發(fā)布時間：2024-07-10 23:32

　　為了實現(xiàn)兩個不同年份單時相遙感影像之間的土地覆蓋變化檢測,提出了一種基于土地覆蓋類型特征自適應(yīng)確定閾值的遙感影像變化檢測方法。以2015年土地覆蓋數(shù)據(jù)為基礎(chǔ),綜合2013年和2015年Landsat 8-OLI影像數(shù)據(jù),首先,采用時相不變點(diǎn)群法TIC(Temporally Invariant Cluster)保證了兩期影像輻射水平的一致性。其次,對兩期影像進(jìn)行多尺度分割,并在各級尺度下構(gòu)建分割對象的變化向量。然后,采用最大類間方差的方法分別進(jìn)行單一變化閾值變化檢測以及基于土地覆蓋類型的多閾值變化檢測分析,并利用目視解譯樣點(diǎn)進(jìn)行精度驗證與評價。結(jié)果表明:(1)單一閾值變化檢測結(jié)果的總體精度為79.6%,Kappa系數(shù)為0.601,多閾值變化檢測結(jié)果的總體精度為87.2%,Kappa系數(shù)為0.741,多閾值變化檢測具有更高的精度。(2)進(jìn)一步逐土地覆蓋類型精度評價可知,多閾值變化檢測能在一定程度上減弱物候期的影響,具有更高的穩(wěn)定性。該研究以土地覆蓋數(shù)據(jù)為底圖,逐類別的選取變化檢測閾值,提高了變化區(qū)域檢測的精度,在大范圍高效更新土地覆蓋數(shù)據(jù)的應(yīng)用中具有一定的參考價值。

【文章頁數(shù)】：11 頁

【部分圖文】：

圖2技術(shù)流程圖

首先以2015年影像為參考對2013年進(jìn)行相對輻射校正，其次將相對輻射校正后的兩期影像數(shù)據(jù)進(jìn)行多尺度分割，然后基于OTSU方法分別進(jìn)行單閾值變化向量分析CVA(ChangeVectorAnalysis）檢測以及分土地覆蓋類型多閾值變化向量分析檢測，最后利用目視解譯樣點(diǎn)進(jìn)行精度....

圖4T檢驗置信區(qū)間對比圖

式中，和S分別表示兩期影像對應(yīng)波段灰度差值的平均值以及標(biāo)準(zhǔn)差，n表示T檢驗的自由度，t(n,0.025)是根據(jù)T檢驗分布表求取的臨界值。假如該置信區(qū)間包含0，則接受空假設(shè)，表明兩期影像不存在差異。對所選取235個地物類型未發(fā)生變化的樣點(diǎn)進(jìn)行T檢驗的結(jié)果如圖4所示。其中，un＿no....

圖3相對輻射校正結(jié)果

隨著遙感影像空間分辨率的不斷提高，傳統(tǒng)基于像元的信息提取范式受到嚴(yán)重的挑戰(zhàn)，其忽略了影像豐富的紋理信息以及空間拓?fù)潢P(guān)系，容易產(chǎn)生嚴(yán)重的“椒鹽現(xiàn)象”。而面向?qū)ο蟮男畔⑻崛∫杂跋穹指罨�礎(chǔ)，考慮了像元之間的鄰近關(guān)系以及分割對象的紋理和光譜信息，有效地克服了傳統(tǒng)基于像元方法的弊端（Bla....

圖5OTSU法單閾值變化檢測錯分圖斑

進(jìn)一步研究發(fā)現(xiàn)，在研究區(qū)范圍內(nèi)，尤其是安義縣境內(nèi)，由于農(nóng)作物的物候差異，在2013年和2015年間呈現(xiàn)出農(nóng)作物收割和沒有收割兩種情況，以及耕地灌溉導(dǎo)致的土壤濕度差異，造成兩期影像的光譜值存在較大的差異，從而耕地的變化檢測存在較多的錯分現(xiàn)象。此外，由于兩期影像時相的差異，導(dǎo)致一些水....

本文編號：4004901