影像对象主导特征驱动的高分辨率遥感多类型变化检测研究

High resolution remotely sensed imagery has been the main data resource of change detection, because it has a variety of feature information, but there are some problems in the process of change detection for high resolution remote sensing, such as multi-feature inadequately utilization, redundancy feature interference and low feature separability. The research found the change objects dominated by different features often have different change types. Multi type change detection can accurately distinguish different change objects , and can fully explain the main reasons for these changes. Therefore, how to identify the multiple change types accurately and efficiently has become a new research hotpot in the field of high resolution remote sensing change detection. Aiming at this requirement, this project focuses on the research of multi-type change detection model for high resolution remote sensing by dominant feature of image object, including: (1) research on optimization and evaluation of multi-resolution segmentation parameters considering the heterogeneity of image objects; (2) research on optimization of dominant feature selection considering feature contribution rate; (3) research on multi change type identification for high resolution remote sensing taking account of dominant feature, and the test and verification with multi source remote sensing images in different scenes. This study is expected to provide intelligent, automatic and high-precision information acquisition mode with multiple changes, for the comprehensive application and decision analysis of urban dynamic change monitoring, land precision survey, disaster monitoring and evaluation.

高分辨率遥感影像具有丰富的特征信息，已成为遥感变化检测的主要数据源，但目前针对高分影像的变化检测研究中仍存在着多特征未充分利用、冗余特征干扰多及特征可分离性低等问题。研究发现，由不同特征主导的变化对象往往具有不同的变化类型，多类型变化检测可准确区分不同类型的变化对象，并能充分解释该对象发生变化的主要原因。因此，如何准确、高效地识别多变化类型则逐渐成为高分遥感变化检测领域中一个新的研究热点。本项目针对这一需求，以变化矢量分析方法为基础，研究影像对象主导特征驱动的高分遥感多类型变化检测方法，包括：（1）顾及影像对象异质性的多尺度分割参数优化及评价；（2）顾及特征贡献率的影像对象主导特征自适应优选；（3）影像对象主导特征驱动的多类型变化检测，并在不同场景下进行多源影像试验。有望为城市动态监测、土地精准调查、灾害监测与评估等综合应用与决策分析，提供智能化、自动化、高精度的多变化信息获取方式。

针对高分影像的变化检测研究中存在着多特征未充分利用、冗余特征干扰多及特征可分离性低等问题，本项目旨在能够通过分析由不同特征主导的多变化类型，构建出一套能够准确、高效地识别多变化类型的模型，从而可以准确区分不同类型的变化对象，并充分解释该对象发生变化的主要原因。针对这一研究目的，本项目以变化矢量分析方法为基础，研究影像对象主导特征驱动的高分遥感多类型变化检测方法，开展的研究内容主要包括：（1）顾及影像对象异质性的多尺度分割参数优化及评价；（2）顾及特征贡献率的影像对象主导特征自适应优选；（3）影像对象主导特征驱动的多类型变化检测，并在不同场景下（城市建筑垃圾识别与变化检测，城市规划与可持续发展，高光谱地物分类等）进行多源影像实验。..研究结果表明，以多层分割结合分割质量指数构建的多尺度分割参数优选方法和评价体系，能够获取边界一致、尺寸合理的影像对象，还可有效解决建筑垃圾与周边地物光谱混淆的问题；以遗传粒子群结合平均值方差比的主导特征优选模型，可显著提高多特征选择过程的自动化、智能化程度及运算效率，在收敛性、全局搜索能力和参数设置敏感性等方面具有显著优势；以自适应变化矢量分析为基础的多类型变化检测模型，通过在极坐标系下的解算，可有效解决特征可分离性低的问题，结合设计的“两步法“多类型变化检测模式，在提高对精细微小变化对象识别精度的基础上，还可实现对不同变化类型的区分。..本项目按照“对象生成―多特征选择―变化检测”的主线展开研究，对高分遥感中影像分割参数优选、多特征选择和多类型变化检测的理技术难点进行了系统研究，初步解决了高分遥感变化检测中多特征分析利用和多变化类型识别的问题，为高分影像多类型变化检测提供新思路，有望为城市动态监测、土地精准调查、灾害监测与评估等综合应用与决策分析，提供智能化、自动化、高精度的多变化信息获取方式。.