Question

遥感变化信息检测的主要方法

Answer 1

本节所研究的主要是基于像元级的遥感变化信息检测方法。当今国内外常用的遥感变化信息检测方法主要有分类后比较法、代数运算法、光谱特征变异法、主成分分析法等。

( 一) 光谱特征变异法

光谱特征变异法是使用最为广泛的一种遥感变化信息检测方法，其原理是将两时相遥感影像的相关波段进行融合、组合，如果地物类型发生了变化，该区域的光谱就会发生变异或突变，与周围地物失去协调性，使得能通过肉眼识别出来。该方法容易受到研究区域地物光谱特征的影响，可能会丢失细小的变化图斑，但是在一般情况下总体效果良好 ( 冯德俊，2004) 。

图 4 －8 HIS 融合法结果

把研究区震前 IKONOS 的全色波段影像和震后QuickBird 的多光谱影像运用光谱特征变异法中的 HIS进行了融合，结果见图 4 －8。从图中可以看出，没有发生变化的区域光谱特征和分辨率都得到了加强 ( 空间分辨率变为 1m) ，其中水体、河流为蓝色，山地为褐色，植被信息为绿色，白色区域明显与四周的地物和背景信息光谱不协调，这就是发生变化的区域。

( 二) 主成分分析法

主成分分析法在遥感变化信息检测中使用很多，一般能够取得很好的检测效果，它能够在一定程度上消除影像内部各波段间的相关性，提高变化信息检测的效率和精度。

图 4 － 9 为 IKONOS 融合后影像与 QuickBird 融合后影像求差并取绝对值后进行主成分变换的第一个主成分图像。由主成分变换的特性知道，变换结果的第一分量集中了影像绝大部分的变化信息，而其他分量则主要反映了波段之间的差异性。第一分量就代表着变化信息。图 4 －9 中白色区域为发生变化的区域。

基于主成分分析的遥感变化信息检测方法仍然存在着一些缺陷: ① 由于主成分变换所得到的各个分量往往失去了原有的物理意义，所以还需要参考其他数据来分析地物类型变化与否及其因果关系。② 主成分分析 ( PCA) 是基于二阶统计的方法，只有在信号的统计分布满足高斯分布的条件下，才能完全消除信号间的相关性，而对于非高斯信号则只能去除信号间的二阶相关性 ( 钟家强、王润生，2006) 。在多时相遥感影像中，各种地类的光谱特性几乎都不能满足高斯分布，因此经过主成分变换后的各成分图像间仍然存在高阶相关性，而这些相关信息会直接影响到变化信息的检测和提取。由于这个原因，在做主成分分析时，常常导致把这些高阶相关信息转变为噪声，如图 4 －9 所示，白色的 “斑点”遍布整个分量影像，又和变化信息掺杂在一起 ( 变化的区域也为高亮的白色) ，这使得在提取真正变化信息的时候遇到困难，如何有效地消除多时相图像间的高阶相关信息，避免这些 “伪变化”的噪声，对于变化信息的检测和提取具有非常重要的意义。