第35卷，第6期 2015年6月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 35 ,No. 6 -pp1709-1714
June,2015
基于OB-HMAD算法和光谱特征的高分辨率遥感影像变化检测
陈强".2，陈云浩1,2，蒋卫国1.3
1.北京师范大学地表过程与资源生态国家重点实验室，北京100875 2.北京师范大学资源学院，北京100875
3，北京师范大学减灾与应急管理研究院，北京10087
摘要高空间分辨率遥感影像蕴涵丰富的地物细节信息，针对高分辨率多时相遥感影像的变化检测可以更清楚认识到地理单元的变化情况，传统的遥感变化检测算法面对高分辨率遥感影像时，会出现明显的“ 盐现象”。本文借鉴面向对象图像分析的思想，以高分辨率遥感影像对象的光谱特征为分析对象，在多变量变化检测算法（multivariatealternativedetection，MAD)的基础上，提出一种半自动阅值选取的OB-HMAD(objectbased-hybridMAD)算法，并利用该算法进行变化检测实验对比分析。首先对高分辨率多时相遥感影像进行多尺度分割，形成多通道的影像对象：其次利用MAD变换，形成差异影像对象，并对其进行MNF 变换，提高影像对象的信噪比；然后采用直方图曲率分析(histogramcurvatureanalysis，HCA)进行半自动阅值选取，提取变化区域；最后结合实地样本数据对变化检测结果进行混淆矩阵的精度验证。结合2012年和 2013年北京地区Worldview-2影像的实验可知，OB-HMAD算法融合多通道的光谱信息，可以有效的实现多时相高分影像的变化检测，基本消除了基于像元变化检测中“椒盐"现象的干扰，并在一定程度上降低建筑物阴影和几何配准误差的影响，总体精度和kappa系数也较优于其他变化检测算法，但存在较大的漏检误差。MNF变换可以有效的提高影像的信噪比，使差异信息更集中，直方图曲率分析的阅值分割算法相对其他闻值算法，自动化程度更高。
关键词面向对象；MAD：变化检测：高分辨率遥感
中图分类号：TP7文献标识码：A
引言
DOI : 10. 3964/j. issn. 1000-0593(2015 )06-1709-06
较检测法。分类后比较法是要先对不同时期的影像分别分类，构建详细的类别转变矩阵，从而得到各类别的变化信息，这个方法的缺点是容易形成误差的累积效应，使算法的
随着遥感科学技术的发展，高空间分辨率的遥感影像已
产泛应用于社会各领域，相对于中低分辨率的影像，高分影像数据具有更丰富的地物信息和更精细化的地物特征。在变化检测领域中，如何能高效利用高分辨率遥感影像丰富的地物细节变化信息，有效地抑制各类自然条件和成像条件引起的信息十扰，是高分辨率遥感影像变化检测研究的热点间题。在过去几十年的研究中，针对多时相多光谱中低分辨率遥感影像已形成了一套系统的变化检测和识别的方法，但这些算法在面向高分辨率的遥感影像时，都不同程度受到各方面的干扰，算法精度较低，“椒盐”现象严重。
变化检测是指从不同时期的数据中定量分析和确定地表变化信息的一种技术口，幻，主要分为分类后比较法和直接比收稿日期：2014-04-14，修订日期：2014-08-13
精度降低，而且工作量大。直接比较法主要通过对影像的代数运算、线性变换和变化失量等方法实现，常见的有影像差值/比值、主成分变换3、变化失量分析以及多特征融合5等。这些方法都各有优劣，对于高分辨率影像的应用都存在缺陷。在这些较成熟的算法中，选择有更好适应性的多变量变化检测算法（MAD），对其改进使之应用在高分辨率遥感影像的变化检测研究中。
基于典型相关分析的MAD算法在多通道遥感影像变化
检测过程中，可较有效地消除不多时相不同通道之的相关性的影响，通过构造不同时相之间的典型变量差值形成差异影像，将变化信息分配到相对独立的MAD变量中3]。目前，已有不少学者将MAD算法结合一些线性变换算法将其应用
基金项目：国家科技支撑计划课题项目(2012BAJ23B05)和国家自然科学基金项目（41171318)资助作者简介：陈强，1986年生，北京师范大学资源学院博士研究生
e-mail : chenqiang@ mail .bnu edu.cn
e-mail : cyh@ bnu .edu .cn
%通讯联系人