[发明专利]基于慢特征分析的遥感影像变化检测方法

说明书

技术领域

本发明属于遥感影像处理技术领域，尤其涉及一种基于慢特征分析的遥感影像变化检测方法。

背景技术

人类活动对地球表面环境造成了巨大影响，这种影响体现在环境变化、城市发展等各个方面。因此，实时精确地获取地球地表覆盖的变化情况对于环境监测和资源管理意义重大（Lu,D.,P.Mausel,E.Brondizio and E.Moran(2004).″Change detection techniques.″International Journal of Remote Sensing25(12):2365-2401.）。

变化检测是指通过对同一地区不同时间的地物分布情况进行观测来确定地表变化（Singh,A.(1989).″Review Article Digital change detection techniques using remotely-sensed data.″International Journal of Remote Sensing10(6):989-1003.）。遥感影像能够长期提供较大范围的地表信息，在变化检测中有着重要的应用。目前遥感影像变化检测已经广泛应用于土地覆盖/土地利用监测、城市发展研究、生态系统变化监测和灾害监测等领域。如何快速准确地提取遥感影像中的变化区域是遥感影像研究的难点问题。

虽然遥感影像可以以一定周期性覆盖同一区域，但是由于成像条件（太阳角度、传感器、大气条件、土壤湿度、物候差异）不同，造成同一地物在不同时期的遥感影像上显示出不同的亮度值，这种现象称为光谱差异。光谱差异是影响遥感影像变化检测精度的最主要问题之一。如何有效地消除光谱差异，充分利用遥感影像的多波段信息提取真实变化，是遥感影像变化检测亟需解决的难题。

针对遥感影像变化检测问题，国内外学者提出了很多方法，包括影像代数法、分类后变化检测法、光谱混合分析法、物理特征提取法等。其中，影像变换法是研究最为深入、应用最为广泛的一种方法。影像变换法是将多波段遥感影像看作多维数据集，通过对多维数据进行投影的方法，将原始遥感影像投影到特征空间中，在特征空间中进行变化检测。影像变换法能够充分利用多波段遥感影像的光谱信息，通过数学原理寻找到最利于提取变化信息的特征空间，抑制噪声和光谱差异，提高变化检测精度。主成分分析变换算法、GS变换算法和多元变化检测变换算法是最主要的影像变换法。其中，主成分分析变换算法和GS变换算法由于只考虑了数据的统计分布性质，没有考虑变化检测问题的特性，因此效果并不能让人满意，大多只应用于预处理等步骤，不能直接获得地表覆盖变化信息。多元变化检测算法由Nielsen提出（Nielsen,A.A.,K.Conradsen and J.J.Simpson (1998).″Multivariate Alteration Detection(MAD)and MAF Postprocessing in Multispectral,Bitemporal Image Data:New Approaches to Change Detection Studies.″Remote Sensing of Environment 64(1):1-19.），该算法基于数学统计学中的典型相关分析理论，针对两组数据之间的相关性进行分析，从而对两个数据集分别进行变换，得到变换特征。多元变化检测算法得到了广泛的研究，但是该算法没有考虑到同源遥感影像之间波段的对应关系，无法充分利用遥感影像的光谱信息。

慢特征分析算法是一种从快速变化的输入信号中提取不变特征的非监督学习方法（Wiskott,L.and T.J.Sejnowski(2002).″Slow feature analysis:Unsupervised learning of invariances.″Neural computation14(4):715-770.）。研究发现从影像序列中训练得到的慢特征函数与初级视觉皮层中的细胞种群有着定量上和定性上的一致性。慢特征分析已经在空间变换的不变物体识别、非线性盲信号分解和人类动作识别上得到了深入研究和应用。对于多时相遥感影像，变化像元存在着多种变化类型，因此变化像元的差异是多种多样的，而未变化像元的差异只包含由于外界条件变化所造成的光谱差异，情况比较单一。相比较突出变化信息，通过抑制未变化像元的光谱差异来提高变化检测精度更加有效和实际。因此，我们可以认为，在多时相遥感影像数据集上，时间维上的不变特征空间中，光谱差异得到了最大程度的抑制，变化像元得到了足够的突出。

本文涉及如下参考文献：