8.4 遥感图像变化检测应用实例在线视频

我们介绍一个

遥感图像变化检测应用实例

看图

我们的示例数据是

Landsat TM

多光谱遥感图像

这两景图像覆盖北京市

相同地区

前期遥感图像的拍摄时间是

2001年6月4日

后期遥感图像的拍摄时间是

2011年6月8日

后期图像上

有少量云及其阴影

需要在预处理过程中

对其进行处理

在挑选图像的过程中

我们尽量选择

相同传感器拍摄的图像

且图像拍摄日期靠近

最大可能的减小“干扰噪声”

我们介绍一下

示例遥感图像的预处理

主要包括云及其阴影掩膜处理

图像裁剪

相对辐射校正等处理

如图

2011年6月8日拍摄的图像

存在云遮挡区

同时云还会在地面产生阴影

阴影区域的光谱特征

和正常地表覆被光谱特征

存在差异

通常情况下

将云和阴影区进行掩膜处理

将这些区域排除在外

不进行变化检测处理

以确保检测结果的正确性

如何对云和阴影区

进行掩膜处理呢

从Landsat TM多光谱图像上

检测云及其阴影区域

不是一件容易做到的事情

如果手动编辑

工作量太大

效率太低

为了节省处理时间

我在这里介绍一个

云和阴影区域

自动检测模型

是我们利用

ERDAS建模工具

建立的一个可运行模型

模型形式如图所示

只要设置好这个

检测模型的

相关参数

点击运行

即可输出

Landsat TM遥感图像的

云及其阴影覆盖区域

它的结果图像

这个自动检测模型运用

云覆盖区域

在Landsat TM数据的

可见光和近红外波段

热红外波段图像的差异

通过波段间的

代数运算

和比较分析

初步标识有云区域

然后通过图像膨胀算法

将云及其阴影区域

划分出来

ERDAS模型需要设定

9个运行参数

如表所示

表格列出了

检测模型的内容标示

和参数设置内容

对每个参数设置

都有详细介绍

非常简单

容易操作

很轻松

即可输出云和阴影检测结果图像

我们展示一下

自动检测模型输出结果

如图

这是云及其阴影提取结果图像

它是一个

单波段的灰度图像

可以应用于

云及其阴影剔除处理

利用这个输出结果

对2011年6月8日拍摄

遥感图像进行剔除处理

即可将图像上的云

及其阴影区域挖掉

即将对应像元值设置为0

然后

将前期和后期遥感图像

采用同一个研究区范围

进行裁剪处理

输出结果图像

如右图所示

这是经过云及其阴影掩膜处理后的

后期图像

完成这些初步预处理后

我们可以开始下一步

相对辐射校正处理

为了完成

相对辐射校正处理

我们可以在两景

不同时相图像上

采集同一地物的样本像元

这两景图像获取日期

前后相差不大

同一地物在图像上的辐射亮度

存在相关关系

我们可利用回归分析

建立两个不同时相

图像像元数值之间的

函数关系式

然后利用这个关系式

完成相对辐射校正

在采集像元样本时候

尽量选择纯净像元

比如森林 草地 水体

等不同类型

这里展示了

2001-06-04

和2011-06-08

图像波段的线性拟合结果

分别为

波段2 波段3 波段4的

像元样本的二维散点图

其中

横坐标为

2001年6月4日图像的

像元值

纵坐标为

2011年6月8日图像的

像元值

利用回归分析方法

建立起二者之间的线性关系式

作为相对辐射校正公式

这里展示的预处理前后

遥感图像的对比

上面的两幅图像是

前期（2001-6-4）

和后期（2011-6-8）

原始遥感图像

下面的两幅图像分别为

预处理后的图像

其中

左图显示的是

前期遥感图像

完成云及阴影去除

裁减处理后的结果

右图显示的是

后期遥感图像

完成云及阴影干扰去除

相对辐射校正

裁减处理后的结果

至此

我们已经准备好

用于变化检测的遥感图像

可以进行

CVA变化检测处理了

接下来

我们可以输出前期和后期

遥感图像之间变化强度图像

如图所示

这里展示的是差值结果图像

其中

像元越亮

表示后期遥感图像的像元数值

增加越大

亮度越暗

表示后期遥感图像的像元数值

减少越大

在变化强度图像上

设置合适阈值

可标识主要变化区域

比如

像元数值增加很大区域

和像元数值减少很大区域

如右图所示

在图上分别用绿色

和红色表示两种典型变化

需要注意的是

找出合适的阈值

不是一件容易的事情

往往需要多次测试和比较

直至阈值能够满足

标识典型变化区域的要求

这里展示的是

变化方向编码输出图像示例

采用波段符号组合法

对前期遥感图像

和后期遥感图像的

4、3、2波段

像元数值变化模式

进行编码

分为

1 2 …8种不同的变化方向

分别显示为不同的颜色

需要注意的是

这8种不同的变化模式

分别代表从什么类别

转为什么类别呢

在本讲的第3小节我们强调过

这需要我们从遥感图像上

进行目视解译和对比分析

然后确定具体变化类型

这里展示的是

检测结果局部实例

主要显示了地表覆被类型

转换为绿地和植被的情况

上面的原始图像分别为

前期和后期遥感图像

采用的是标准

假彩色合成

下面为变化检测结果图像

对比前后期原始图像

可以看出

2011年图像上

由其它颜色变化为红色的区域

应该是地表覆被类型

转换为绿地和植被的典型区域

在我们的变化检测结果图像上

采用红色标识

很明显

能较好地检测

这种地表覆被类型转换

这里展示的地表覆被类型

转换为人工建筑物的情况

上面的原始图像

分别为前期和后期图像

下面为变化检测结果图像

可以看出

2011年图像上

由其它颜色变化为

灰白高亮区域

应该是地表覆被类型

转换为人工建筑物的典型区域

在我们的变化检测结果图像上

采用绿色标识

也能较好地

检测这种地表覆被类型转换

本章我们就学习到这里

谢谢