消除阴影影响，突出某些地物间的反差，具有一定的图像增强作用。

2.1.3 图像回归法^［1］

图像回归法是首先假定时相Ⅰ的像元值是另一时相Ⅱ像元值的一个线性函数，通过最小二乘法来进行回归，然后再用回归方程计算出的预测值来减去时相Ⅰ的原始像元值，从而获得两时相的回归残差图像。

2.1.4 植被指数差值法^［2］

植被指数差值法是用近红外与红光波段间的比值（植被指数）代替原始波段作为输入数据进行差值运算来生成变化图像。由于植物普遍对红光强烈吸收和对近红外光强烈反射，因此红光和近红外波段之间的比值有利于提高光谱差异。

2.1.5 主成分分析法^［3］

（1）差异主成分法 两时相的影像经纠正、配准之后，先对影像作相差取绝对值处理，从而得到一个差值影像。差值影像作主成分变换之后的第一分量应该集中了该影像的主要信息，即原两时相影像的主要差异信息。这个分量可以被认为是变化信息而被提取出来，从而生成变化模板，作为指导下一步变化类型确认和边界确定的参考信息。

（2）多波段主成分变换 由遥感理论可得知，地物属性发生变化，必将导致其在影像某几个波段上的值发生变化，所以只要找出两时相影像中对应波段上值的差别并确定这些差别的范围，便可发现土地利用变化信息。在具体试验中将两时相的影像各波段进行组合，成一个两倍于原影像波段数的新影像，对该影像作主成分变换。由于变换结果前几个分量上集中了两个影像的主要信息，而后几个分量则反映出了两影像的差别信息，因此可以抽取后几个分量进行波段组合来产生出变化信息。一般说来，在上述多波段主成分变换之后，采用0、1、2分量进行波段组合能较好地反映出新旧时相影像的变化部分。

（3）主成分差异法 本方法和差异主成分方法所不同之处在于影像作主成分变换与差值处理的顺序不一样。要求先对两时相的影像作主成分变换，然后对变换结果作差值，取差值的绝对值为处理结果。在实际的试验中，两时相影像作主成分变换后相差的第一分量已经涵盖了几乎所有的变化信息。因此，可以认为这一分量属于影像的变化信息。

2.1.6 变化向量分析法^［1］

由于多时相遥感数据中任一像元矢量都可用多维测量空间中的一个点来表示（空间的维数等于原始波段数），通过对不同时相下的同名像元矢量进行相减所得到的变化矢量就可以用于描述该像元第一时相 t₁ 到第二时相 t₂ 期间在多维空间中所发生的位置变化。其中变化矢量的模代表了变化的强度，而方向则指示了发生变化的类型。设时相 t₁、t₂ 图像的像元灰度矢量分别为 G＝（g₁，g₂，…，g_k）^T 和H＝（h₁，h₂，…，h_k）^T，则变化矢量为：ΔG＝G －H。ΔG 包含了两幅图像中所有变化信息。变化强度由变化矢量的模||ΔG||决定，||ΔG||越大，表明图像的差异越大，变化发生的可能性越大。因此，提取变化和非变化像元，可根据变化强度||ΔG||的大小设定阈值来实现，即像元||ΔG||超过某一阈值时，即可判定为土地利用类型发生变化的像元；而变化的类型，可由ΔG的指向确定。

这种方法利用多频段信息，在提取变化位置的同时可以得到变化类型信息，是一种较理想的算法。当然，要用好变化向量分析法还取决于分析过程中变化/未变化阈值是否取值合理以及相关分类方法是否适当。

2.1.7 分类后比较法

分类后比较法是对两期遥感影像进行监督或非监督分类，然后比较在各图像系列同一位置上的分类结果，进而确定土地利用类型变化的位置和所属类型。该方法可直接获得变化类型信息，但如何选择合适的分类方法提高分类精度是准确获得变化信息类型的关键。

2.1.1至2.1.6均属于光谱直接比较法，此方法对变化比较敏感，可以避免分类过程所导致的误差，但需要进行严格的辐射标准化，排除大气状况、太阳高度角、土壤湿度、物候等“噪声”因素对图像光谱的影响，由于目前对各种干扰（尤其是物候）导致的辐射差异的校正方法仍不成熟，因此，只能通过选择同一传感器、同一季相的数据来尽可能减小“噪声”。同时光谱直接比较法只注重变化像元的提取，而不能提供变化中土地类型的转化信息（如地类属性）。与之相对照，分类后比较法对辐射纠正要求相对较低，适用于不同传感器、不同季相的数据的比较，同时该方法不仅可以提供变化信息，而且还能够给出各时期的土地利用类型信息。但这种方法的最终精度受到影像分类精度的限制，而且它对影像的全部范围都要进行分类计算而不管它们是否已经发生变化，这样无疑大大增加了变化信息检测的计算量。

在目前的土地利用遥感监测研究中，结合光谱直接比较法和分类后比较法的混合动态监测方法逐渐受到重视，并有了一些成功的案例研究。Jenson 通过对湿地变化的动态监测研究表明：先利用光谱直接比较探测变化区，再进行图像分类确定变化类型的混合法是一种非常有效的变化检测方法^［4］；Macleod和Congalton的研究也表明以差值法为基础的混合动态监测法优于传统分类后比较法^［5］。这样可以集两者之所长，取得更好的监测效果。

2.2 基于单一传感器单时相遥感影像

无论是光谱直接比较法还是分类后比较法都是基于多个时相的遥感影像来进行土地利用变化监测。而当前期遥感影像无法或者难以获得的情况下，依靠后期的单时相遥感影像与前期的土地利用现状图也可以进行动态监测，这就是采用将土地利用现状图叠加在遥感图像上的方法来监测土地利用变化情况^［6］。具体说来，是利用土地利用现状图中不变的明显地物标志（如线状地物交叉点）作为控制点对遥感图像进行配准，然后将土地现状图叠加再校正后的遥感图像上，检查各图斑是否吻合，若图斑的角点有偏移，则发生变化。可通过遥感图像辨识当前的土地利用类型，而土地利用现状图含有先期的土地利用类型信息，所以可以比较容易地辨识土地利用类型的变更情况，并可测算出变化图斑的面积。若其中有不能确定的图斑，可以辅以外业调查，以提高监测精度。

3 基于多源遥感的土地利用变化信息监测方法

不同传感器都具有各自的优势，获得的图像各有所长，如美国陆地卫星（Landsat）TM图像光谱信息丰富；法国SPOT卫星图像具有全色通道而空间分辨率高；SAR图像不受光照条件的影响而且几乎不受大气和云层的干涉，可用于探测地物的复介电常数和表面的粗糙度等等。利用不同传感器的多源遥感影像进行融合，可以使其优势互补，在此基础上的土地利用变化动态监测已成为国际遥感界研究的主题之一。以TM影像和SPOT影像为例，目前应用多光谱TM和全色SPOT数据融合的方法主要有LAB变换、HIS变换、线性复合与乘积运算、比值运算、BROVEY 变换、高通滤波变换（HPH）和主成分分析（PCA）等方法^［7］，经上述算法融合后的图像可以有效地同时保留SPOT高分辨率图像的精细纹理和TM多光谱图像的丰富色彩信息，从而有利于提高图像的空间分辨率和光谱分辨率，为发生变化的地类图斑的提取提供良好的数据源基础。

3.1 光谱特征变异法^［8］

针对基于多源遥感的土地利用变化监测，变化信息的提取方法除了2.1所述方法之外还可以选择光谱特征变异法。

同一地物反映在SPOT影像上的信息是与其反映在TM影像上的光谱信息一一对应的。因此作TM和SPOT影像融合时，才能如实地显示出地物的正确光谱属性。但如果两者信息表现为不一致时，那么融合后影像的光谱就表现得与正常地物有所差别，此时就称地物发生了光谱特征变异（例如同一位置，前期在遥感影像上呈现为绿色的麦地，后期新修道路在影像上呈现较亮的灰度，那么叠加之后会呈现一条绿色的道路，与正常地物相异），这部分影像在整个的影像范围内是不正常和不协调的，这些地物可以通过影像判读的方法勾绘出来，这种变化信息提取的方法具有物理意义明显、简洁的特点。但是经过试验发现，发生光谱特征变异的地物在几何尺寸上要足够的大才能被人工目视发现。此外，该方法的效率还受到被监测区地物光谱特性的限制。

3.2 变化信息提取方法的选择

根据土地利用动态监测项目所获取的数据源，可将遥感数据组合分为下述几种类型，针对不同的类型要采取相应的方法以获取较好的效果。

3.2.1 具有两时相的 TM 和 SPOT 数据

这种情况是最好的。在该条件下，先对两时相的数据以某一纠正后的TM或SPOT影像（首先处理TM还是SPOT视数据的具体情况而定，原则是利于TM和SPOT数据的配准融合处理）为参考分别作纠正和配准处理，为保留并结合原始数据中纹理信息和光谱信息要融合相对应的TM和SPOT影像，在两时相融合影像的基础上采用主成分差异的方法来提取变化信息。另外还可以用新时相的 SPOT 影像与旧时相的 TM 影像进行融合生成光谱特征变异影像来指导发现变化的区域。

3.2.2 具有两时相的 TM 和一个时相的 SPOT 数据

在此数据源的基础上，首先仍对某一时相的TM或SPOT数据作纠正处理，然后将其他时相的TM和SPOT数据都统一以这个纠正后的TM （SPOT）为参考影像作影像到影像的纠正和配准。之后，选择光谱特征变异的方法来寻找大部分的变化信息，借助于两时相的TM影像确认变化；此外，利用主成分分析的办法对两时相的TM数据进行处理，得到变化信息模板，将模板叠置在判读影像上补充单一方法进行变化提取的遗漏。

3.2.3 具有两时相的 SPOT 和一个时相的 TM 数据

通常，前面的数据预处理纠正配准部分同3.2.2相同，然后对其中交错时相的TM和SPOT数据进行融合得到光谱特征变异影像，借助于两时相的SPOT数据发现影像中纹理信息的变化，从而辅助提取影像中的变化信息部分。除此之外，两时相的SPOT影像数据理论上说，可以直接作比较得到变化的部分，但是由于成像条件的不同，这样直接比较的方法会导致产生很多伪变化信息，干扰了真正变化部分的提取。因此，首先要对原始SPOT影像进行去噪及辐射校正等预处理，然后才能用来提取变化的信息。

3.2.4 具有单时相的 SPOT 影像和另一时相 TM 影像的数据

首先要对SPOT和TM数据进行纠正处理，然后利用纠正后的SPOT和另一时相TM影像融合得到光谱特征变异影像，并以此作为判读变化信息的主要参考数据。此外，单时相的SPOT数据可以作为新增波段加入到原始的 TM 数据中去进行主成分分析来提取变化的信息，辅助发现漏判的变化图斑。

利用遥感进行土地利用动态监测的方法非常多，这些方法各有自己的优势和劣势，实际工作中，要针对所拥有的数据源的情况，综合各方面要求来选择合适的方法，也可以综合几种方法取长补短以达到更好的监测效果。至于如何更有效地识别土地变化的类型以及如何提高分类的精度仍有很大的研究空间。

参考文献

［1］卢珏.土地利用动态监测变化信息提取算法评估［J］.湖北农学院学报，2002，22 （5）：394～396

［2］张银辉，赵庚星.试论土地利用遥感动态监测技术方法［J］.国土资源管理，2001，18 （3）：15～18

［3］杨贵军，武文波，陈步尚，夏春林.土地利用动态遥感监测中变化信息的提取方法［J］.东北测绘，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］吴连喜，严泰来，张玮，薛天民，程昌秀.土地利用现状图与遥感图像叠加进行土地利用变更监测［J］.农业工程学报，2001，17 （6）：156～160

［7］张炳智，张继闲，张丽.土地利用动态遥感监测中变化信息提取方法的研究［J］.测绘科学，2000，25 （3）：46～50