利用影像相關分析的遙感變化檢測

程夢真,惠文華,李延金,魏家旺

(長安大學地質工程與測繪學院，陜西 西安 710054)

遙感變化檢測是從覆蓋同一地區的、不同時相獲取的遙感影像數據中定量地分析出地表變化的技術手段，其實質是判別地物隨時間變化的過程[1-2]。在過去的幾十年里，國內外學者已經提出了大量變化檢測方法和技術，并且在土地覆蓋、環境調查、地質災害監測和城市規劃等領域中取得了顯著的成果[3-5]。

文獻[6—7]認為發生變化的區域往往具有非常低的相關性，而不變化區域通常具有高度相關性，因此將影像相關分析引入遙感變化檢測中。目前影像相關分析方法在遙感領域的應用不是很多，其原因之一是多采用單一光譜特征進行影像相關分析，對變化信息的檢測不是很理想[8-10]。隨著新型遙感平臺和傳感器的發展，多源遙感數據可以提供更加詳細的空間和紋理信息[11]，而常規的變化檢測算法如代數運算、圖像變換法、變換向量分析法、小波變換法和分類后比較法等[12]主要都是針對中低分辨率影像開展的，無法應對高分影像數據的處理分析需求(最佳閾值難以確定，結果過于破碎和海量數據應用不充足)，給遙感變化檢測帶來了新的挑戰[13-14]。因此，本文提出一種改進的相關系數計算模型，將光譜特征和紋理特征相結合應用于高分影像數據，進一步提高基于影像相關分析的變化檢測能力。

1 改進的相關系數計算模型

1.1 相關系數計算模型

影像相關一般指的是兩幅影像或多幅影像之間存在的相互關系，即衡量兩幅影像之間的相似程度，常用相關系數來量化。一般的光譜信息相關系數的計算公式為

(1)

1.2 改進的相關系數計算模型

圖像的紋理特征可以定量描述區域地物內部灰度級變化，可以有效地突出粗糙度、光滑度等，因此通過將紋理特征與光譜特征進行組合的計算方法來增強相關系數對地物不同時相間差異的判斷能力[17]。組合相關系數的計算公式為

A=αA1+(1-α)A2

(2)

式中，A1為光譜相關系數；A2為紋理相關系數；α為權值。A1按式(1)計算并取其絕對值，A2的計算方法為：計算對應分割區域不同時相的紋理特征值(灰度共生矩陣)，并取紋理特征的比值作為紋理相關系數。紋理相關系數的取值范圍與A1相同，介于0～1之間。

2 基于影像相關分析的變化檢測方法

本文提出的方法主要步驟如下：①先用棋盤分割方法將兩幅影像進行統一分割，然后利用相關系數計算模型對分割后的相應影像區域進行計算；②以每個影像對象中心點的坐標和相關系數值作為一個特征點(x，y，z)，在三維空間中進行插值處理獲得影像區域內的相關系數空間分布圖，并通過循環判斷方法確定最優分割尺度；③由最佳分割尺度得到相關系數空間分布圖，并進一步利用密度分割方法提取變化信息。所提方法基本流程如圖1所示。

在上述變化檢測分析過程中，有3個環節非常關鍵:①影像分割的尺度。分割尺度決定著相關系數計算窗口的大小，相關系數計算窗口過大則會忽略掉許多小的變化細節，相關系數計算窗口過小則又會引入一些噪聲，導致變化檢測結果不理想。②組合相關系數的定權。任何一種單一特征計算的相關系數都是影像在某一方面(光譜特征或紋理特征)相似性的量化結果，因此需要根據影像的實際情況確定合適的特征權值。③變化閾值的確定。閾值太低會排除變化區域，閾值過高則會包含過多偽變化區域。因此本文針對這3個關鍵環節，利用Matlab編程實現相關試驗研究。

3 試驗與討論

3.1 試驗數據及預處理

試驗區榆林位于中國陜西省的最北部，黃土高原和毛烏素沙地交界處，是黃土高原與內蒙古高原的過渡區，屬溫帶半干旱大陸性季風氣候，水土流失較為嚴重[18]。遙感變化檢測對于該地區的防沙治沙，水土保持等工作都具有非常重要的意義。本文選用2016年2月9日和2016年12月29日獲取的GF-1衛星影像(如圖2所示)，其空間分辨率為16 m的多光譜(紅、綠、藍和近紅外)影像數據。為保證利用影像相關分析方法檢測變化區域的精度，對兩幅影像做了輻射校正、大氣校正、圖像融合、直方圖匹配和裁剪等預處理。

3.2 最優分割尺度確定

按照圖1所示的工作流程，采用棋盤分割方法將兩幅影像進行統一分割，然后利用相關系數公式對分割后的相應影像窗口進行計算。最優分割尺度的確定，要綜合考慮影像的空間分辨率、相關系數計算結果的合理性等。通過對試驗數據進行初步的分割試驗，確定分割尺度在11～25像素之間能夠較為準確地反映出影像之間的相似性。為了進一步確定最優分割尺度，本文采用分割尺度小步長逐漸增大的方法，獲得了一組不同分割尺度下的相關系數分布圖(如圖3所示)。圖中背景灰度越深代表相關系數值越大，不規則框灰度越深代表相關系數值越小。

將圖3(a)～(f)中不同尺度分割下的相關系數分布圖與原始影像數據進行對比，發現分割尺度為19時，獲取的相似性小的區域與實際變化的地區最為吻合，因此將尺度19作為棋盤分割的最優分割尺度。

3.3 變化信息提取

根據3.2節所確定的最佳分割尺度得到相關系數空間分布圖，進一步利用密度分割方法提取變化信息。變化與否可通過合適的相關系數閾值來判定，大于閾值視為無變化，小于閾值則視為發生變化。

3.3.1 變化閾值確定

為了尋找出合適的閾值條件，將棋盤分割所獲得的影像窗口逐行進行一維排列，以窗口所在的位置序號作為橫坐標，以相應的相關系數計算值作為縱坐標，得到相關系數一維分布圖(如圖4所示)。圖中數值越大代表發生變化的可能性越小，數值越小則代表發生變化可能性越大。

從圖4(a)和(b)中發現，除①②③④位置之外的相關系數值都趨近于1，說明兩種計算相關系數的方法均能量化相似性；同時①②③④位置的相關系數值都小于0.9，推測出這4個位置對應影像窗口的地物可能發生了變化。又由于相關系數空間分布圖是由每個影像窗口中心點的坐標和相關系數值作為一個特征點在三維空間中插值處理獲得的，不可避免地會引入一些誤差，因此取相關系數值0.7作為判斷變化與否的閾值條件。此外，由表1可見①②③④對應位置的組合相關系數更小，說明組合相關系數對地物變化信息的量化更為靈敏。

表1 不同模型的相關系數值比較

3.3.2 變化區域提取

通過3.3.1小節得到變化閾值條件，對相關系數空間分布圖進行密度分割，提取出相關系數小于閾值的變化區域，并矢量化后與影像疊加顯示，如圖5、圖6所示。

從圖5(a)和(b)中可以看出，兩種相關系數計算模型得到相關系數空間分布圖在空間分布的位置大致相同；同時從圖6(a)和(b)密度分割提取的變化區域邊界與實際地物疊加圖中發現，基于組合特征提取的變化區域邊界和實際的地物邊界吻合程度更好。通過上述試驗發現基于組合特征的變化檢測方法綜合利用了光譜和紋理信息，可以更加精細地區分地物間的微小差異，更好地提取地物的變化信息。

4 結 語

本文提出了一種改進的影像相關系數計算模型，并進行了基于影像相關分析的變化檢測信息提取試驗。試驗結果表明，采用組合特征相關系數的變化檢測結果明顯優于單一光譜相關系數的變化檢測結果；而且組合相關系數模型的原理通俗易懂，方法易于操作。此外，在傳統基于光譜特征進行影像相關計算的基礎上，加入影像紋理特征，同時可檢測影像中的光譜亮度和紋理的變化，從而可以較為全面地分析影像中的地物變化信息。同理，若在組合相關系數計算中加入其他地表專題特征，也可進行與之相關的專題信息提取，如在組合特征的基礎上加入高程特征和植被特征就可以進行滑坡分析，加入含水指數特征就可以進行洪水研究等。本文通過對影像組合相關系數的應用研究，為利用影像相關分析方法從高分辨率遙感影像中提取變化信息提供了一種新的思路。