ENVI遥感影像变化检测
遥感影像变化检测简述
遥感影像变化检测简述摘要：遥感影像变化检测一直是国际遥感领域研究的热点和难点，随着遥感对地观测技术的快速发展和应用，变化检测技术体系也在不断地发展和演化，已广泛应用于国土资源管理、地物变化、农林业的监测等领域。
现有的遥感变化检测技术方法很多，分类方式也很多，目前的研究表明，没有任何一种变化检测方法具有绝对的优势。
在实际的应用中，要根据具体的应用目的选取合适的变化检测方法。
本文将对遥感影像变化检测的基本概念、主要检测流程以及不同分类体系下的检测方法及各方法的优缺点进行简要阐述。
关键词：遥感影像；变化检测；检测方法中图分类号：文献标志码：文章编号：遥感影像变化检测是利用不同时期覆盖在同一地表区域的多源遥感影像和相关地理空间数据，结合相应地物特性和遥感成像机理，采用图像、图形处理理论及数理模型方法，确定和分析该地域地物的变化[1]，包括地物位置、范围的变化和地物性质、状态的变化。
它的最终目标就是提取出变化信息并确定变化的类型。
近年来，随着航天技术和信息科学技术的飞速发展，遥感影像获取技术呈现出多平台、多角度多传感器和高时间分辨率、高空间分辨率、高光谱分辨率、高辐射分辨率的特点[2]，海量的遥感数据为遥感应用提供了坚实的数据基础。
怎样从海量的遥感影像数据中提取和检测出变化信息已成为当前遥感数据处理技术的主要发展方向[3]。
国内外学者从不同角度针对不同应用研究了大量的变化检测方法和理论模型，但目前还没有发现一种适合所有场景的方法[4]，还需根据具体情况，选择合适的变化检测方法。
论文简述了遥感变化检测的主要流程，简单介绍了几种目前主要使用的变化检测方法及其优缺点。
1 遥感变化检测的主要流程目前，各学者对遥感影像的变化检测过程提出了不同的划分步骤。
本文将遥感影像的变化检测过程总结为数据源选取、数据预处理、变化信息提取、变化信息后处理、检测精度评价五个部分。
数据源选取。
现在变化检测可以利用的数据源有很多，单波段、多波段、单时相、多时相等影像都有。
envi遥感影像精度检验步骤
envi遥感影像精度检验步骤
以下是使用ENVI进行遥感影像精度检验的步骤：
1.加载图像：在ENVI中加载需要进行精度检验的遥感影像。
2.创建训练样本集：根据实际需要，使用ROI工具创建训练样本集。
训练样
本集应该包含真实的地物信息，用于后续的分类精度评估。
3.分类：在ENVI中进行图像分类，得到分类结果。
常用的分类方法包括监督
分类、非监督分类等。
4.精度评估：使用ENVI中的混淆矩阵工具，对分类结果进行精度评估。
混淆
矩阵可以显示分类结果中的各类地物正确和错误的分类情况。
5.分析精度：根据混淆矩阵的分析结果，可以得出分类精度、总体精度、
Kappa系数等精度指标，进而评估分类结果的可靠性。
6.优化分类：根据精度评估结果，对分类过程进行优化，例如调整分类参数、
改进训练样本集等，以提高分类精度。
7.应用改进后的分类方法：将优化后的分类方法应用到实际遥感影像中进行
分类，并对分类结果进行精度评估，确认是否达到了精度要求。
通过以上步骤，可以对遥感影像的分类结果进行准确的精度评估，为后续的数据处理和应用提供可靠的基础。
需要注意的是，以上步骤只是其中的一部分流程，具体的操作方法和参数设置可能因遥感影像的数据特点和实际需求而有所不同。
遥感影像的变化检测与分析方法
遥感影像的变化检测与分析方法在当今科技飞速发展的时代，遥感技术凭借其能够获取大范围、多光谱、多时相的地表信息的强大能力，成为了众多领域中不可或缺的工具。
而遥感影像的变化检测与分析方法，更是在资源监测、环境评估、城市规划等方面发挥着关键作用。
遥感影像变化检测，简单来说，就是通过对比不同时期的遥感影像，找出其中发生变化的区域和特征。
这一过程就像是在玩“找不同”的游戏，但要复杂和精确得多。
为了实现准确的变化检测，首先得有高质量的遥感影像数据。
这些影像通常来自卫星、飞机等平台，包含了丰富的地物信息。
然而，在获取影像的过程中，可能会受到天气、传感器精度等因素的影响，导致影像存在噪声、几何变形等问题。
所以，在进行变化检测之前，需要对影像进行预处理，包括辐射校正、几何校正等操作，以提高影像的质量和一致性。
常用的变化检测方法可以大致分为基于像元的方法和基于对象的方法。
基于像元的方法直接对影像中的每个像素进行分析和比较。
其中，差值法是一种常见的思路，就是将两个时期的影像对应像素的灰度值相减，得到差值影像。
如果差值超过了一定的阈值，就认为该像素发生了变化。
这种方法简单直观，但容易受到噪声的干扰，而且对于光谱相似但实际发生变化的区域可能检测不出来。
相比之下，基于对象的方法则先将影像分割成不同的对象，然后再对这些对象进行变化检测。
这种方法考虑了地物的空间特征和上下文信息，能够更好地处理复杂的场景。
例如，面向对象的分类后比较法，先对不同时期的影像分别进行分类，然后比较分类结果，从而确定变化的区域。
除了上述方法，还有一些基于特征的变化检测技术。
这些特征可以是地物的形状、纹理、光谱特征等。
通过提取和比较这些特征，来判断是否发生了变化。
在进行变化检测之后，接下来就是对检测结果的分析。
这包括对变化区域的类型识别、面积计算、变化趋势预测等。
例如，在城市发展研究中，通过分析变化区域，可以了解城市扩张的方向和速度，为城市规划提供依据。
遥感影像变化检测技术研究
遥感影像变化检测技术研究摘要：随着遥感技术的快速发展，遥感影像变化检测技术在许多领域得到了广泛应用。
本文对遥感影像变化检测的基本原理、常见方法以及未来的发展趋势进行了综述。
我们介绍了影像变化检测的研究背景和意义，详细描述了遥感影像变化检测的基本原理和工作流程。
随后，我们对常见的遥感影像变化检测方法进行了分类和介绍，包括基于像素、目标和时序的变化检测方法。
最后，我们探讨了遥感影像变化检测技术的应用前景以及未来的研究方向。
1. 引言随着遥感数据获取技术的发展，遥感影像变化检测在土地利用变化、城市扩张监测、环境保护等许多领域得到了广泛应用。
通过遥感影像变化检测技术，可以实现对地球表面环境变化的监测和评估，为相关决策和规划提供科学依据。
2. 遥感影像变化检测的基本原理遥感影像变化检测的基本原理是利用不同时间获取的遥感影像数据进行比对和分析，以判断地表目标在不同时间段内的变化情况。
变化检测可以分为像素级、目标级和时序级三个层次。
2.1 像素级变化检测像素级变化检测通过比较不同时间点的像素值差异，判断地表目标的变化情况。
常用的像素级变化检测方法包括差异图像比较、阈值分割和基于特征提取的方法。
2.2 目标级变化检测目标级变化检测通过目标提取和分类识别的方法，从变化影像中检测和识别目标的变化情况。
常用的目标级变化检测方法包括基于多变量统计分析、机器学习和人工智能的方法。
2.3 时序级变化检测时序级变化检测通过分析目标在一段时间内的变化趋势，判断地表目标的变化类型和变化趋势。
常用的时序级变化检测方法包括基于时间序列分析和基于时空相关性分析的方法。
3. 遥感影像变化检测的方法分类和介绍根据变化检测的目标和方法的不同，遥感影像变化检测可以分为监督和非监督两类方法。
3.1 监督变化检测方法监督变化检测方法需要事先准备一定数量的训练样本，通过训练分类器（如支持向量机、随机森林等）实现变化检测。
这些方法能够获得较高的精度，但需要大量的训练数据和人工标注，适用于较复杂且需要精确检测的场景。
如何进行遥感影像的变化检测
如何进行遥感影像的变化检测遥感影像的变化检测是指利用遥感技术，对不同时间或不同条件下的遥感影像进行比较和分析，以提取出地表或地物在时空上的变化信息。
这项技术在环境监测、资源调查、城市规划等领域具有重要应用价值。
本文将探讨如何进行遥感影像的变化检测。
一、遥感影像的数据预处理在进行遥感影像的变化检测之前，首先需要对数据进行预处理。
这包括影像获取、几何校正和辐射定标等步骤。
影像获取是指通过卫星、无人机或其他传感器获取遥感影像数据。
几何校正是为了保证影像的几何位置和形状的正确性，常用的方法有地面控制点法和特征匹配法。
辐射定标是将影像数据转换为反射率或辐射亮度，以消除不同影像源的差异。
二、遥感影像的差异提取差异提取是遥感影像变化检测的关键步骤。
常用的方法有基于像素的方法和基于对象的方法。
基于像素的方法是将影像分别进行像素级的比较，主要是通过计算像素之间的差异来判断变化情况。
基于对象的方法是将影像分割成不同的对象，然后比较对象之间的属性变化。
这两种方法各有优势，根据具体需求选择合适的方法。
基于像素的方法常用的技术包括灰度差异法、差值法和比率法。
灰度差异法是通过比较两期影像像素值的差异来判断变化情况。
差值法是通过计算两期影像像素值之差来提取变化信息。
比率法是通过计算两期影像像素值的比值来提取变化信息。
这些方法都有其适用范围和局限性，需要根据具体情况进行选择。
基于对象的方法常用的技术包括监督分类和非监督分类。
监督分类是指利用已知变化信息进行分类训练，然后将训练结果应用于变化检测。
非监督分类是根据像素的统计特征将影像分割成不同的对象，然后根据对象之间的属性变化进行变化检测。
这些方法可以较好地处理遥感影像中的复杂背景和噪声干扰。
三、遥感影像的变化分析与应用在进行遥感影像的变化检测之后，就可以进行变化分析和应用了。
变化分析主要是通过对变化图像进行解译和分析，提取出有意义的变化信息。
这包括变化的类型、范围和程度等方面的研究。
遥感影像变化检测的测绘技术步骤与技巧
遥感影像变化检测的测绘技术步骤与技巧遥感技术在现代测绘和地理信息系统中起着重要的作用。
遥感影像变化检测是一种利用多期遥感影像进行地物变化的分析和监测的方法。
它可以广泛应用于土地利用变化、自然灾害评估、城市发展等领域。
本文将探讨遥感影像变化检测的测绘技术步骤与技巧。
1. 影像预处理在进行遥感影像变化检测之前，首先需要对原始影像进行预处理。
预处理包括辐射校正、大气校正和几何校正等步骤。
辐射校正可以消除影像中的辐射差异，大气校正可以去除大气干扰，几何校正可以使影像与地理坐标系统对齐。
2. 影像注册由于多期遥感影像可能存在位置偏差，需要进行影像注册，将多期影像进行精确对齐。
常用的影像注册方法包括特征点匹配和控制点匹配等。
3. 影像分割影像分割是将影像划分为具有一定独立性的区域，为后续的变化检测提供基础。
常用的影像分割方法包括基于阈值、区域生长和分水岭算法等。
4. 变化检测在完成影像分割后，可以进行变化检测。
变化检测主要包括像素级变化和目标级变化。
像素级变化检测是通过对比多期影像中相同地点像素的灰度值或其他特征来判断地物是否发生变化。
而目标级变化检测是将影像中的目标物体进行提取和比对，判断目标是否发生变化。
5. 变化分析在完成变化检测后，可以对变化区域或变化目标进行进一步的分析。
这包括变化区域的面积计算、变化速率的估算、变化趋势的评估等。
变化分析可以提供对地物变化过程的理解和预测。
在进行遥感影像变化检测时，还需要注意一些技巧和细节：1. 选择合适的影像在进行变化检测之前，需要选择合适的遥感影像。
多期影像之间应具有一定的时间间隔，以便能够观察到地物的变化。
同时，影像质量也需要达到一定要求，以保证变化检测的准确性。
2. 选择适当的变化检测方法根据实际需求选择适当的变化检测方法。
不同的方法适用于不同的应用场景。
需要综合考虑影像分辨率、变化目标的特征、变化幅度等因素。
3. 结合其他数据源进行验证为了验证遥感影像变化检测的结果，可以结合其他数据源进行验证。
遥感影像变化检测
遥感影像变化检测报告学院：专业：指导老师：小组成员：2013年5月1、遥感影像变化检测的概念遥感影像变化检测指利用多时相获取的覆盖同一地表区域的遥感影像及其它辅助数据来确定和分析地表变化。
它利用计算机图像处理系统，对不同时段目标或现象状态的变化进行识别、分析；它能确定一定时间间隔内地物或现象的变化，并提供地物的空间分布及其变化的定性与定量信息。
由此可知，遥感影像变化检测是从不同时期的遥感图像中，定量地分析和确定地物变化的特征和过程。
它涉及到变化的类型、分布状况及变化信息的描述，即需要确定变化前后的地物类型、界限和分析变化的属性。
变化检测的研究对象为地物，包括自然地物和人造地物，其中人造地物在军事上常被称为目标。
描述地物的特性包括：空间分布特性、波谱反射与辐射特性、时相变化特性。
遥感影像的变化检测在土地覆盖变化监测、环境变迁动态监测、自然灾害监测、违章建筑物查处、军事目标打击效果分析以及国土资源调查等方面拥有广泛的应用价值和商业价值。
变化检测通常包括以下4个方面的内容：(1)判断是否发生了变化，即确定研究区域内地物是否发生了变化；(2)标定变化发生的区域，即确定在何处发生了变化，将变化像元与未变化像元区分开来；(3)鉴别变化的性质，给出在每个变化像元上所发生变化的类型，即确定变化前后该像元处的地物类型；(4)评估变化的时间和空间分布模式。
其中，前两个方面是变化检测所要解决的基本问题，而后两个方面则根据应用要求决定是否需要做。
2、遥感影像变化检测的三个层次遥感图像分析过程中通常包括数据层处理、特征层处理和目标层处理三个过程。
依据这三个层次划分，可将变化检测分为：像元级变化检测、特征级变化检测和目标级变化检测。
(1)像元级变化检测是指直接在采集的原始图像上进行变化检测。
尽管基于像元的变化检测有它一定的局限性，但由于它是基于最原始的图像数据，能更多地保留图像原有的真实感，提供其它变化检测层次所不能提供的细微信息，因而目前绝大多数的变化检测方法都是像元级变化检测。
ENVI遥感影像特征变换
ENVI遥感影像特征变换ENVI遥感影像特征变换是一种用来提取或改变遥感影像特征的方法，通过对原始遥感图像进行其中一种数学操作或算法处理，得到新的图像，以达到更好的分析和识别效果。
特征变换有多种方法，其中包括主成分分析（PCA）、线性判别分析（LDA）、离散余弦变换（DCT）等。
主成分分析（PCA）是一种常用的特征变换方法，它通过将原始遥感影像转换到一个新的特征空间中，使得新特征空间中的变量相互之间无关，并且新特征空间中的第一个主成分的方差最大，第二个主成分的方差次之，依此类推。
通过PCA，我们可以将原始图像中的信息压缩到最重要的几个特征中，从而实现图像的降维和去噪。
此外，PCA还可用于图像的分类和目标检测。
线性判别分析（LDA）是一种监督式的特征变换方法，它根据样本的类别信息，将原始图像空间映射到一个低维度的特征空间中。
LDA试图最大化样本之间的类别差异，同时最小化类内的方差。
LDA常被用于目标识别和图像分类的特征提取。
与PCA不同的是，LDA不仅考虑了样本之间的关系，还考虑了样本的类别信息，因此LDA在提取图像特征方面的效果更好。
离散余弦变换（DCT）是一种基于频域的特征变换方法，它将图像从空域转换到频域。
DCT是JPEG图像压缩算法中的基础，也可用于遥感图像中的特征提取和压缩。
与傅里叶变换相比，DCT更适合图像处理，因为DCT更好地捕捉了图像的局部特征。
DCT将图像转换为一组DCT系数，其中高频DCT系数表示图像中的细节信息，低频DCT系数表示图像中的整体特征。
除了以上提到的几种特征变换方法外，还有其他一些方法，如小波变换、拉普拉斯变换、奇异值分解等。
这些方法在不同的场景和任务中具有不同的应用效果。
根据具体的需求和问题，我们可以选择合适的特征变换方法来提取遥感影像中的相关信息。
在使用特征变换方法时，需要注意一些问题。
首先，特征变换可能导致图像信息的损失，因此在进行特征变换之前需要仔细考虑所需的信息和保留程度。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3-农业用地变化监测
ag_08_quac.img 2008年Landsattm图像
ag_09_quac.img 2009年Landsattm图像
Greenfields 农田
Stubble field 留茬地
Fallow field/Bare soil 休耕地/裸土地
Water水体
Bare ground/rock裸地/裸岩地
操作方法及过程
1.森林开采监测
打开实习数据0-森林开采监测下的实习数据。
✓Compute Difference Map
选择basic tools/change detection/ Compute Difference Map，分别选择原始的影像july_06与july_00，在弹出的Compute Difference Map input
parameters窗口下，查看define class thresholds，no change表示没有变化，
change（-1）表示减少，change（+1）表示增加；其他默认选项不变，
勾选normalize data range[0-1]，选择输出路径与文件名为com_diff。
选择classification/post classification/classification to vector，在输入图层中选择上一步生成的结果，弹出窗口中选择全部，保存路径生成结果，
转化为矢量。
（由于耗时过多，故可以不做）
✓Image Difference
打开ENVI Zoom 4.8，将原始的影像导入到其中，在ENVI Zoom窗口下的toolbox中选择image change，弹出image change detection的对话
框，将time 1classification image file选择为00年影像，点击OK，time2
classification image file中选择06年影像数据，点击OK，选择下一步，
保持默认设置，选择下一步，选择image difference，选择下一步，选择
3.耕地变化监测
Change Detection Statistics
Thematic Change
首先加载两幅影像ag_08_maxlike.img，ag_09_maxlike.img，观察影像信息，我们发现，其中黄色的是休耕地，绿色的是有农作物覆盖的
农田农田，黄褐色的是留茬地，蓝色是水体，灰色是裸岩。
操作：Basic Tools→Change Detection→Change Detection Statistics，首先选择
08年数据，然后选择09年数据，因为两幅影像的分类名称一致，系统会
自动对应。
点击ok。
在change detection statistics output中选中
pixels、percent、area，选择掩膜输出，选择保存位置。
生成统计结果，选择area选项，在option中选择单位变换为square km。
打开ENVI Zoom，把08和09年的数据加载进去，与前面一样，也可以利用Portal进行查看两个年份的土地覆盖类型的变化，另外，点击
crosshairs，移动鼠标可以查看两个年份是否发生了土地类型的变化；
点击crosshairs，移动鼠标可以查看两个年份是否发生了土地类型的变
化。
Toolbox→workflows→Thematic Change，分别输入两个时相的影像
数据，接着点击Next，然后进行结果影像进行平滑和聚类处理，平滑处
理的参数与上面一样，设置为3；聚类处理的参数设置为5。
把结果影像
和统计结果输出。
图1
图2
将影像在zoom中生成结果后如上图2所示，影像上红色区域变化加大，表示的是两幅影像时间差之间被砍伐的森林区域，占大部分的面积，蓝色部分表示该时间段内植被增长的区域，但是面积相比较被砍伐的区域来说小很多，黑色部分是代表没有变化的区域。
在arcmap中将最后结果输出，如下图3所示，很清楚的可以看清楚红色表示00年到06年植被大量减少的区域，绿色表示植被增加的区域，浅绿色表示植被覆盖没有发生变化的区域。
图3 Arc map制图输出结果
2、林地病虫害遥感动态监测
图4 ndvi影像
如上图4所示，分别是2002年与2007年经过NDVI计算的影像，从
上面的影像中可以清楚的看到2007年的NDVI影像上有些区域变成了灰
色，也就是植被收到病虫害的区域，NDVI影像上亮度很高的植物量表示
很大。
图5
如上图5所示，前者为未经过Density Slice处理的结果，后者为经过Density Slice处理的结果，在最后生成的结果中（图5中右图）绿色表示植物被破坏严重区域，这种区域面积很大，而红色的斑点区域都是破坏严重程度一般的区域，这种区域占面积不很大，只有不大的区域，蓝色区域表示的是基本没有发生大变化的地方。
3、耕地变化监测
Area (Square Km)
g_fields s_field B_soil water b_ground R_Total C_Total Unclassified 0.00 0.00 0.00 0.00 0.00 0.00 0.00 green fields 676.28 365.15 276.10 0.68 50.40 1368.61 1368.61 S_field 92.23 114.28 73.91 0.01 20.24 300.67 300.67 B_soil 49.57 90.61 491.67 1.30 249.44 882.58 882.58 water 0.32 0.62 0.53 340.42 0.71 342.60 342.60 B_ground 2.99 11.01 31.04 0.72 1559.79 1605.54 1605.54 Class Total 821.38 581.66 873.25 343.11 1880.59 0.00 0.00 C_ Changes 145.10 467.38 381.59 2.69 320.79 0.00 0.00 I_Difference 547.23 -281.00 9.32 -0.51 -275.04 0.00 0.00
表1
横向表示的是08年的各土地类型的面积数据，纵向的是09年各土地类型对应的面积，比较横坐标与纵坐标，发现08年的stubble field在09年有90.61Km²变成bare ground/rock。
Class Total行表示08年每个类别中的总面积，Class Total列表示09年每个类别中的总面积，Class Change表示的是对应类别改变为其它土地类型的面积；Image Difference表示的是08和09年同种地物面积的差值。
对角线上08、09 没有发生变化的，非对角线上的发生变化，对列方向最终年份的统计。
图6
如上图6所示，每种颜色分别代表一种变化类型，如green fields变化成stubble field就有一种颜色表示，而影像中大部分的黑色代表地物类型没有变化的区域。
下图为arcmap出图结果，从图中可以更好的看清楚结果。