像素级与对象级结合的变化检测方法

王子明

（1.江苏省地质工程勘察院，江苏 南京 211102）

目前变化检测方法非常多，根据检测对象可以分为像素级的变化检测和对象级的变化检测［1,2］。像素级变化检测快速、简单，容易受到误差影响产生细小的伪变化，并且得到的变化区域通常破碎、不完整［3］。对象级变化检测技术对影像先进行分割，利用分割后的影像进行变化检测，可以减弱误差影响并得到完整的变化结果，但是分割方法对变化检测精度影响较大，部分变化区域会湮没在分割对象中造成漏检。

常用的变化检测方法分为直接比较法［4］和分类后比较法。分类后比较法难以检测出存在于土地覆盖类型内部的细微变化；同时检测精度只相当于不同时相影像的分类精度的乘积。直接比较法可以直接确定变化的位置，避免大范围分类，提高了检测效率，是目前使用最多的方法。常用的直接比较法主要有影像代数法［5］、主成分分析法［6］、变化矢量分析法［7］等。本文提出一种像素级与对象级结合的变化检测方法，首先使用像素级的主成分分析法获取主成分影像，再利用多尺度分割算法［8］分割主成分影像，根据分割结果确定最后的变化检测结果。

1 理论方法

1.1 主成分分析

主成分分析法（PCA）通过线性变换将原始数据变换为一组线性无关的变量，常用于高维数据的降维。该方法的基本思想是在不损失有用信息的前提下，选择出有效特征。

利用PCA进行变化检测的基本思想是对经过配准的不同时相遥感影像作差值处理，获取差值影像，对差值影像进行PCA 变换。令两幅配准的不同时相影像记为X、Y，共有k个波段，则差值影像为Δ=X-Y。对差值影像作PCA变换：

A=[A1,A2,…,Ak]为k*k的正交变换矩阵，其中Ai为A的基向量。P=[P1,P2,…,Pk]为主成分影像，Pi为第i个主成分。最后选择PCA前m个主成分，生成最后的变化强度图CDI，CDI在(x,y)的像素值是：

对CDI选择合适的阈值进行阈值化操作，可以生成最后的变化检测图。

传统PCA方法假设差异信息集中在前m个主成分[P1,P2,…,Pm]中，而[Pm+1,…,Pk]包含的是噪声信息。这个假设在实际情况不完全成立，通常会有部分变化区域会出现在[Pm+1,…,Pk]中，同时[P1,P2,…,Pm]也会包含不少噪声。所以最终的检测结果常常存在大量噪声，同时得到的变化区域破碎不完整。

1.2 PCA影像分割

利用多尺度分割技术对PCA变换后全部的主成分进行分割。多尺度分割技术可以将光谱和形状两个异质性指标配合使用，同时可以对多光谱影像不同光谱之间设置不同的权重。

采用易康（eCognition）软件进行多尺度分割，易康的多尺度分割具有几个重要指标：

1） 对象的光谱异质性指标：

式中，wc为图层的权重；σc为图层的标准差，c为图层数。

2）对象的形状异质性指标，其中形状的异质性指标是由平滑与紧密这两个子异质性指标所构成。

由于PCA主成分的方差是有由大到小排序的，光谱异质性指标对于每个主成分的影响的权重不同，方差大的主成分包含的变化信息多、噪声较少同时权重大，方差小的主成分包含的噪声多、变化信息少同时权重小。

对主成分影像进行多尺度分割后生成分割影像S，S的每个像素值为所在分割区域的像素平均值，S的波段数与原始影像相同。利用所有波段计算最后的强度图SCDI，SCDI在(x,y)的值是：

式中，Si(x,y)代表影像S第i个波段在(x,y)的像素值。对SCDI选择合适的阈值进行阈值化操作，可以生成最后的变化检测图。

2 实验结果与分析

2.1 数据源

本文利用2000年与2005年的Landsat影像作为数据源。使用的Landsat影像大小为668×668，共有6个波段，地面分辨率为30 m。图1的a、b为不同时相Landsat影像3、2、1波段的合成图。

图1 实验区域与结果

2.2 实验结果与分析

对两个Landsat影像作差后，利用主成分变换获取前4个主成分并利用式（2）生成变化强度图，取变化强度图的均值加上标准差为阈值，生成图1c的变化结果。

图1d是利用本文方法获得的变化结果图，使用的多尺度分割尺度参数为10，平滑与紧密参数分别为0.1和0.5。可以发现，本文方法较传统方法减少了许多因细小误差造成的伪变化区域。这是由于本文结合了对象级的多尺度分割，噪声湮没在周围的非变化区域中，从而被剔除。

图2是影像与变换检测结果同一子区域的局部放大图。可以发现，传统PCA方法的检测结果破碎不完整，而本文方法得到的变化区域比较完整。由于PCA方法有阈值化的过程，传统像素级方法不完整的部分往往像素值仅比阈值略低一点，但为了获得完整的变化区域设置过低的阈值，又会造成过多的伪变化区域。本文利用多尺度分割将不完整的部分与其他变化区域合并为一个整体，保证了最终结果的完整性。

图2 局部放大区域与结果

3 结 语

传统的像素级变化检测方法受到误差影响会产生细小的伪变化，得到的变化区域通常破碎、不完整。本文结合像素级和对象级变化检测的优点，提出一种像素级与对象级结合的变化检测方法。实验证明,本文提出的方法能克服传统像素级PCA方法的不足，有效抑制噪声的影响，同时提取的变化区域完整、不破碎。

[1] Bruzzone L, Bovolo F． A Novel Framework for the Design of Change-Detection Systems for Very-High-Resolution Remote Sensing Images[J]． Proceedings of the IEEE, 2013, 101(3):609-630

[2] Tewkesbury A P, Comber A J, Tate N J, et al． A Critical Synthesis of Remotely Sensed Optical Image Change Detection Techniques[J]． Remote Sensing of Environment, 2015(160):1-14

[3] 陈鑫镖,赵仁亮,周晓光．一种面向对象的居民地变化检测方法[J]．地理信息世界, 2012,10(6):50-53

[4] 罗方权,马克委,吴建良,等．多时相遥感影像的变化监测方法研究[J]．现代测绘,2014,(6):44-46

[5] Radke R J, Andra S, Al-Kofahi O, et al． Image Change Detection Algorithms: ASystematic Survey．[J]．IEEE Transactions on Image Processing , 2005, 14(3):294-307

[6] 张晓祥, 严长清, 刘斯琦,等． 基于Landsat TM数据的江苏海岸带土地利用/覆被变化检测方法比较研究[J]．遥感信息,2011(3):82-87

[7] Júnior O A C, Renato F． Guimares, Gillespie A R, et al． A New Approach to Change Vector Analysis Using Distance and Similarity Measures[J]． Remote Sensing, 2011,3(11):2 473-2 493[8] 郑江荣,马浩然,屈鸿钧,等．利用eCognition软件多期遥感影像分割对象技术对新增建设用地进行检测[J]．测绘通报2016(2):145-146