1 引言 遥感变化检测是指通过对不同时期同一区(2)
2013-07-01 01:52
导读：图像比值法对于SAR 图像上的乘性噪声是不敏感的，被广泛用于城区变化检测。对数比值法，在得到对应像素的比值后，再取其对数，能压缩图像的变化范
图像比值法对于SAR 图像上的乘性噪声是不敏感的，被广泛用于城区变化检测。对数比值法，在得到对应像素的比值后，再取其对数，能压缩图像的变化范围，将乘性噪声转换为加性噪声。代数运算法的优点是直接、简单，主要缺点在于(1)没有考虑多时相图像之间的相关性，简单计算可能出现虚警率；(2)变化阈值确定困难。
3.2 图像变换法
Lillesand[5]提出的主分量法，又称K-L 变换，是一种经典的
数学变换方法，把原来多个波段中的有用信息集中到互不相关的新成分图像中，达到冗余压缩和信息集中的目的。在进行主成分变换时，利用协方差矩阵和相关矩阵得到的主分量是不同的，由相关矩阵推导的主分量变换对于多时相分析是尤其有用的[6][7]。
Malila 提出了变化向量分析法(Change Vector Analysis,CVA)[6],Johnson[8]等详细阐述了这种方法的具体内容、优缺点。变化向量法是一种多变量的方法，描述从第一时间到第二时间的光谱变化的强度和方向。如果变化向量的幅值超过给定的门限，则判定该像素发生变化，变化向量的方向包含变化类型信息。该方法可用在多通道极化SAR 图像的变化检测，或者用于多特征，如空间结构特征，纹理特征等分析。
相关分析法，斑点的时相去相关提供了地表在结构或介电特性上可能的变化信息，并且这种变化检测不依赖于定标精度。实际应用中，通常使用一般的强度图像来计算斑点相关系数，不考虑相位信息。
3.3 分类法分类
后比较法，在70 年代末开始应用于Landsat 卫星影像的变化检测。分类后比较法是对每幅图像单独进行分类，然后对图像的分类结果图进行比较，以确定变化的类别和区域。
（科教范文网 lw.nSeAc.com编辑发布）
如果对应像素的分类类别相同，则认为该像素没有发生变化，否则认为该像素发生了变化。
使用分类法的优点主要有：(1)可以给出区域变化的类型、位置、数量等有关地物性质信息；(2)受图像配准的影响要小。此方法的主要缺点是它受分类器的影响很大，不同的分类器能够决定变化检测的精度高低。
同时分类法，将多时相图像构成一副复合影像进行分类，得到的分类结果图中的每一类代表一种变化类型。此方法能够减少分类时间，但是难于标记变化类别，而且分类更加复杂，对训练样本的选取相当高。
随着
计算机技术的发展，解决复杂问题的各种数学方法与专家知识被逐渐加入。人工神经网络、向量机、专家智能等方法成为热点。
4 国内外研究现状
近几十年来，SAR 变化检测技术被越来越多的国内外学者所关注。国外，SAR 变化检测技术方兴未艾，国内，该技术正处于起步阶段[9]。
4.1 国外现状
国外，Vilasenor [10]利用两幅重轨ERS-1 SAR 影像对阿拉斯加北坡地区进行了变化检测，验证了雷达后向散射强度的差值比较可以作为变化检测的一种方法。Rignot[11]等人根据多视SAR 强度影像服从Gamma 分布的假设，从理论上证明了比值法更适合多时相SAR 影像的变化检测。Bazi[12] [13] [14][15]、Bruzzone[16]等在多时相SAR 比值图像的阈值变化检测算法上展开一系列研究。针对直接代数运算法没有考虑到象元的空间上下文信息，误检和漏检现象严重，近几年来出现了在此基础上的基于上下文空间关系的变化检测，主要从两个方面进行改进。一方面，单尺度上利用差异图像的上下文关系进行进一步的优化得到变化图, Bruzzone[17]
（转载自http://zw.ＮＳＥaＣ.com科教作文网） 首先利用 Markov 随机场对差值图像进行分析，并求得最优的变化检测结果。文献[18][19][20][21][22]都是基于马尔科夫随机场进行上下文分析。文献[23][24]利用神经网络进行上下文分析；另一方面，利用差异图像的小波多尺度信息进行优化得到变化图，如Bovolo[25],Inglada[26],Celik.T[27][28]利用多尺度小波信息进行变化信息的优化。
