利用影像相关分析的遥感变化检测

程梦真,惠文华,李延金,魏家旺

(长安大学地质工程与测绘学院，陕西 西安 710054)

遥感变化检测是从覆盖同一地区的、不同时相获取的遥感影像数据中定量地分析出地表变化的技术手段，其实质是判别地物随时间变化的过程[1-2]。在过去的几十年里，国内外学者已经提出了大量变化检测方法和技术，并且在土地覆盖、环境调查、地质灾害监测和城市规划等领域中取得了显著的成果[3-5]。

文献[6—7]认为发生变化的区域往往具有非常低的相关性，而不变化区域通常具有高度相关性，因此将影像相关分析引入遥感变化检测中。目前影像相关分析方法在遥感领域的应用不是很多，其原因之一是多采用单一光谱特征进行影像相关分析，对变化信息的检测不是很理想[8-10]。随着新型遥感平台和传感器的发展，多源遥感数据可以提供更加详细的空间和纹理信息[11]，而常规的变化检测算法如代数运算、图像变换法、变换向量分析法、小波变换法和分类后比较法等[12]主要都是针对中低分辨率影像开展的，无法应对高分影像数据的处理分析需求(最佳阈值难以确定，结果过于破碎和海量数据应用不充足)，给遥感变化检测带来了新的挑战[13-14]。因此，本文提出一种改进的相关系数计算模型，将光谱特征和纹理特征相结合应用于高分影像数据，进一步提高基于影像相关分析的变化检测能力。

1 改进的相关系数计算模型

1.1 相关系数计算模型

影像相关一般指的是两幅影像或多幅影像之间存在的相互关系，即衡量两幅影像之间的相似程度，常用相关系数来量化。一般的光谱信息相关系数的计算公式为

(1)

1.2 改进的相关系数计算模型

图像的纹理特征可以定量描述区域地物内部灰度级变化，可以有效地突出粗糙度、光滑度等，因此通过将纹理特征与光谱特征进行组合的计算方法来增强相关系数对地物不同时相间差异的判断能力[17]。组合相关系数的计算公式为

A=αA1+(1-α)A2

(2)

式中，A1为光谱相关系数；A2为纹理相关系数；α为权值。A1按式(1)计算并取其绝对值，A2的计算方法为：计算对应分割区域不同时相的纹理特征值(灰度共生矩阵)，并取纹理特征的比值作为纹理相关系数。纹理相关系数的取值范围与A1相同，介于0～1之间。

2 基于影像相关分析的变化检测方法

本文提出的方法主要步骤如下：①先用棋盘分割方法将两幅影像进行统一分割，然后利用相关系数计算模型对分割后的相应影像区域进行计算；②以每个影像对象中心点的坐标和相关系数值作为一个特征点(x，y，z)，在三维空间中进行插值处理获得影像区域内的相关系数空间分布图，并通过循环判断方法确定最优分割尺度；③由最佳分割尺度得到相关系数空间分布图，并进一步利用密度分割方法提取变化信息。所提方法基本流程如图1所示。

在上述变化检测分析过程中，有3个环节非常关键:①影像分割的尺度。分割尺度决定着相关系数计算窗口的大小，相关系数计算窗口过大则会忽略掉许多小的变化细节，相关系数计算窗口过小则又会引入一些噪声，导致变化检测结果不理想。②组合相关系数的定权。任何一种单一特征计算的相关系数都是影像在某一方面(光谱特征或纹理特征)相似性的量化结果，因此需要根据影像的实际情况确定合适的特征权值。③变化阈值的确定。阈值太低会排除变化区域，阈值过高则会包含过多伪变化区域。因此本文针对这3个关键环节，利用Matlab编程实现相关试验研究。

3 试验与讨论

3.1 试验数据及预处理

试验区榆林位于中国陕西省的最北部，黄土高原和毛乌素沙地交界处，是黄土高原与内蒙古高原的过渡区，属温带半干旱大陆性季风气候，水土流失较为严重[18]。遥感变化检测对于该地区的防沙治沙，水土保持等工作都具有非常重要的意义。本文选用2016年2月9日和2016年12月29日获取的GF-1卫星影像(如图2所示)，其空间分辨率为16 m的多光谱(红、绿、蓝和近红外)影像数据。为保证利用影像相关分析方法检测变化区域的精度，对两幅影像做了辐射校正、大气校正、图像融合、直方图匹配和裁剪等预处理。

3.2 最优分割尺度确定

按照图1所示的工作流程，采用棋盘分割方法将两幅影像进行统一分割，然后利用相关系数公式对分割后的相应影像窗口进行计算。最优分割尺度的确定，要综合考虑影像的空间分辨率、相关系数计算结果的合理性等。通过对试验数据进行初步的分割试验，确定分割尺度在11～25像素之间能够较为准确地反映出影像之间的相似性。为了进一步确定最优分割尺度，本文采用分割尺度小步长逐渐增大的方法，获得了一组不同分割尺度下的相关系数分布图(如图3所示)。图中背景灰度越深代表相关系数值越大，不规则框灰度越深代表相关系数值越小。

将图3(a)～(f)中不同尺度分割下的相关系数分布图与原始影像数据进行对比，发现分割尺度为19时，获取的相似性小的区域与实际变化的地区最为吻合，因此将尺度19作为棋盘分割的最优分割尺度。

3.3 变化信息提取

根据3.2节所确定的最佳分割尺度得到相关系数空间分布图，进一步利用密度分割方法提取变化信息。变化与否可通过合适的相关系数阈值来判定，大于阈值视为无变化，小于阈值则视为发生变化。

3.3.1 变化阈值确定

为了寻找出合适的阈值条件，将棋盘分割所获得的影像窗口逐行进行一维排列，以窗口所在的位置序号作为横坐标，以相应的相关系数计算值作为纵坐标，得到相关系数一维分布图(如图4所示)。图中数值越大代表发生变化的可能性越小，数值越小则代表发生变化可能性越大。

从图4(a)和(b)中发现，除①②③④位置之外的相关系数值都趋近于1，说明两种计算相关系数的方法均能量化相似性；同时①②③④位置的相关系数值都小于0.9，推测出这4个位置对应影像窗口的地物可能发生了变化。又由于相关系数空间分布图是由每个影像窗口中心点的坐标和相关系数值作为一个特征点在三维空间中插值处理获得的，不可避免地会引入一些误差，因此取相关系数值0.7作为判断变化与否的阈值条件。此外，由表1可见①②③④对应位置的组合相关系数更小，说明组合相关系数对地物变化信息的量化更为灵敏。

表1 不同模型的相关系数值比较

3.3.2 变化区域提取

通过3.3.1小节得到变化阈值条件，对相关系数空间分布图进行密度分割，提取出相关系数小于阈值的变化区域，并矢量化后与影像叠加显示，如图5、图6所示。

从图5(a)和(b)中可以看出，两种相关系数计算模型得到相关系数空间分布图在空间分布的位置大致相同；同时从图6(a)和(b)密度分割提取的变化区域边界与实际地物叠加图中发现，基于组合特征提取的变化区域边界和实际的地物边界吻合程度更好。通过上述试验发现基于组合特征的变化检测方法综合利用了光谱和纹理信息，可以更加精细地区分地物间的微小差异，更好地提取地物的变化信息。

4 结 语

本文提出了一种改进的影像相关系数计算模型，并进行了基于影像相关分析的变化检测信息提取试验。试验结果表明，采用组合特征相关系数的变化检测结果明显优于单一光谱相关系数的变化检测结果；而且组合相关系数模型的原理通俗易懂，方法易于操作。此外，在传统基于光谱特征进行影像相关计算的基础上，加入影像纹理特征，同时可检测影像中的光谱亮度和纹理的变化，从而可以较为全面地分析影像中的地物变化信息。同理，若在组合相关系数计算中加入其他地表专题特征，也可进行与之相关的专题信息提取，如在组合特征的基础上加入高程特征和植被特征就可以进行滑坡分析，加入含水指数特征就可以进行洪水研究等。本文通过对影像组合相关系数的应用研究，为利用影像相关分析方法从高分辨率遥感影像中提取变化信息提供了一种新的思路。