基于类别光谱变化规律的土地利用变化检测

王 琰，舒 宁，2，龚 龑，李 雪

基于类别光谱变化规律的土地利用变化检测

王 琰1，舒 宁1，2，龚 龑1，李 雪3

(1.武汉大学遥感信息工程学院，武汉 430079;2.武汉大学测绘遥感信息工程国家重点实验室，武汉 430079;3.中国地震局地震研究所，武汉 430071)

提出了一种基于类别光谱变化规律的高分辨率遥感图像土地利用变化检测方法。在基准期土地利用图的辅助下，以像斑为图像分析的基本单位，分别建立不同类别像斑特征在基准期和检测期图像上的分布曲线，通过三次多项式拟合参数表征上述2个时期特征值分布曲线的变化规律，在此基础上获取变化阈值，进行迭代计算，找出不符合类别光谱变化规律的像斑，确认为发生变化的像斑。以武汉市局部2002年、2005年QuickBird多光谱图像及相同区域2002年土地利用图为实验数据，以绿地和城区为例，对上述方法进行验证，证明上述方法有效。

变化检测;高分辨率;土地利用;像斑;面向对象;类别光谱变化规律

0 引言

随着传感器技术、计算机技术等的快速发展，获取高分辨率遥感图像已成为现实。图像分析处理方法研究的不断深入使得图像变化检测方法也得到了进一步改进和更新［1］。进入21世纪以来，以像斑为单位的高分辨率遥感图像分析方法得到较大发展，逐渐取代了以像元为单位的方法，成为目前主流的高分辨率图像分析方式［2］。像斑可以携带有利于图像解译的更多信息［3］，这些信息用以构建特征空间，使得图像分析方法由像元级别逐步转变为特征级别。基于像斑的变化检测方法往往是通过对特征空间的分析从而获取变化检测结果，一般可以分成2种:分类后比较法和分类前比较法［4］。分类后比较法优势是在前后期图像光谱差异大时这种方法仍能进行计算，但主要的局限性在于变化检测结果的准确性依赖于不同时期图像分类的精度［5－6］;分类前比较的方式最大优势则是能够避免分类精度对分类结果的影响，但这种方法对前后期图像光谱差异敏感。

为解决此局限性，本文提出一种基于类别光谱变化规律的高分辨率遥感图像土地利用变化检测方法。这种方法在理论上认为对于某一类别没有发生变化的地物而言，在不同图像上的光谱差异具有规律性，且对于不同类别的地物，其所具有的光谱差异规律性也是不同的。因此，图像上变化部分，则可以分为2种情况:不变地物在图像间的光谱变化以及地物类别变化，而后者是变化检测的主要目的。以武汉市区局部2002年、2005年Quickbird多光谱图像及2002年相同区域土地利用图为实验数据，证实了该方法的可行性。

1 研究区概况与数据源

研究区位于 E114°18'～114°20'，N30°29'～30°32'之间，为武汉市部分地区。选择2002年和2005年QuickBird多光谱图像，每一时期图像共有蓝、绿、红和近红外4个波段;选择2002年比例尺为1∶10 000相同区域的土地利用图作为验证辅助数据。一般认为，用以生成地图的卫星图像的空间分辨率应至少为图上的0.1 mm，用于地图更新的卫星图像空间分辨率应达到图上0.2 mm［7］。因此本研究通过预处理使得实验图像空间分辨率为2 m，实验区的大小为3 492像元×2 818像元。

2 研究方法

首先，以像斑为变化分析的基本单位，以土地利用图为辅助数据，获取前期图像像斑的类别;再应用多项式拟合的方法按类别获取像斑在不同时期图像间的光谱特征变化规律;通过迭代求取的方式找出每个类别中不符合光谱特征变化规律的像斑，判定为实际发生变化的像斑。

2.1 类别光谱变化规律的获取

类别光谱变化规律获取的目的是区分不变地物在图像间的光谱变化和地物类别变化，从而准确获取后者，也即真正发生变化的部分，以提高变化检测结果的准确性。图像间光谱变化应具有类别内的一致性，如果能寻找到每个类别的光谱特征变化规律，那么对符合光谱特征变化规律的地物则视为没有发生变化，只有不符合变化规律的像斑，才判定为发生变化的像斑。

本研究采用多项式拟合的方法获取类别变化规律，算法适用的前提是发生变化的像斑应为少数的。将土地利用图与遥感图像进行配准套合，再依据土地利用图中的地类码获取每个像斑所属类别。对于某一类别像斑，提取像斑特征，特征值可以为一个或者多个，依次为每个特征获取像斑特征变化规律。具体的做法为:将某类像斑某个特征值按照从小到大排序，这样，在不同图像上排序后的特征值将各形成一条分布曲线，以绿地和城区为例，如图1所示。

图1 绿地像斑蓝波段灰度标准差分布曲线(左)和城区像斑红波段灰度均值分布曲线(右)Fig.1 Standard deviation distribution curve of green land image segments on blue band(left)and mean gray value distribution curve of city image segments on red band(right)

采用三次多项式拟合方法对2条曲线关系进行 拟合，即

式中:α1，α2，α3，α4为待求拟合参数，表征 2 条曲线之间的关系;gt1(Xj)，gt2(Xj)分别是基准和检测时期某类所有样本像斑第j个特征值，如果像斑有n个特征，则j=1，2，…，n，最终需要获取n组拟合参数。

2.2 变化阈值的获取

分类前比较的遥感图像变化检测方法，其变化部分的求取需要选择一个变化阈值;根据计算得出的变化测度值，与变化阈值相比较，超出变化阈值的部分则判定为变化。对于某一类别而言，可根据获取的上述n组拟合参数，计算像斑的参数拟合残差和的绝对值，即

式中:gt1(xij)和gt2(xij)分别表示某类别第i个样本像斑在基准时期和检测时期第j个特征值。第i个样本像斑的变化测度值计算公式为

变化阈值的获取可以参考所有样本像斑T值分布的直方图，在直方图显示的波谷附近范围内选择合适的阈值，大于变化阈值的像斑，则认为发生了变化，反之则认为没有发生变化。

多项式拟合参数表示了类别的一个整体特征。但是，在具体求取过程中，某个类别中哪些像斑真正发生了变化是未知的，因为所有像斑都参与了多项式拟合，实际类别发生变化的像斑也参与了拟合参数的求取，必然会对结果的准确性产生影响。因此，需要将上述变化检测结果仅视为初步检测结果，并在检测结果中将认为变化了的像斑从参与拟合过程的像斑中剔除，继而重新计算拟合参数，再进行后续的阈值求取和变化判断，直到迭代前后两次发生变化像斑的数目不再改变，或者检测到的变化像斑数目过多已不符合变化像斑总是少数的前提时，迭代结束。这时每次迭代判断变化了的像斑总和则为最后的变化检测结果。

2.3 技术流程

基于类别变化规律的土地利用变化检测技术流程如图2所示。

图2 技术流程图Fig.2 Technical flow chart

3 实验及结果分析

3.1 像斑及其特征和类别的获取

在中、低分辨率遥感图像上仅表达为单个像元或者亚像元的地物在高分辨率遥感图像上会转变为一簇灰度相似的像元，因此采用像斑作为图像分析的基本单位。在国内外的文献中“像斑”也可称为“对象”，基于像斑的图像分析也即“面向对象”或“基于对象”的图像分析。通过土地利用图和遥感图像的配准套合［8］，可根据土地利用图矢量图斑的边界和属性特征中的地类码直接获取像斑及其类别。由于土地利用图表达的是土地利用情况，其图斑的生成受到成图标准、规范和比例尺等多种因素的影响，使得直接通过配准套合得到的像斑并不能保持其内部的光谱一致性，因此需要对像斑进行再分割［9－10］。

本研究使用的土地利用图分类系统是“全国土地利用分类(过渡期间适用)”，选择地类码为“11”、“12”、“13”类别的像斑组成绿地类别，地类码为“20”、“26”、“27”、“31”类别的像斑组成城区类别进行实验。实验区域像斑分布情况如图3所示，边界显示为绿色的像斑为所有绿地实验样本像斑，显示为粉红色的像斑为城区实验样本像斑。经过配准套合和再分割后，绿地类别样本像斑的数目为187个，城区类别为2 326个。提取每个像斑的蓝、绿、红、近红外波段的灰度均值、标准差共8个特征构成特征空间。

图3 实验区假彩色图像样本像斑Fig.3 Image segments of study area false color image

3.2 变化检测结果

根据上述算法进行实验，获取初始变化结果后，将利用式(3)计算获得的T值分为30组，统计T值的分布图，如图4所示。

图4 绿地(左)及城区(右)T值直方图分布曲线Fig.4 Green land(left)and city(right)T value histogram distribution curve

变化阈值一般在直方图分布曲线波谷或其附近一定范围内选取。在本次试验中，绿地类别初始结果获取时选取变化阈值 ρ=1.6，迭代时 ρ=4.8，实验结果迭代1次后收敛;城区类别初始结果获取时选取 ρ=1.3，迭代时 ρ=3.7，实验结果迭代 1 次后收敛。检测结果(部分)如图5所示。

图5 变化检测部分结果Fig.5 Part of change detection results

对检测结果进行的目视检查表明，多数发生了较为明显变化的像斑都可以被正确检测出来。从图5可以看出，绿地实验样本像斑集中在图像左下部，共有77个像斑被检测为变化。为进一步分析实验结果，对绿地样本像斑进行了目视判断，与实验结果对比，77个实验检测的变化像斑中，有57个像斑与目视判断结果相一致，占所有实验检测变化像斑的74.03%。城区实验样本像斑集中在图像上部，共有776个像斑检测为发生了变化，因城区样本像斑数目很多，故随机抽取100个城区样本像斑(图5上的粉红色边界像斑)进行实验结果分析，证实在41个检测为发生了变化的像斑中有35个像斑与目视判断结果一致，占实验检测变化像斑的85.37%。图上蓝色边界像斑则是两个类别实验检测变化像斑中与目视检测一致的像斑。由此证明了该方法的可行性。

4 结论

1)图像间不变地物光谱特征变化具有类内规律性，本文基于类别光谱变化规律的高分辨率遥感图像土地利用变化检测方法，通过计算获取图像间各类别地物光谱变化规律，将不符合上述规律的像斑确定为变化像斑。实验以绿地类别和城区类别为例证实了方法的可行性。

2)较之其他分类前比较的变化检测方法，本方法对于前后期图像系统性响应光谱差异具有一定甄别能力，因此也有可能应用于非同源图像间的变化检测。

3)像斑同质性、样本像斑光谱特征变化的复杂性和典型性是影响实验结果的重要因素。

4)如何进行最佳阈值的自动获取以及对类别规律更加准确的表达，是今后进一步研究的重点。

［1］ 白 穆，刘慧平，乔 瑜，等.高分辨率遥感图像分类方法在LUCC 中的研究进展［J］.国土资源遥感，2010(1):19－23.Bai M，Liu H P，Qiao Y，et al.New Progress in the Classification of High Spatial Resolution Satellite Images for LUCC［J］.Remote Sensing for Land and Resources，2010(1):19 － 23(in Chinese with English Abstract).

［2］ 林丽群.基于像斑的高光谱影像跨尺度分类研究［D］.武汉:武汉大学，2008.Lin L Q.The Scale－span Classification of Hyperspectral Image Based on Image Segment［D］.Wuhan:Wuhan University，2008(in Chinese with English Abstract).

［3］ Walker J S，Blaschke T.Object-based Land-cover Classification for the Phoenix Metropolitan Area:Optimization vs.Transportability［J］.International Journal of Remote Sensing，2008，29(7):2021－2040.

［4］ 陈 晋，何春阳，史培军，等.基于变化向量分析的土地利用/覆盖变化动态监测(Ⅰ)——变化阈值的确定方法［J］.遥感学报，2001，5(4):259 －266.Chen J，He C Y，Shi P J，et al.Land Use/Cover Change Detection with Change Vector Analysis(CVA):Change Magnitude Threshold Determination［J］.Journal of Remote Sensing，2001，5(4):259 －266(in Chinese with English Abstract).

［5］ 孙晓霞，张继贤，燕 琴，等.遥感影像变化检测方法综述及展望［J］.遥感信息，2011(1):119－123.Sun X X，Zhang J X，Yan Q，et al.A Summary on Current Techniques and Prospects of Remote Sensing Change Detection［J］.Remote Sensing Information，2011(1):119 －123(in Chinese with English Abstract).

［6］ Zhang R Q，Zhu D L.Study of Land Cover Classification Based on Knowledge Rules Using High－resolution Remote Sensing Images［J］.Expert Systems with Applications，2011，38(4):3647 －3652.

［7］ 关元秀，程晓阳.高分辨率卫星影像处理指南［M］.北京:科学出版社，2008.Guan Y X，Cheng X Y.High Resolution Satellite Image Processing Guidelines［M］.Beijing:Science Press，2008(in Chinese).

［8］ 舒 宁.关于遥感影像处理分析的理论与方法之若干问题［J］.武汉大学学报:信息科学版，2007(11):1007－1010.Shu N.Aspects of the Theories and Methodologies for Remote Sensed Image Processing and Analysis［J］.Geomatics and Information Science of Wuhan University，2007(11):1007 － 1010(in Chinese with English Abstract).

［9］ Definiens eCognition Developer 8 User Guide，Document Version 1.2.0［EB/OL］.Definiens AG，Trappentreustr.1，D － 80339 München，Germany，2009.

［10］ Benz U C，Hofmann P，Willhauck G，et al.Multi－ resolution，Object－oriented Fuzzy Analysis of Remote Sensing Data for GIS－ready Information［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2004，58(3/4):239 －258.

Land Use Change Detection Based on Class Spectral Change Rule

WANG Yan1，SHU Ning1，2，GONG Yan1，LI Xue3
(1.School of Remote Sensing and Information Engineering，Wuhan University，Wuhan 430079，China;2.State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，Wuhan University，Wuhan 430079，China;3.Institute of Seismology，China Earthquake Administration，Wuhan 430071，China)

This paper gives a proposal for land use change detection using high resolution remote sensing images based on class spectral change rules.Image segments and their class properties can be obtained by matching remote sensing images and land use map.Then the spectral distribution curve of each feature of the segments belonging to the same class is constructed for each image.Based on these curves，the spectral change rule of each class can be obtained by calculating fitting parameters of cubic polynomial.According to these parameters a change threshold is set and，through iteration，the image segments whose spectral change does not comply with the spectral change rule of their class are detected as the change segments.Two multispectral Quickbird images of part of Wuhan City obtained from 2002 and 2005 and a 1∶10 000 land use map of 2002 in the same region were used as the study area.Exemplified by green land and urban areas，the results show the validity of this method.

change detection;high resolution;land use;image segment;object－based;class spectral change rule

TP 75;P 237

A

1001－070X(2012)03－0092－05

10.6046/gtzyyg.2012.03.17

2011－10－10;

2011－12－19

国家自然科学基金项目(编号:41101412)、湖北省自然科学基金重大项目(编号:2006ABD003)以及中央高校基本科研业务费专项基金项目(编号:3101009)共同资助。

王 琰(1984－)，女，博士研究生，研究方向为遥感图像解译。E－mail:wangyan.jenny@163.com。

(责任编辑:李 瑜)