像斑的遥感影像土地利用变化检测方法

李丹丹，舒 宁,2，李 亮

（1.武汉大学遥感信息工程学院，湖北武汉 430079; 2.武汉大学测绘遥感信息工程国家重点实验室，湖北武汉 430079）

像斑的遥感影像土地利用变化检测方法

李丹丹1，舒 宁1,2，李 亮1

（1.武汉大学遥感信息工程学院，湖北武汉 430079; 2.武汉大学测绘遥感信息工程国家重点实验室，湖北武汉 430079）

提出一种有GIS数据辅助的以像斑为对象基于不同时相非同源的遥感影像变化检测方法，这种方法属于特征级的变化检测，以影像像斑为对象，突破了以往变化检测对数据的要求与限制，改变了传统检测方法对于遥感影像数据的要求同源的模式。通过土地利用图和遥感影像的精确配准套合获取影像像斑，再利用聚类算法按类别进行样本的更新，利用更新后的样本来进行基于非同源遥感影像的土地利用变化检测。应用基于像斑的非同源影像的变化检测方法对武汉市某区域的QuickBird和彩红外航空影像数据进行了实验，并针对坑塘变化及其居民点变化进行了分析，精度分别为80%和75%。关键词：变化检测;土地利用;非同源遥感影像;像斑;GIS

利用遥感影像的宏观性、实时性等优势进行国土资源的变化检测，是遥感影像分析和应用领域的研究热点。土地利用动态监测面临的实际情况与一般的遥感检测有所不同：土地利用动态检测的实施单位通常具有前一时相的土地利用状况矢量数据[1]，同时，在以往的土地利用动态检测中，对于前后时相的遥感影像数据要求为同源数据，即同种遥感影像。对于实施单位，遥感数据影像往往不能满足实际运用中的要求。在这一特定的数据背景下，能够突破数据限制，利用不同源的影像数据进行变化监测，是遥感技术应用于国土资源管理的一个研究课题。

本文以影像像斑为对象，突破了以往变化检测对数据的要求与限制，改变了传统检测方法对于遥感影像数据的要求同源的模式。通过土地利用图和遥感影像的精确配准套合获取影像像斑，再利用聚类算法按类别进行样本的更新，利用更新后的样本来进行基于非同源遥感影像的土地利用变化检测。

1 方法介绍

1.1 像斑获取

通过土地利用图和两个时期影像精确配准和套合，以土地利用图图斑的矢量边界为准，获得影像像斑。同时，根据土地利用图图斑的地类码属性，直接获得每个像斑的类别属性。相对于影像分割获取像斑的常用方法[2]，这种思路算法简单，不需要相关阈值的选取。

1.2 像斑特征提取

1.2.1 光谱特征提取

在实验中，每一个像斑的特征，是通过计算其包含的所有像素的特征平均值来表征的。

像斑的光谱特征分别是：影像绿波段、红波段和近红外波段的像斑灰度平均值、灰度方差、灰度信息熵以及1个指数特征：标准化植被指数NDVI。

1.2.2 纹理特征提取

纹理特征能够反映影像上特定区域内灰度变化的规律，具体应用于基于像斑的影像分析，我们选择信息熵最大的影像波段--近红外波段，利用灰度共生矩阵的方法，获取纹理影像，并与土地利用图配准套合。获取纹理影像上每个像斑所包含像素的灰度平均值，灰度方差和灰度信息熵来作为像斑的纹理特征，参与后续的运算。

2 变化检测

2.1 样本像斑的获取与更新

2.1.1 样本像斑的获取

样本像斑的选取是建立基础地类特征的第一步。与监督分类方法中“训练区”的作用类似，用于生成特征数据。将基期的土地利用现状的矢量数据与基期遥感影像进行配准并叠加，利用土地利用现状图上图斑的边界信息和属性信息，对那些地类比较单一的像斑提取出该像斑的灰度特征和纹理特征等，用于构成基础地类特征数据[3]。

选取样本像斑的目的就是选取能代表其所在地类特征的典型像斑。对于每个标准地类，若干个样本形成类别中心。因此，针对本文中用到非同源遥感影像的特点，我们提出了在T1时期对各类别像斑利用最小距离法进行聚类分析[4]。

常用的距离定义有欧氏距离、计程距离、马氏距离等。根据基期获取的各个类别的像斑，计算各个像斑之间的加权欧氏距离，见式 (1)，进行聚类分析，用最小距离法，取聚类中心的若干个像斑作为样本像斑。

2.2 样本像斑的更新

基准期获取的样本像斑到了T2期有可能会发生变化，因此，有必要对样本像斑进行更新。根据T1时期已经选取的各地类样本图斑边界的信息，逐一统计各多边形边界所对应的区域在T2时期的遥感图像上的各特征值，将两个时期的各地类特征值进行对比分析，由于样本图斑内各特征用于建立或更新特征库，那么T1时期选取的样本图斑，在T2时期能否继续做为样本图斑，就需要建立一定的判别指标，利用2.1中选用聚类的方法对已经获取的样本像斑进行聚类，设定阈值，提出发生变化的像斑[5]。

对于不同的类别，判断像斑是否变化的阈值也是不同的。阈值的确定如下式：

可以看出，阈值的确定分为两个部分，其中 a 作为经验阈值,作为自适应部分，在变化检测的具体过程中算出，对于不同的类别，具有不同的值。在本文中，的选用标准为：计算 T1时期各个样本像斑距离测度的均值和方差，取值+1.5。

2.2 基于样本像斑的变化检测方法

由于本文主要进行基于像斑单元的变化检测，在前面已经通过图斑单元提取了灰度特征、形状特征和纹理特征等各个类别的大量特征指标，因此对于像斑属性的确定我们可以选择最小距离聚类的思想来进行变化检测，与前面2.1节中基期选取样本像斑的方法相似。

采用距离作为判别函数的聚类方法是一类简单的聚类法，距离判决函数的建立是以地物光谱特征在特征空间中是按集群方式为前提的，它的基本思想是设法计算某点X到有关类别()集群之间的距离，哪类距离它最近，它就归属于哪类[4]。

常用的距离定义有欧氏距离、计程距离、马氏距离等。

假定有c个基准T1时期同类别的被检测像斑w1,w2,...,wc在检测T2期的变化检测问题，每类样本数为。则wi的判别函数为：其中， 表示该类的T2时期更新后的第n个样本的特征向量。

决策规则为：若mean(gj(x))＞，则该像斑发生变化（的值按照不同类别调整，可参照2.2节中样本更新的方法）[6]。

利用上述样本影像特征信息，对于某标准地类的若干训练样本形成类别中心。对每个已提取特征的待测像斑，计算它与各类别中心的距离，并判断该待测在T2期是否属于这个类别，以此来判断像斑是否发生变化，这是一种基于分类思想的变化检测方法。变化检测方法用MATLAB程序实现。

3 实验及结果分析

3.1 实验数据介绍

本次实验应用武汉市区南湖附近 2005年（T1时期）QuickBird多光谱影像、2000年彩红外航空影像（T2时期）为实验区影像，QuickBird影像分辨率为2 m，大小3 492×2 818像素；彩红外航空影像航摄比例尺为1:20 000，与 QuickBird同区域；同时使用1: 10 000同区域2005年土地利用图为实验区矢量数据。用于套合的影像数据为：T1、T2时期绿、红、近红外波段影像、NDVI影像和纹理影像。

图1 2000年武汉地区彩虹外假彩色影像

图2 2005年武汉地区QUICK BIRD假彩色影像

图3 2000年的彩红外影像和土地利用图叠加

土地利用图地类码及像斑个数如表1所示。

表1 土地利用图地类码及像斑个数表

编程实现影像与精确配准套合并提取像斑坐标，实验区共获取像斑190个。

从表 1中可以看到由于实验数据限制，某些地类像斑数量过少，会造成后面选择样本像斑困难，影响变化检测质量，所以后面实验中我们选取其中某些像斑数量足够的地类进行实验，例如坑塘养殖水面和城镇用地，耕地。

3.2 变化检测结果和精度评定

算法通过编程实现。首先对各个类别的样本进行样本的选取与更新，更新后各个类别的样本数目如表2所示。

表2 更新后的土她地利用图地类样本像斑个数表

其中计算得地类154&155样本更新阈值为53.563 223 345（样本间平均距离），得到T2期19个样本。

运用选择出的样本特征集，运用最小距离的方法，单独对地类154&155,201&203进行变化检测，最小距离方法的检测结果如图4、5、6所示。

图4 人工判读变化结果图

图5检测出的整体变化检测结果

人工判读实际发生变化的像斑29个，检测变化像斑42个，正确检测变化像斑20个。

图6 坑塘和养殖水面变化的检测结果（黄色为变化的像斑）

我们使用人工目视判读的变化像斑和实验计算所得结果进行对比分析和精度评定；人工判读实际发生变化的地类居民点像斑8个，算法检测变化像斑12个，正确检测变化像斑6个，精度为75%；地类154的像斑数目为47个，人工判读地类154发生变化的像斑为15个，算法在阈值参数为a=2.85时，检测变化像斑21个，正确检测变化像斑12个，精度为80%。其中最小距离法的效果好于区域相似度的方法。由实验结果可以看出，绝大部分发生变化的像斑，通过上述的算法均能够被成功检测出来。而且从实验结果发现，基于武汉城区的变化多是边缘地区的水体、农用地和林地等地类发生变化，居民点变化不大，表现为城市扩张现象。

3.3 变化结果分析和讨论

由实验结果可以看出，从结果图上来看，绝大部分发生变化的像斑，通过上述的算法均能够被成功检测出来，证实了算法的有效性，但是从实验精度评定方面来看并不理想。究其原因，主要由以下几个方面：

1）对于算法本身，由于土地利用分类系统和土地覆盖类别具有不一致性，这种不一致性的存在，会使得相同类别内的像斑可能会有多个光谱聚类中心，进而影响变化分析的准确性；2）在实验区中，像斑的大小差异很大，存在部分只占几个像素的小像斑，基本不具实际意义，且相比面积大的像斑，其光谱特征不够稳定，更容易被检测成为变化的像斑；3）本文的检测结果精度很大程度上依赖于样本像斑的准确和全面的选择，同时也要求了被检测的类别像斑个数不能过少；因此比较适合较大面积，类别像斑较多的变化检测。

真实结果的可靠性问题。在判定“是否变化”时，生成的真实结果会受到例如样本像斑的选择和阈值的确定问题等的影响。因此在与实验结果进行比较的过程中，会影响到实验结果的精度。

4 结论与展望

本文通过对土地利用图和非同源遥感影像的综合分析，实现了基于非同源遥感影像变化监测的方法，突破了以往对变化监测数据的要求与限制。实验结果表明，这种方法过程简洁，易于实现，并能够检测出大部分已经发生变化了的像斑，从而证实了算法的有效性和可行性。在具体的实验过程中，以下几方面有待深入研究：

1）利用像斑分布集群化的思想，是基于类别像斑聚类中心单一化的方法，而在实际运用中，因为变化检测的复杂性，类别像斑可能会有多个聚类中心；

2）土地利用图的类别生成标准受成图比例尺等因素影响，和影像像斑的类别有不一致性存在，这种不一致性是影响实验结果的重要因素，需要进一步的研究和分析；

3）文中虽然用到了多种光谱特征，包括灰度特征、纹理特征，但在进行像斑关系测度运算的时候，仅仅只是各种特征的一种加权和。没有充分利用每个特征所能表达的信息，目前在此方面的研究还有待加深；

4）同时本文的变化监测方法仅限于对应波段较为一致，地物光谱规律类似的不同的遥感影像数据进行变化监测，其他类型的非同源数据组合的变化监测方法有待研究。

[1] 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(21):1007-1010

[2] eCognition User Guide[DB/OL],Definiens Imaging GmbH, Munich,Germany.http://www.definiens-imaging.com/documents/index.htm,2008.9.18

[3] 张红.基于像斑的基础地类特征库的土地利用/覆盖变化监测方法研究[D].武汉：武汉大学，2007

[4] 王碧泉，陈祖荫．模式识别[M]．北京：地震出版社，1989

[5] Li Xue,Shu Ning,Wang Yan.The Research of the Non Uniform ity in Earth Observation Data and GISData[C].International Conference on Earth Observation Data Processing and Analysis (ICEODPA),SPIEPress,2007:728505-1-728505-9

[6] 佟彪.基于土地利用图斑的遥感影像变化检测与更新[D].武汉：武汉大学，2005

Land Use/Cover Change Detection Using Disparate Im ages on Land Use segment

by LiDandan

Based on the analysis and summarizations of researched home and aboard，the dissertation focused on land usecover detection using disparate images on land use segment，which be longs to"Feature class"of LUCC.It should be pointed out that the researches must be focus the disparate remotesensed imagery other than traditional methods of the same kind remote-sensed imagery.The land use span was expressed by vector polygon along with raster region.First getting the sample of this type of land use classes,then detect changes based on segment and feature database.The method was tested on QuickBird images and infra-red color aerial photograph of adistrict in Wuhan and the precision is high as 75%（in urbanization）and 80%（in loss of stew）.

change detection,land use,disparate remotely sensed imageries, feature selection,GIS （Page:75）

P237

B

1672-4623(2011)01-0075-04

2010-07-20

项目来源：湖北省自然科学基金资助项目（2006ABD003）。

李丹丹，硕士，主要研究方向为遥感影像分析与解译。