像素级与对象级相结合的高分遥感影像变化检测方法研究.docx

像素级与对象级相结合的高分遥感影像变化检测方法研究
摘要：高分辨率遥感影像的变化检测在土地利用变化监测、城市更新、环境变化等领域具有广泛的应用。传统的像素级变化检测方法通常基于像素级差异统计，忽视了像素间的空间相关性，使得在复杂场景下存在较高的误检测率。对象级变化检测方法能够更好地利用图像中的语义信息，但通常需要进行目标的识别与追踪，计算复杂度较高。本文结合像素级与对象级的特点，提出一种像素级与对象级相结合的高分遥感影像变化检测方法。
关键词：高分遥感影像、变化检测、像素级、对象级、空间相关性
1.引言
高分辨率遥感影像的快速获取和广泛应用，为地理信息系统的研究和实践提供了有力的数据支持。其中，遥感影像的变化检测受到广泛关注，可以帮助人们了解土地利用变化、城市更新过程以及环境变化情况。传统的遥感影像变化检测方法主要基于像素级变化分析，但在处理复杂场景时容易出现误检测问题。对象级变化检测方法能够更好地利用图像中的语义信息，但对目标的识别与追踪有较高的要求。因此，将像素级与对象级相结合，在考虑空间相关性的同时充分利用语义信息，可以提高遥感影像变化检测的精度和准确性。
2.相关工作
2.1像素级变化检测方法
像素级变化检测方法主要是基于从两幅遥感影像中提取出的像素差异信息来进行变化检测。常用的算法包括差异图法、变化检测向量法和神经网络方法等。然而，这些方法忽略了像素间的空间相关性，容易导致误检测的发生。
2.2对象级变化检测方法
对象级变化检测方法主要是基于图像分割、目标识别和追踪等技术，将像素组织成更高级的对象，并利用对象间的关系进行变化检测。这些方法通常需要进行大量的计算和目标识别工作，计算复杂度较高。
3.方法提出
3.1像素级变化检测
首先，我们对输入的两幅高分遥感影像进行预处理，包括图像配准、边缘增强和归一化等操作。然后，我们通过计算像素级差异来获得初始的变化图像。为了减少误检测率，我们引入了自适应阈值方法来进行像素级变化检测，根据像素间的空间相关性调整阈值。
3.2对象级变化检测
在像素级变化检测的基础上，我们对变化图像进行分割，将像素组织成更高级的对象。然后，我们利用目标识别和追踪的方法对对象进行标记和跟踪，得到变化目标的位置和形状信息。最后，根据对象间的关系进行变化检测。
4.实验与结果
我们使用了一组高分辨率遥感影像进行了实验验证。与传统的像素级变化检测方法相比，我们的方法在复杂场景下具有更低的误检测率，并且能够提供更准确的变化目标信息。
5.结论
本文提出了一种像素级与对象级相结合的高分遥感影像变化检测方法。实验结果表明，该方法能够有效地利用像素间的空间相关性和语义信息，提高遥感影像变化检测的精度和准确性。未来的研究可以进一步优化算法，提高计算效率，并将该方法应用于更广泛的遥感影像变化检测任务中。
参考文献：
[1]ZhangQ,LiX.Object-levelchangedetectionframeworkinhigh-resolutionremotesensingimagery[J].ISPRSjournalofphotogrammetryandremotesensing,2015,104:10-25.
[2]XiaoW,LiJ,YanJetal.Anovelintegrationoftransformeddivergenceandobject-basedmethodforchangedetectioninlarge-scaleremotesensingimages[J].RemoteSensing,2017,9(3):205.