论文 - 数据预处理

在面向对象变化检测过程中，遥感图像数据源的选取和数据处理是变化检测的基础，合理的数据选取和图像预处理操作有利于提取图像中的特征信息，能够有效提高变化检测精度。

由于变化检测主要是根据不同时期同一地物的辐射值的变化来判定变化区域和为变化区域，而在影像的获取过程中，有很多因素都有可能影响或改变地物真实的辐射值，这些因素包括：大气条件、传感器噪声、太阳高度角、地形等等，因此在变化检测数据的准备过程中，对影像的预处理至关重要。遥感影像的预处理一般包括：辐射校正、影像镶嵌、几何校正、影像裁剪等几个内容。 1.辐射校正：

辐射校正是指在遥感数据获取过程中，对产生的一切与辐射有关误差的校正。主要包括两部分的内容：辐射定标和大气校正。 （1）辐射定标

辐射定标是指将原始影像中原始像元的DN值转化为地表反射率值（或称辐射亮度值），目的是消除传感器本身产生的误差。 （2）大气校正

大气校正是指将辐射亮度或者表观反射率转换为地表实际反射率，目的是消除大气散射、吸收、反射引起的误差。

FLAASH主要采用MODTRAN 4+ 辐射传输模型，消除大气和光照等因素对地

物反射的影响，获得地物反射率和辐射率、地表温度等真实物理模型参数，用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧对地物反射的影响，消除大气分子和气溶胶散射的影响。

快速大气校正工具（简称QUAC）是指自动从图像上收集不同物质的波谱信息，获取经验值完成高光谱和多光谱的快速大气校正。它得到结果的精度近似FLAASH或者其他基于辐射传输模型的+/-15%。 （3）查看校正结果

如图XX所示，打开图像上同一像素点的大气校正和辐射定标波谱曲线，通过查看典型地物波谱曲线是否正确来初步判定校正结果是否正确。 2.影像镶嵌

在我们的研究中，很多时候研究区域的范围都超出了单幅遥感图像所覆盖的范围，这个时候我们常常需要将两幅或多幅影像拼接起来，形成一幅或一系列覆盖全部研究区域的较大的影像。 3.影像配准

由于变化检测需要对同一场景的多期影像进行，而影像获取过程中，同一场景的影像并不是完全对准的，影像配准就是使多期影像在几何上相互匹配，即实现多期影像间像素的坐标与实际的地理坐标能够一一对应。对于变化检测而言，如果配准过程达不到足够的精度，那么多期影像中将会出现一部分错位的区域，对最终的变化检测的结果会造成较大的影响，因此，一般配准精度不超过0.5个像素，目的是降低几何配准误差对变化检测的影响。

4.相对大气校正

相对大气校正的过程主要有:（1）选取基准影像；（2）选取辐射地面控制点，称为伪不变特征点（pseudo-invariant features,PIFs）：辐射特性随时间变化很小（如水体、裸露土壤、宽大的房顶等），在影像区域与其他地物具有相近的高度，含植被少，相对平坦区域；(3)影像匹配：不同时相的影像分别与基准影像一一匹配（回归分析）。

BVi?ai?bi?BVbase

5.影像裁剪

由于变化检测是通过对多期遥感影像中同一区域地物的辐射值变化的识别来提取变化信息，判定变化和未变化区域。影像裁剪的目的就是将重叠之外不是共同研究区域的部分去除。

2011年和2015年VW图像上分别选择两个区域图像，结合对应区域的变化检测结果，进行XX方法的比较。

基于XXX软件平台，对面向对象和SGD算法进行了大量程序开发实验，验证了XX模型算法的可行性。

1.研究区概况

本文选取XX区X年X月X日和XX区X年X月X日的WorldView（图X）用于实验分析。所选数据采集时相近，有利于减小由时间或季节变化对实验结果精度的影响。

图（）XX区XX年（左）、XX年（右）WV遥感影像

WV影像因为具有较高的空间分辨率，相对而言，光谱分辨率略显不足，所以，不同地物间的同谱异物现象更为严重。但是高分辨率影像上地物的纹理信息更加丰富，因而纹理特征成为地物识别的一种有利方式，通过纹理信息的有效提取，能够提高不同地物之间的区分能力。

通过对实验区的目视分析，区域内主要包括植被、水体、建筑设施。其中建筑设施中的民房和现代建筑在光谱上区别较大，因此，本实验中包括的类型有植被、水体、民房和现代建筑。

本文通过利用颜色和形状作为区域合并的判决准则，利用区域面积作为图像分割尺度，从而分割出感兴趣区域。

2.1预处理 2.2影响配准 2.3变化信息提取

目前学者们研究的而重点是变化信息提取，针对中、低分辨率的遥感影像提出了许多算法，其共同目标是在研究时间内检测出研究区域内所发生的变化信息，并能定性的分析和定量的描述变化的情况，算法同时需要具有一定的鲁棒性，能够抵抗外在因素对变化检测的影响，真实的反应地物变化的情况。

常用的变化检测方法有：差值法、主成分分析法、变化向量分析法、分类后比较法等等，本章后面将具体介绍几种经典的变化检测算法。

阈值采用均值和n倍方差纸盒的方法计算： Thn=mean+n×std

传统基于像元级与面向对象的区别

（1）传统基于像元级遥感影像分析的基本处理单元是像素，这种无意义的规则地块；而面向对象遥感影像分析是以影像对象作为基本处理单元，其对应现实世界中的地物实体，从而可以在分析中添加地物丰富的实体属性。

（2）基于像元的分析方法一般只利用像素的灰度值信息，其空间位置关系信息很难用于分析；面向对象的方法中，对象在尺度上的层次依存关系可以反映各类地物在空间位置上的联系，这极大的方便了对遥感图像信息的深度挖掘。

基于ENVI平台和IDL语言编写了XXX变化检测及精度评定的计算机程序，实现了研究区域WV高分影像的XXXX变化检测。研究结果表明：结合高分辨率遥感影像的光谱和纹理信息后，XXXX精度得到提高，其中天精度达到XXX以上，且Kappa系数超过XXX。

本文来源：https://www.bwwdw.com/article/9xcv.html