基于高分辨率遥感影像土地覆盖变化检测研究-郑汴都市区

       大量高分辨率遥感影像的出现使研究人员在数据选择方面具有多样性，与此同时，传统的变化检测方法不再适用。高分辨率影像的高空间分辨率使图像具有丰富的细节特征，这为研究人员提供了更多的思路。目前，针对不同的具体情况，人们已提出多种不同的变化检测算法。 本文在介绍了变化检测有关概念、算法流程以及几种经典的算法后，着重研究了遥感影像配准以及针对高分辨率遥感影像的变化检测，探讨并提出了一种高分辨遥感影像变化检测方法。

       具体研究内容如下： 

       （1）研究利用SIFT特征进行遥感影像的算法。变化检测应用对影像的配准精度要求较高，并且能够实现自动配准，利用SIFT特征的配准算法能够满足这两方面的需求，本文在研究SIFT特征提取后，采用了优化的特征匹配搜索算法，在保证匹配点的可靠性的前提下利用双向匹配和随机采样一致性算法完成的配准过程。

       （2）本文研究的变化检测算法是在对象的基础上进行的，因此采用多尺度分割算法进行影像的分割，而多尺度分割不可避免的面临尺度选择的问题，不同尺度产生不同的变化检测结果。针对基于对象的变化检测最优尺度选择问题，本文提出了利用反应地物特性的参量随尺度变化的曲线取最大值作为最优尺度的方法。

       （3）本文将变化检测问题转换为二分类问题，即变化类与未变化类。区分不同的类别利用区分性强和独立性强的特征，往往单一的特征不能区分不同的类别，本文利用图像差值法，以对象为处理单元，通过Adaboost学习方法将有效特征构造成强分类器，再利用该强分类器对全图进行变化检测。