基于空间先验与贝叶斯决策的高分遥感影像城市地表覆盖变化检测

Remote sensing image change detection technology is an important step to extract urban land cover change and analyze its impact on environment. In this project, an object-oriented change detection method for high-resolution remote sensing images is proposed. Multi-temporal object changed information is introduced into framework of object change detection, so as to effectively reduce the classification cumulative error. Firstly, to generate objects that fully take into account the geometry of the geographic objects, we study a fast agglomerative clustering algorithm embedding the entropy function. Then the slow feature analysis with a prior distribution based on the image object feature metric statistics is proposed, which will be solved using the maximum likelihood method. Next, the semi-supervised probability topic model ssLDA is used to for supervised classification based on pixel level samples. Based on Bayesian decision theory, a posteriori probability for the class combinations of objects are calculated to integrate the class probability with the changed probability.

遥感图像变化检测技术是提取城市土地覆盖变化，分析其对资源环境影响的重要步骤。本课题拟面向高分遥感影像，设计一种面向对象的变化检测方法，拟在分割对象变化检测框架下，引入多时相对象变化信息传递机制，从而有效减少分类累积误差。首先，拟将熵函数嵌入到层次聚类方法中，设计一种快速凝聚聚类算法，对多时相影像独立分割，产生充分顾及地物几何形态的对象；拟设计引入先验分布的慢特征分析学习算法，基于图像对象特征度量先验分布参数，拟利用极大似然法求解多时相遥感影像的变化概率；拟利用半监督概率主题模型ssLDA设计基于像素层面的监督分类；进而，拟融合慢特征分析学习到的对象变化概率与监督分类产生的地物类别概率，利用贝叶斯决策计算最终“from-to”类别变化信息。

遥感变化检测技术为快速、及时、准确发现城市土地覆盖变化情况提供了科学方法。现有的面向对象变化检测方法分割技术是核心，然而目前分割算法产生的对象并不能很好的顾及遥感地物的几何形态和轮廓，经常产生欠拟合或过拟合现象；此外由于高分遥感影像中地物尺度差异造成现有语义分割算法得到的小目标分类精度的损失。为解决以上关键问题，本课题以过分割体为基元，结合基于对象的监督分类方法，实现分类对象变化检测。研究按照先分割后分类进而分类后比较的变化检测策略。首先，为了充分顾及地物边缘、紧致度以及计算复杂度，更加精确刻画地物几何特征，本课题提出一种新的凝聚过分割算法，实现将图像划分为过分割体过程；在此基础上，为提取地物对象的类别信息，本课题建立了一种反向差分网络对图像进行语义分割，针对高分遥感影像尺度变异问题导致小目标地物分类精度较差的问题，本课题设计了一种反向差分机制突出小目标的特征，提高分类精度；基于本课题设计的算法，将其应用于城区暗浜空间位置与范围提取，实现了安庆市主城区2004-2018年的地物变化检测，有效提取了城市暗浜信息，并选择典型区域利用微动探测进行了实地验证，证明了算法的有效性和准确性；在城市土地覆盖变化对生态环境的影响方面，本课题将遥感影像土地利用变化技术与生态安全研究相结合，识别了城市生态系统服务功能重要区和生态敏感区，并识别了城市生态安全格局，为城市国土空间规划和生态保护提供了数据和技术支撑。本课题的技术方法能够与目前自然资源监测调查、生态地质调查等应用相结合，为城市可持续发展等相关政策研究提供技术支撑和应用服务。