当前课程知识点:遥感数字图像处理理论与方法 > 第八章 遥感图像变化检测 > 第八章习题 > 8.3 CVA变化检测
我们来看看CVA基本原理
CVA利用光谱变化向量
来描述前后两个时相间
目标变化的方向和大小
如图
这里展示了
光谱变化向量的大小
方向
变化阈值示意图
a图展示了
在由波段x
和波段y组成的二维空间中
变化向量的强度和变化角度
角度是代表变化的方向
b、c、d图
展示了3种变化情况
其中椭圆代表变化阈值的大小
在b图上
变化向量ΔG1的模小于阈值
因此该种情况
应视为无变化
或很小变化
c图
变化向量ΔG2的模大于阈值
因此该种情况
应视为变化类型1
其具体类型
由变化角度定义
如耕地变为城市
d图
变化向量ΔG3的模大于阈值
因此该种情况应视为
变化类型2
其具体类型由
变化角度定义
如林地变为耕地
在实际处理过程中
CVA以图像的像元为
基本运算单元
首先对两期影像进行差值运算
得到每个像元的变化值
即为变化向量
变化的强度
用变化向量的欧氏距离表示
变化的类型
用变化向量的方向表示
变化向量法描述
从第一时间到第二时间的
光谱变化的大小和方向
每个像元
可生成一个具有变化方向
和变化强度(大小)
两个特征的变化向量
因此
CVA结果可输出
变化强度(向量强度)
和变化方向两幅图像
我们来看看变化强度的定义
变化向量ΔG包含了两幅图像中
所有变化信息
公式形式为
ΔG=A-B,
即变化向量ΔG是
向量A和向量B之差。
变化向量ΔG的模
即变化强度
公式形式为
模的数值越大
表明图像的差异越大
变化发生的可能性越大
那么
如何在变化强度图像上确定
单个像元的变化情况呢
一般通过设置阈值来判断
可多次尝试
找出合适阈值
我们来看看变化方向的定义
像元的变化方向
反映了该点在每个波段的变化数量
正向或负向变化
可根据变化向量方向确定
如图
这里展示了二维空间中
指向蓝色点
红色点的箭头方向
分别代表两种不同变化类型
可表示为两个不同的变化向量
ΔG1和ΔG2
在具体处理过程中
变化方向可采用
多种方法进行判定
常用的有
波段符号组合法
方向余弦法
二维空间向量的三角函数法
多时相空间的主成分分析法等
下面我们介绍一下
波段符号组合法
和方向余弦法
我们来了解一下高于二维空间的
波段符号组合法
多数CVA的应用中
变化类型的判断
可以分析每个参与计算
波段像元数值的正向
或负向变化
可以使用“+”、“-”符号
进行组合表示
其中 + 代表增加
- 代表减少
如图
由3个波段
两个时相组成的图像
在进行变化方向编码时
共有8种变化模式
如表格所示
类别1 ---
类别2 --+
类别3 -+-
共有8种类别
可表示8种变化方向
这里展示了一个变化方向编码示例
如图
由3个波段组成的遥感图像
从时间1变化到时间2
从表格中可看出
该像元时间1对应的数值
为38 10 30
时间2对应的数值
为45 20 25
对应的各波段变化数值
为7 10 -5
所以该像元变化模式为++-
那么
该像元到底是从什么类别
转为什么类别呢
比如是不是林地类别
转为草地类别
这需要从遥感图像上
进行目视解译和对比分析
波段符号组合方法编码也存在不足
当应用这种常规的符号组合方法
判断变化类型时
常常出现问题
① 当计算波段数为n时
组合法只能表示2ⁿ种符号
如果某一区域中有m种类型
并且各种变化都可能发生
那么该区域变化类型的总数就是
m(m-1)
因此
很有可能出现一种符号组合
代表多种变化类型的情况
从而导致对变化类型的错误判断
② 随着计算波段的增加
符号组合将呈几何级数增加
变化类型判断难度很大
我们来看看方向余弦法
以有6个波段的
Landsat TM多光谱数据为例
变化向量X为一包含6 个波段
分别与TM的第1, 2, 3,4, 5, 7波段对应
的光谱变化向量
向量X的模可以表示为公式
如果向量X
与各波段光谱亮度轴的夹角已知
则变化向量的方向余弦为
xn / |X|
xn 为各波段
光谱亮度轴的像元数值
可由这些方向余弦数值
构造一个新向量Z的特征空间
其中
Z由6个方向余弦组成
在新空间中
向量Z对应于该空间中唯一点
这样就可以把
变化类型的判断问题
通过向量的方向余弦的计算
转化为
方向余弦空间点的分类问题
我们来了解一下
CVA的优缺点
在像元光谱直接比较的方法中
变化向量法
由于不仅可以避免
分类后比较法多次分类费时费力
误差累积
并出现不合理变化类型的缺陷
如城市变为水田
而且与其它像元光谱的
直接比较方法相比
可以利用较多甚至全部的波段
来探测变化像元
并提供变化像元的类型信息
因此
变化向量分析方法
被认为是一种非常具有潜力的
分析方法
正越来越受到人们的重视
但是
与其它方法相比
变化向量分析方法也有不足
具体表现为
(1)对遥感图像质量
和预处理要求较高
CVA要求进行较为严格的辐射校正
事实上
目前对各种干扰
尤其是物候
导致的辐射差异的校正方法
仍不成熟
因此
只能通过选择同一传感器
同一时相的数据
来最大可能的减小
干扰噪声
这种对数据
和预处理的过高要求
极大地限制了CVA的广泛使用
(2)变化阈值的确定
和变化类型的判定比较困难
在实际处理过程中
常常通过经验判定
给出变化阈值
划分出变化和非变化像元
所以
变化阈值的确定一般是主观的
需要经过较长时间的摸索
缺乏高效的变化阈值确定方法
尤其是
随着遥感图像的波段数增加
变化类型的判断
难度越来越大
我们来了解一下
其它变化检测方法
除了上述介绍的
变化检测方法以外
还有研究人员
提出了一些其它的变化检测方法
例如
基于影像分割的
变化检测方法
基于统计学的
变化检测方法
顾及空间邻域的
变化检测方法等
这些变化检测方法
不仅利用图像的光谱特征
颜色特征
还考虑了图像的纹理特征
形状特征
结构特征等
随着变化检测技术的
不断完善和发展
软件平台的研发和综合利用
改善了传统检测技术效率低下
和误差大等缺点
促进了变化检测的自动化进程
提高了检测效率和检测精度
但是
目前还没有一种变化检测方法
具有绝对优势
可以普遍适用于各种不同场合
需要根据不同的目的
和数据源选择合适的方法
-第一章习题
-第一讲
-第二讲
-第二章习题
-第三章习题
-第一讲
--4.1.1 概述
--最小二乘法原理
-第二讲
-第四章习题
-第一讲
-第二讲
-第五章习题
-第六章习题
-第一讲
-第二讲
-第七章习题
-第八章习题