基于主成分变换的遥感影像变化检测.pdf

《基于主成分变换的遥感影像变化检测.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、DOI：10．3969／j．issn．1672—4011．2014．06．106基于主成分变换的遥感影像变化检测唐红梅，李永川(黄河水利职业技术学院，河南开封475004)摘要：本文提供了一种比较简单、易理解、可以快速提取遥感影像的变化信息的方法——基于主成分变换的方法，并就某一地区的两幅不同时相的影像进行变化检测，取得了理想的效果；对比了几种常用变化检测方法，验证了该方法简单、快速、高效的特点。关键词：变化检测；主成分变换；遥感影像中图分类号：rIW5l文献标志码：A文章编号：1672—4011(20

2、14)06—0230一02RemoteSensingImageChangeDetectionBasedonPrincipalComponentAnalysisTANGltongmei，L1Yongchuan(YellowRiverConservancyTechnicalInstitute，Kaifeng475004，Clara)Abstract：Thepaperprovidesasimple，easyunderstoodmethodwhichc蜘quicl【lyextractchangeinformat

3、ionofremotesensingimages—-themethodbasedonPrincipalComponentA··nalysis．Achangedetectionexperimentationoftwodifferentima-gesinaparticularareawasproduced，theexperimentationanal-ysisseveralcommonlyusedmethodofchangedetection，andthemethodbasedOilPrincipalCom

4、ponentAnalysisWasprovedtobesimple，fastandefficientive．Keywords：changediction；principalcomponentanaly-sis；remotesensingimages0前言遥感影像变化检测已经在社会经济建设领域广泛应用。目前，各种遥感影像的变化检测方法已经取得了一定的成果．得到了广泛的应用。本文提出了基于主成分变换(PCA)的多时相遥感影像变化检测方法，并通过实验验证了该方法高效、方便的特点。1遥感影像变化检测利用遥感多光

5、谱数据进行变化信息的提取和检测，传统方法可分为两类：光谱类型特征分析和光谱变化向量分析。1．1光谱类型特征分析光谱类型特征分析方法主要基于不同时相遥感影像的光谱分类和计算，确定变化信息的分布和类型特征。作者简介：唐红梅(1983一)，女，山东泰安人，硕士研究生。研究方向：摄影测量与遥感。1)直接比较法。这种方法大多通过阈值来确定变化区域，所以阈值的确定显得尤为重要。2)分类后比较法。这种方法的检测结果受到分类的误差影响，会不可避免地夸大变化的程度。3)多光谱变换信息提取与检测方法。(1)差异主成份法。两

6、时相的影像经纠正、配准后，先对影像进行插值计算，再取差值绝对值，得到一个差值影像，再对差值影像做主成分变换，其中第一分量可以认为是提取出来的变化信息。(2)多时相图像主成分变化法。这种方法将两时相的波段数据组成一个波段组。通过主成分分析后，前几个分量上集中了两个影像的主要信息，而后几个分量则反映出了两影像的变化信息。优点是能够分离信息、减少相关，从而突出不同的地物目标。1．2光谱变化向量分析这种方法是基于不同时相图像之间的辐射变化，着重对各波段的差异进行分析，确定变化的强度与方向特征。主要优点在于可以利

7、用较多甚至全部波段信息来检测变化像元，主要不足在于变化阈值的确定比较困难。1．3变化检测的流程一个完整的遥感影像变化检测基本流程如图1所示。圈1变化检测流程图2基于主成分分析的遥感影像变化检测2．1多光谱影像主成分变换K—L变换的主要目的，就是把原来多波段图像中的有用信息集中到数目尽可能少的新的主成分图像中，并使这些主成分图像之间互不相关，大大减少总的数据量并使图像信息得到增强。主成分变换后的第一主分量包含绝大部分信息，第二主分量次之，只要取前面少数几个主成分就可以包含原始变量中的绝大部分信息，因此，主

8、成分变换具有影像增强、降维和数据压缩的作用。2．2主成分变换的特征1)变化前后的方差总和不变，把原来的方差不等量的分配到新的主成分图像中；2)第一主成分包含了原来各波段图像的绝大部分信息，其余主成分所包含的信息依次迅速减少；3)在新的空间中各分量相互独立，相关系数为零；4)变换后第一主成分不仅包含的信息量大，而且降低了噪声；5)把原来的多变量数据在信息损失最小的前提下，变换为尽可能少的互不相关的新的变量(主成分)，以减少数据的维数，节省处理