基于遙感影像的城市土地利用變化檢測研究

王勇

(鄭州測繪學校，河南鄭州 450015)

1 引言

衛星遙感影像覆蓋范圍大，能及時、客觀、周期性地獲取地表覆蓋信息。隨著衛星遙感影像的空間分辨率不斷提高，為土地利用變更調查提供了新的數據源，使得利用衛星遙感影像快速更新土地利用現狀圖成為可能，同時遙感影像的價格也越來越便宜，因此，可以利用高分辨率衛星遙感影像代替航空遙感影像進行土地利用現狀調查。雖然目前比較成熟的用于土地利用的變化檢測算法較多，這些方法分別適用于不同的實際需求，根據實際情況選擇合適的方法才可以達到較好的檢測結果。本文提出了基于灰度差分和紋理差分圖像融合的變化檢測方法，并利用鄭州市近幾年的遙感影像進行城市土地利用變化檢測實踐研究。

2 變化檢測

2.1 變化檢測的一般處理流程

從輸入多時相遙感圖像數據，到輸出變化檢測結果，變化檢測的一般處理流程由圖像預處理、變化信息獲取以及檢測結果輸出三個部分構成，如圖1所示。

圖1 變化檢測的處理流程

2.2 變化檢測算法分類

目前已經有許多變化檢測算法，如差值法、植被索引法、主成分分析法等。人們從應用的角度出發有各種各樣的分類方法，但變化檢測算法本質上是“特征提取”問題，或稱為變化增強算法。因此，本文認為較為合理的算法分類可以根據特征提取的方式來分，可分為兩大類:

(1)基于光譜/灰度特征的變化檢測。基于光譜/灰度特征的變化檢測算法只考慮點對點(pixel－to－pixel)運算，因此要求多時相的圖像之間必須嚴格地配準。

(2)基于空間特征的變化檢測算法。基于空間特征的變化檢測算法考慮了圖像的空間特性，如紋理、邊緣及目標識別結果等，它是基于區域運算的。

3 基于差分圖像融合的變化檢測方法

3.1 基于差分圖像融合的變化檢測原理

基于差分圖像融合的變化檢測是將灰度差分圖像與紋理差分圖像相結合進行變化區域檢測的處理方法，主要的處理流程為:輸入多時相遙感圖像后，先通過圖像配準和相對輻射校正方法實現不同時相遙感圖像的幾何和輻射校正;分別進行灰度差分和紋理差分，得到灰度差分圖像和紋理差分圖像;然后根據乘積變換原理融合紋理差分圖像和灰度差分圖像;接著根據ISODATA算法實現差分圖像融合后的分類;根據分類圖像確定合適的閾值，得到變化區域。

3.2 基于差分圖像融合的變化檢測算法描述

根據前面的分析，對于本文提出的基于差分圖像融合的變化檢測算法，算法為如圖2所示流程。

下面給出主要的處理步驟:

第1步:圖像預處理

①根據多項式糾正的方法實現多時相遙感圖像的配準;

②通過直方圖匹配法實現多時相遙感圖像的輻射校正。

圖2 基于差分圖像融合的變化檢測流程圖

第2步:差分圖像融合

①根據圖像的灰度信息得到多時相遙感圖像的灰度差分圖像;

②根據圖像的紋理結構得到多時相遙感圖像的紋理差分圖像;

③根據乘積變換方法實現紋理差分圖像與灰度差分圖像的融合。

第3步:差分融合圖像分類

①初始化;

②選擇初始中心;

③按一定光譜距離對所有像元劃分;

④重新計算每個集群的均值和方差，按初始化的參數進行分裂和合并;

⑤直到迭代次數或者兩次迭代之間類別均值變化小于閾值，結束;

⑥否則，重復⑤;

⑦確認類別，精度評定。

第4步:分類結果后處理，實現多時相圖像的變化檢測。

4 基于遙感影像的實驗與分析

本文選擇鄭州市作為實驗地區，基于ERDAS 9.2軟件采用2006年、2007年、2009年的CBERS02B CCD影像進行實驗。分別進行多時相灰度差分變化檢測和紋理差分變化檢測，并用本文中提出的基于差分圖像融合的方法用于多時相遙感圖像變化區域檢測，驗證該方法與簡單的紋理差分或者灰度差分相比是否提高了變化檢測精度。

4.1 基于圖像灰度差分的檢測

采用圖像灰度差分的算法進行實驗，采用合適的閾值來標明重點變化區域，并輸出變化分析結果圖像。根據變化圖像統計變化數據，研究變化檢測情況。檢測結果如圖3和表1、表2所示。

圖3 主要變化區域圖像

2007年相對于2006年年變化檢測統計數據 表1

2009年相對于2006年變化檢測統計數據 表2

通過表1、表2數據可以看出，第二次變化檢測的變化范圍比第一次變化檢測的范圍大，原因是第二次檢測所用數據間隔的時間比較長，符合實際情況。

4.2 基于圖像紋理差分的檢測

將2006年、2007年、2009年三個時相同一地區的影像進行紋理分析，提取兩幅圖像的紋理特征，然后利用圖像差分的算法進行基于紋理特征的圖像差分變化檢測。基于紋理差分的變化檢測結果，如圖4和表3、表4所示。

圖4 基于紋理差分的變化檢測結果

2007年與2006年基于紋理差分的變化檢測統計數據 表3

2009年與2006年基于紋理差分的變化檢測統計數據 表4

通過對灰度差分變化檢測結果和紋理差分變化檢測結果對比，結合實際的調查結果可以發現，基于紋理的變化檢測算法對隨機因素的干擾有一定的魯棒性，降低了變化區域提取的精度，因此利用紋理差分方法用于變化檢測的精度明顯低于灰度差分的方法。

4.3 基于差分圖像融合的變化檢測

基于差分圖像融合的變化檢測，首先對變化前圖像、變化后圖像分別進行灰度差分和紋理差分，得到灰度差分圖像和紋理差分圖像;然后根據乘積變換算法融合紋理差分圖像和灰度差分圖像;接著根據ISODATA算法進行融合后的分類，結合目視解譯，得到變化區域。基于差分圖像融合的變化檢測統計數據如圖5和表5、表6所示。

圖5 差分融合圖像分類結果圖

2007年與2006年基于差分圖像融合的變化檢測數據 表5

2009年與2006年基于差分圖像融合的變化檢測數據 表6

經過實地調查，2007年鄭州市的發展方向在北區，所以鄭州市北區的土地利用情況發生了較大的變化，這和我們檢測的結果是一致的。土地利用變化的區域面積為0.434 km2，和國土部門的0.5 km2的統計數據基本一致。從2007年開始，鄭州市加快了發展步伐，西北方向國家級高新技術開發區和東南方向國家級經濟技術開發區的城市建設進程加快，鄭州北部地區隨著房地產市場的帶動也發生了很多的變化，鄭東新區的建設用地大量增加，而鄭州市中部老城區的改造也在不斷進行，和2009年相對于2006年的變化檢測結果是一致的。土地利用變化的區域面積為8.989 km2，和國土部門約 9 km2的統計數據基本一致。由此可見，基于差分圖像融合的變化檢測結果與統計結果比較接近，精度較高，比單純的灰度差分和紋理差分的變化檢測精度要高，準確性更強。

5 小結

通過實驗驗證與分析，得出以下結論:

(1)進行變化檢測，圖像的預處理尤其關鍵。圖像的幾何糾正配準、圖像輻射處理的準確性是做好變化檢測的前提。高精度的幾何配準、圖像輻射增強處理和直方圖匹配為提高變化檢測的精度提供了保證。

(2)灰度差分變化檢測對圖像的時相要求較高，最好是屬于同一季節，且月份相差不要太大，以免植被覆蓋等因素增加變化檢測的誤差。灰度差分圖像由于是通過點對點運算，所以一般差值圖像存在很多的噪聲，由于存在同譜異物和異物同譜現象，所以一般會得到很多假變化信息。

(3)基于紋理結構的灰度差分變化檢測，由于基于紋理的變化檢測算法對隨機因素的干擾有一定的魯棒性，降低了變化區域提取的精度，因此利用紋理差分方法用于變化檢測的精度明顯低于灰度差分的方法。

(4)基于差分圖像融合的變化檢測方法，綜合了灰度差分和紋理差分的優點，與單純的灰度差分或紋理差分變化檢測相比，提高了變化檢測的精度。

6 結語

(1)運用遙感可以主動發現土地利用的變化信息，提取變化地塊的區域，尤其是非農業用地;而傳統方法只能被動地由用地單位或個人申報，存在少報和漏報的情況，增加了監測的客觀性。

(2)此研究證明基于中分辨衛星影像圖，采用圖像的灰度和紋理差分圖像作為結合的兩類特征。擴展本文中的圖像融合思路，可以用更多的特征圖像來綜合檢測地物的變化，這是提高基于光譜特征的變化檢測方法性能的一個有效途徑。在實際應用中，應該選擇能夠很好地反映研究對象及地域特點的特征。

［1］李宗華，王新洲，彭明軍等.高分辨率衛星遙感影像在土地利用變更調查中的應用［J］.測繪信息與工程，2005(8).

［2］孫靜，趙偉，趙魯全.土地利用遙感動態監測技術方法介紹［J］.山東國土資源，2005(4).

［3］李德仁.利用遙感影像進行變化檢測［J］.武漢大學學報(信息科學版)，2003，28(3):7 ～12.

［4］劉直芳，張繼平，張劍清等.基于DSM和影像特征的城市變化檢測［J］.遙感技術與應用，2002，17(5):240～244.

［5］楊希，劉國祥，秦軍等.基于多時相遙感圖像灰度差值法的地表變化檢測［J］.四川測繪，2008，31(3):99～103.

［6］宋翠玉，李培軍，楊鋒杰.運用多尺度圖像紋理進行城市擴展變化檢測［J］.國土資源遙感，2006，(3):37～42.