遥感影像变化检测
测绘技术中的遥感影像分类和变化检测方法
测绘技术中的遥感影像分类和变化检测方法引言：遥感影像处理在现代测绘技术中扮演着重要的角色。
遥感影像分类和变化检测方法是为了从大规模数据中提取信息，解决人类社会发展中的问题。
本文将讨论测绘技术中遥感影像分类和变化检测的方法和技术。
一、遥感影像分类方法1. 监督分类法监督分类法是遥感影像分类中常用的方法之一。
其基本思想是通过人工标注样本数据集，并利用机器学习的方法进行分类。
方法包括最大似然法、支持向量机、随机森林等。
监督分类法需要充分了解被观测场景的特征，以便正确指导样本标记。
2. 无监督分类法无监督分类法是另一种常用的遥感影像分类方法。
该方法不需要预先标记样本，而是将影像数据分成不同的类别。
无监督分类法使用的技术包括聚类、主成分分析等。
与监督分类相比，无监督分类法更适用于未知场景，但其分类结果的准确性有所下降。
3. 半监督分类法半监督分类法结合了监督分类法和无监督分类法的优点。
其基本思想是在一部分已标记的样本上进行监督分类，然后通过无监督分类法对未标记的样本进行分类。
半监督分类法能够提高分类的准确性，并减少样本标记的工作量。
二、变化检测方法1. 基于阈值的方法基于阈值的方法是最简单和常用的变化检测方法之一。
该方法通过设定一个阈值，将两个时间点的遥感影像像素值进行比较，从而检测出变化。
然而，基于阈值的方法对于光照、拍摄角度等因素的敏感度较高，且会忽略时间点之间的连续性。
2. 基于差异图的方法基于差异图的方法通过计算两个时间点遥感影像的差异图来进行变化检测。
差异图可以是像素级别的差异，也可以是物体级别的差异。
该方法能够更好地抑制光照、拍摄角度等因素对变化检测的影响，提高检测的准确性。
3. 基于特征提取的方法基于特征提取的方法通过从遥感影像中提取特定的特征，利用机器学习算法进行变化检测。
特征可以包括颜色、纹理、形状等。
该方法能够更好地捕捉目标变化的特征，提高变化检测的准确性。
三、遥感影像分类和变化检测的应用遥感影像分类和变化检测方法在许多领域都有广泛的应用。
遥感影像解译中的变化检测与监测技术介绍
遥感影像解译中的变化检测与监测技术介绍遥感技术在现代地学研究中扮演着重要角色，通过获取并分析遥感影像数据，我们可以了解地球表面的变化，掌握环境改变的情况。
而变化检测与监测技术则是遥感技术中的一个重要分支，它可以帮助我们理解地表变化的原因、评估变化的影响，并支持资源管理和环境保护等决策。
一、变化检测的基本原理变化检测是指通过比较两个或多个时期的遥感影像，来寻找地表上的变化信息。
这些变化可以是自然的，如森林覆盖的变化、水体扩张的变化，也可以是人为的，如城市扩张、土地利用变化等。
变化检测的基本原理是通过遥感影像的差异来发现变化区域。
二、基于像元的变化检测方法基于像元的变化检测方法是变化检测中最常见的方法之一。
它通过对每个像元的亮度、颜色、纹理等特征进行计算和比较，来确定像元是否发生了变化。
其中，基于亮度的像元变化检测方法是最基本的一种方法。
它通过对两个时期的遥感影像进行灰度差异的计算，来体现像元的变化情况。
灰度差异越大，代表变化越明显。
此外，基于颜色的像元变化检测方法也被广泛应用。
这种方法通过对两个或多个时期的遥感影像的颜色信息进行比较，来发现地物的颜色变化。
这对于检测农田植被的变化、湖泊水质的变化等都非常有用。
三、基于对象的变化检测方法基于对象的变化检测方法是在像元级别的基础上，将相邻像元组合成对象，通过对对象的属性进行比较，来检测变化。
这种方法可以显著提高检测的准确性和稳定性。
在基于对象的变化检测中，通常需要进行一系列的预处理步骤，如图像分割、对象匹配等。
通过对对象的位置、形状、大小等特征进行比较，可以确定对象的变化情况。
四、遥感影像变化监测技术变化检测只是一个静态的瞬间，而变化监测则更侧重于长期的持续监测和分析。
在现实应用中，我们通常会利用遥感技术对特定区域进行定期的监测，以了解其变化趋势和规律。
遥感影像变化监测技术主要包括时序遥感影像分析、空间格局变化分析和变化检测模型的建立等。
时序遥感影像分析可以通过比较不同时间点的遥感影像来观察和分析地表变化的过程。
适合遥感影像的_变化检测模型_概述及解释说明
适合遥感影像的变化检测模型概述及解释说明1. 引言1.1 概述在当今信息时代，遥感影像变化检测成为了重要的研究领域。
随着航天技术和数字影像处理的快速发展，遥感影像数据大规模获取得以实现，从而为了解地表变化提供了可靠的手段。
通过分析两个或多个时间点的遥感影像数据，我们可以探测到地表物体、地貌及环境条件等方面的变化情况。
1.2 文章结构本文将从三个方面对适合遥感影像的变化检测模型进行概述及解释说明。
首先，在“2. 变化检测模型概述”部分，我们将介绍遥感影像变化检测的概念、变化检测的重要性以及常见的变化检测方法。
接着，在“3. 变化检测模型解释说明”部分，我们将详细讨论数据预处理步骤、特征抽取和选择方法以及模型训练与评估策略。
最后，在“4. 实验结果与讨论”部分，我们将描述实验所使用的数据集，并对模型结果和性能评价进行分析与讨论。
1.3 目的本文旨在全面概述适用于遥感影像的变化检测模型，并对其进行解释说明。
通过本文的阐述，读者将能够了解遥感影像变化检测的核心概念与方法，并对数据预处理、特征抽取和选择以及模型训练与评估策略等方面有更深入的理解。
同时，我们也致力于展示实验结果和讨论，以验证变化检测模型在实际应用中的有效性和可行性。
最重要的是，本文还提供了未来研究方向的展望，为相关领域研究者提供参考和启示。
2. 变化检测模型概述2.1 遥感影像变化检测概念遥感影像变化检测是指通过对比不同时间或不同地点的遥感影像数据，识别和分析地物或环境在时空上发生的变化。
遥感影像变化检测广泛应用于城市规划、土地利用、自然资源管理等领域。
这一技术可以帮助我们了解地球表面的动态变化情况，并提供重要的信息支持。
2.2 变化检测的重要性变化检测在许多领域中具有重要的应用价值。
例如，在城市规划中，通过对建筑物和道路等陆地利用类型的变化进行监测，可以及时调整和优化城市布局；在环境研究中，可以跟踪森林覆盖度、湖泊水位等自然资源随时间演变的情况。
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。
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。
遥感影像的时序分析与变化检测方法
遥感影像的时序分析与变化检测方法随着科技的快速发展，遥感技术在各个领域都得到了广泛应用。
其中，遥感影像的时序分析与变化检测方法尤为重要。
时序分析是指对一系列连续获取的遥感影像进行处理与分析，以了解对象在时间上的变化情况。
变化检测则是指通过对两个或多个时序影像进行比较，以获取目标区域在不同时间段内的变化信息。
下面，本文将对遥感影像的时序分析与变化检测方法进行探讨。
首先，遥感影像的时序分析是通过收集连续获取的遥感影像数据，并利用图像处理算法进行特征提取和分析，以了解地表物体的变化情况。
常用的时序分析方法包括特征提取、时间序列分析和时序数据融合等。
特征提取是通过提取影像中的光谱、纹理、形状等特征，来描述地物的不同状态。
时间序列分析则是通过统计分析方法，对多个时序影像进行比较和分析，以获取地物的变化趋势。
时序数据融合则是将多个时序影像中的信息进行综合，得到更为准确和全面的变化信息。
其次，变化检测是通过对两个或多个时序影像进行比较，以获取目标区域在不同时间段内的变化信息。
变化检测方法主要包括基于差值图像的方法、基于分类的方法和基于时序影像匹配的方法等。
基于差值图像的方法是通过计算两个时序影像之间的差异，以找到发生变化的地物。
常用的差值图像包括差值影像、比值影像和归一化差异植被指数等。
基于分类的方法则是将时序影像进行分类，然后通过比较分类结果，找到不同时间段内的地物变化。
基于时序影像匹配的方法是将两个或多个时序影像进行匹配，以获取地物的变化信息。
此外，随着深度学习的发展，遥感影像的时序分析与变化检测方法也得到了一定的改进与创新。
深度学习是指通过构建深度神经网络，并利用大量样本数据进行训练，以实现对遥感影像的自动特征提取和分类。
在时序分析与变化检测方面，深度学习可以通过卷积神经网络等模型，对多时刻的遥感影像进行处理和分析，从而获取更准确和详细的变化信息。
综上所述，遥感影像的时序分析与变化检测方法在地理信息系统、自然资源管理、城市规划等领域中具有重要的应用价值。
测绘中的遥感影像变化检测技术介绍
测绘中的遥感影像变化检测技术介绍引言：近年来，随着遥感技术的不断发展和应用范围的扩大，遥感影像变化检测成为了测绘领域中一项非常重要的技术。
通过对地球表面遥感影像进行分析，我们可以获取到地表的变化情况，并为城市规划、土地利用研究等提供依据。
本文将介绍测绘中常用的遥感影像变化检测技术及其原理。
一、遥感影像变化检测技术的分类遥感影像变化检测技术可以分为两类：基于像素的变化检测和基于目标的变化检测。
1. 基于像素的变化检测基于像素的变化检测是指通过对两幅或多幅遥感影像进行像素级别的对比，来检测地表变化的技术。
这种方法主要基于图像的灰度、光谱、纹理等特征进行分析，并通过像素级的差异来确定地表的变化情况。
常用的基于像素的变化检测方法有差异图像法、指数差法和阈值法等。
2. 基于目标的变化检测基于目标的变化检测是指通过对两幅或多幅遥感影像进行目标级别的对比，来检测地表上目标的变化情况。
这种方法主要通过目标的形状、大小、纹理等特征进行分析，并通过目标级别上的差异来确定地表的变化情况。
常用的基于目标的变化检测方法有变化向量法、图像分类法和对象导向的变化检测法等。
二、基于像素的变化检测技术基于像素的变化检测技术是变化检测中最常见的方法之一。
以下将介绍几种常用的基于像素的变化检测技术。
1. 差异图像法差异图像法是最简单且最直观的一种基于像素的变化检测方法。
该方法通过将两幅遥感影像相减，得到的差异图像可以清晰地显示出地表的变化情况。
但是差异图像法容易受到大气、光照等因素的影响，导致检测结果不准确。
2. 指数差法指数差法是一种常用的基于像素的变化检测方法。
该方法通过计算两幅遥感影像的某一指数（如归一化差异植被指数NDVI）的差异来检测地表的变化情况。
指数差法具有较好的鲁棒性，能有效地检测到地表的变化。
3. 阈值法阈值法是一种简单而常用的基于像素的变化检测方法。
该方法通过设定一个阈值，将两幅遥感影像的像素值差异大于阈值的部分判定为变化像素。
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。
- 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)。
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。
(2)特征级变化检测是采用一定的算法先从原始图像中提取特征信息，如边缘、形状、轮廓、纹理等，然后对这些特征信息进行综合分析与变化检测。
由于特征级的变化检测对特征进行关联处理，把特征分类成有意义的组合，因而它对特征属性的判断具有更高的可信度和准确性。
但它不是基于原始数据而是特征，所以在特征提取过程中不可避免地会出现信息的部分丢失，难以提供细微信息。
(3)目标级变化检测主要检测某些特定对象(比如道路、房屋等具有明确含义的目标)，是在图像理解和图像识别的基础上进行的变化检测，它是一种基于目标模型的高层分析方法。
变化检测的三个层次在实现上各有优缺点，在具体的变化检测中究竟检测到哪个层次是根据任务的需要确定的。
像元级的变化检测保持了尽可能多的原始信息，具有特征级和目标级层次上所不具备的细节信息，但像元级变化检测仅考虑像素属性的变化，而未考虑其空间等特征属性的变化；特征级变化检测不仅考虑到空间形状的变化，而且还要考虑特征属性的变化，但特征级的变化检测依赖于特征提取的结果，但特征提取本身比较困难；目标级的变化检测最大的优点是它接近用户的需求，检测的结果可直接应用，但它的不足之处在于目标提取的困难性。
3、遥感影像变化检测的一般流程遥感影像变化检测的一般处理流程包括图像预处理、变化检测及检测结果输出三个部分。
如下图所示：图一遥感影像变化检测一般流程图(1)预处理由于获取条件的差异,多时相遥感图像中存在非地物变化而造成的图像变化。
因此，消除非地物变化是变化检测中不可缺少的步骤，在图像预处理的过程中，最重要的两个过程是几何校正和辐射校正。
(2)变化信息获取变化信息获取是变化检测处理中的关键步骤。
在这个过程中，先根据变化检测对象，进行变化特征提取(包括光谱特征及结构特征)。
提取的变化特征，有些可以直接用于变化分析称为确定变化特征；有些不能直接用于变化分析，需要结合辅助信息(如在目标级的变化检测中，需要结合目标的模型来描述变化)称为非确定变化特征。
最后对变化信息进行分析与描述得到检测结果。
(3)检测结果后处理及输出变化检测的后处理是指对得到的检测结果进行再次处理以满足实际需求。
主要方法包括滤波处理、数学形态学处理等。
变化检测的结果根据用户的需要可以以报表的形式输出，也可以以变化图的形式输出，还可以存储在数据库中。
通常情况下，像元级的变化检测是将变化和未变化的区域以二值图的方式进行表示。
在特征级和目标级的变化检测中，不仅需要标注出变化的特征或目标，而且需要输出描述特征或目标变化的各种参数。
4、遥感影像变化检测的主要方法及特点遥感影像变化信息提取是变化检测过程中的核心和关键，目前所出现的各种变化检测方法也都是为了解决这一问题。
从不同的角度出发，可以进行不同的分类。
按照是否要进行分类可分为直接比较法和分类后比较法；按照选取对象的粒度可分为像素级、特征级和对象级三种检测方法；按照是否需要先验信息可分为监督比较法和非监督比较法；按照采取的数学方法不同可分为代数运算法、变换法、分类法、GIS法、高级模型法等七种。
下面介绍一些常用的变化检测算法。
(1)图像差值法这种方法是目前应用最广泛的遥感变化检测方法。
它将两个时相的遥感图像按波段进行逐像元相减，从而生成一幅新的代表两个时相间光谱变化的差值图像。
即在理想的情况下，对其差值分析确定合适的阈值即可得到反映地表变化的结果。
这种方法的数学形式如下式：式中为两个时相影像波段k在第i行第j列像素差值，分别为两个时相的影像k波段(i，j)像素点的像素值，为选择的阈值。
图二前一时期遥感影像图三后一时期遥感影像图四经差分法处理后的影像这种方法的特点在于简单、直接，便于解释结果。
它的不足之处在于只能提供变化和未变化得信息，不能提供具体的地物变化信息。
其次，这种方法需要选择合适的阈值。
另外，由于两组不同的绝对数值能产生相同的差值，使得差值法有时无法适当地处理检测中所涉及到的所有因素。
(2)图像比值法图像比值法与图像差值法原理类似，也是一个可以快速得到变化区域的方法。
图像比值法是计算多时相图像对应像素灰度值的比值。
如果在一个像素上没有发生变化，则比值接近1，如果在此像素上发生变化，则比值远大于或远小于l，数学表达式如下：图五经比值法处理后的影像相比于图像差值法，比值法对于图像上的乘性噪声是不敏感的。
如果每一幅图像的对应像素灰度值相同，则有，表示没有变化发生；对于变化区域，根据变化方向的不同，比值会远大于l或远小于l。
这种方法在一定程度上能减少影像间因太阳高度角，阴影和地形不同造成的影响。
(3)变化矢量分析变化矢量分析法(Changer Vector Analysis，CVA)是一种研究输入数据辐射变化的方法。
这种方法的基本思想是将两个时相的多光谱遥感影像中对成像元光谱值视为多维光谱空间中的一对点，用这对点所构成的向量来描述该像元在两时相间发生的变化，称这个向量为光谱变化矢量。
利用该方法可以检测出所有包含在不同时相多光谱数据中的变化信息。
该方法对不同传感器的数据也有很好的应用效果。
图六经变化矢量分析法处理后的影像跟算术运算法一样，变化强度阈值的确定也是变化向量分析法的关键问题之一。
常用的方法大都局限在仅通过变化强度这一种特征本身来确定分割阈值：一些方法是采用反复试验或个人经验来确定，主观性较强；一些方法是采用变化强度图的均值和标准差的线性组合来表示阈值。
变化矢量分折法可以利用较多甚至全部的波段来探测变化像元，凶此避免了单一波段比较所带来的信息不完整，而且可以通过变化矢量的方向提供变化类型信息。
但是随着波段数的增加，变化类型的判断会很困难。
(4)图像的分类比较分类后比较方法用于对多时相图像的每-N图像单独进行分类，然后对分类结果图像进行比较。
如果对应像素的类别标签相同，则认为该像素没有发生变化，否则认为该像素发生了变化。
分类的方法可以是监督分类方法也可以是非监督分类方法。
一般前者比后者的分类精度高。
对于分类后比较变化检测来说，多采用监督分类方法。
我们组采用的方法是监督分类方法中的LQ2神经网络分类法。
将图像进行AOI（Automatic Optic Inspection）编辑，采样，设置水体为蓝色，建筑为红色，林地为绿色，裸地为灰色。
如图：图九前一时期影像LQ2神经网络分类后图十后一时期影像LQ2神经网络分类后图十一经分类后比较法处理后的影像变化检测报告：结合图像和变化检测报告可知：建筑增多，林地和裸地减少，在黄色圈圈中可以明显的看到后一时期图像较前一时期图像多了一个码头。
不同时期的遥感图像所发生的变化受各种因素影响，如：时间分辨率，空间分辨率，光谱分辨率，辐射分辨率，大气状况，土壤湿度状况，物候特征等。
两幅原始图像中后一时期图像很明显受到天气状况的影响。
建筑，林地，裸地等的变化还可能由时代的推移，社会的发展引起。
分类后比较法在使用时也会受到自身的一些限制。
这些限制因素包括：1)对不同时相影像分别做分类，会导致工作量很大，而通常变化区域在研究区域中所占的比率相对较小，使得针对未变化区域的分类形成了大量的重复工作。
2)分类后比较法对于类别的合理划分要求比较高：类别划分得过细就会产生大量的边缘点，从而造成检测误差的增加，类别划分得过粗又会忽略一些类别之间的差异，不能很好的反映实际情况。
3)分类和变化检测步骤的分离：当分类与变化检测成为相对独立的两个过程时，比较分析的数据就是从原始的两幅图像中得到的处理后的数据而不是原始数据，造成信息的丧失。
4)分类后比较法对于分类错误比较敏感：分类后比较法需要对用于变化检测的多幅图像分别分类，任何一幅图像的分类错误都会造成结果的错误，相当于增加了错误发生的几率。
尽管分类后比较法存在着精度方面的缺陷，但由于其方法简单，同时具有可以回避多时相影像获取环境条件和传感器不同所带来的辐射归一化问题，可以直接获取变化的类型，可以进行两个时相以上的遥感影像的变化检测分析等优点，故仍然被经常使用。
(5)植被指数差值法植被指数差值法是将两个时相的植被指数来代替原始图像灰度，因而该方法主要用于检测植被覆盖的变化。
此方法是通过比较影像的植被指数值来确定变化的一种检测方法。
利用光学传感器近红外波段与红光波段对植被的显著的响应差，通过比值突出植被信息，再通过阈值提取植被信息和非植被信息。
由于植物普遍对红光强烈吸收，对近红外光强烈反射，因此红光和近红外波段之间的比值有利于提高光谱差异。
根据实际需要，在进行变化检测时可采用不同的植被指数，如比值植被指数(RVI)，归一化植被指数(NDVI)，转换植被指数(TVI)等。
这种方法的特点在于增强了植被在不同波段的波谱相应的差异，抑止了传感器、大气、地形和光照等因素引起的伪变化的干扰；但是植被指数的运算增加了随机噪声和相干噪声的影响，主要应用于植被覆盖的变化检测。