摘  要: 对高分辨率遥感卫星影像利用变化检测技术更新现有的影像数据库或地图数据库是一项具有重要意义的工作。本文对现有的变化检测技术进行了分类总结，然后提出对高分辨率遥感卫星影像进行变化检测的四个步骤：预处理、分类、特征提取与变化检测，并详细介绍了各个步骤所需的关键技术，最后以两幅不同时间获取的SPOT5影像(2.5米分辨率)为例，利用数学形态学算法进行了变化检测的实验，得到了很好的结果。
关键词: 变化检测；影像配准；数据库；数学形态学

1  引  言
   高分辨率遥感卫星影像具有更新周期短、机动性强、抗干扰能力强等特点，已逐步取代传统的航空遥感影像成为我们主要的对地观测信息源。利用变化检测技术从影像上提取目标区域的变化信息，快速更新地图数据库，是高分辨率遥感卫星影像的一项重要应用。利用变化检测技术可以大大提高高分辨率卫星遥感影像数据处理的效率，加快其转化为经济效益的步伐。目前国内外关于变化检测的研究还主要集中在大比例尺的航空影像[1-6]或小比例尺的航天影像[7-8]上。本文在对目前广泛采用的一些变化检测方法进行分类总结的基础上，对高分辨率遥感卫星影像变化检测的实施方法、关键技术进行了详细的设计，并对SPOT5卫星影像进行了实验，取得了有效的结果。
2  变化检测技术
   变化检测是指给定同一地区的多个时相的单波段或多波段遥感图像，采用图像处理的方法，检测出该地区的地物有无变化，并对变化做出定性或定量的分析。按照在变化检测之前是否先进行影像配准可以把变化检测分为影像配准后的变化检测和影像配准时的变化检测。[7]
2.1  影像配准后的变化检测
   这类方法由于在进行变化检测前就完成了空间配准的工作，因此其研究的重点就放在了变化检测的技术和算法上。在实际应用中，针对不同的数据采用的算法和策略也不同，因此按照不同的应用和数据源，可以将这种变化检测方法划分为以下四类。
1、新影像和旧影像间的变化检测
    这种方法是将两幅经过正射纠正或相对配准的影像进行直接的或间接的差值运算，然后对差值图像进行分析以确定目标的变化区域。这种变化检测是对影像逐个像素进行的，因此属于像素层变化检测（PLCD, Pixel-Level Change Detection）。这里直接的差值运算指的是对应像素值之间的差值，间接的差值运算指的是两影像经过分类后，分类结果之间的差值。
    这种方法原理和计算都比较简单，检测结果直观易懂，是广泛采用的一种方法。但是其存在一些问题：①该方法的一个前提条件是假设影像间的变化可以完全表现为其辐射值的不同，这对于不同时间的遥感影像来说是根本无法满足的。②直接和间接的差值运算均涉及到一个问题就是变化检测阈值的选取。③很难确定变化的区域属于什么类型，即确定区域变化的性质。
2、新影像和旧地图间的变化检测
   利用新的遥感影像更新旧地图是变化检测最主要的应用，它将遥感影像与GIS数据库最直接地联系在了一起。但由于影像和地图对自然界的抽象程度不同，因此必须对影像进行特征提取，然后将这些特征与地图上矢量数据进行变化检测，经过整理后用以更新旧地图。这种方法属于特征层变化检测（FLCD, Feature-Level Change Detection）。自动特征提取是该方法中至关重要的一步，也是其中的一个难点，其涉及到了模式识别、计算机视觉、遥感等多个领域的技术，其目前仍是一个研究的热点。
3、新/旧影像和旧地图间的变化检测
    大多数情况下新影像与旧地图之间总是存在着非常大的差异，直接对二者进行变化检测，将带来很多的困难和误差，因此可以首先对新旧影像进行像素层的变化检测，再利用其结果与旧地图进行特征层的变化检测。这样就将像素层和特征层的变化检测结合起来，有益于提高变化检测的精度和效率，降低误判率。
4、多源影像和旧地图/影像间的变化检测
    某一类型的遥感影像只能表现自然界的一种或几种特性，图像融合技术为我们提供了一个很好的提高影像信息量的方法，因此可以利用多源影像的融合，产生更有利于分类或特征提取的影像，使影像间或影像与地图间的变化检测更加快捷、有效。
2.2  影像配准时的变化检测
    影像配准时的变化检测方法由于同时涉及到变化检测和影像配准两个方面的内容，其算法的设计与实现更加复杂，因此涉及它的研究较少。与2.1节相同，我们按照检测数据源的不同，将这种方法分为以下三类。
1、旧DEM、DOM和新影像间的变化检测
   可以用两种途径来实现旧DEM、DOM和新影像间的变化检测。一是利用已有的DEM将新影像进行正射纠正，然后再与旧的DOM进行匹配，匹配结果好的点被认为是没有变化的，而匹配结果不好的点被认为是有变化的，这其中必然会存在匹配结果好但其实是变化的点和匹配结果不好但其实是没有变化的点，这些点需要用其它的方法来检查。另一是直接将新影像与旧的DOM进行匹配，匹配结果用于变化检测，但检测结果的精度一般会低于前一种方法。
2、旧DLG 、DRG和新影像间的变化检测
    DLG 、DRG和影像间的匹配则需要采用特征匹配来完成，但对特征的完整、有效的描述是其中的关键，直接影响着匹配方法的确定和匹配结果的评价。
3、旧DEMs、DOMs和多幅新立体像对间的变化检测
   对大范围的区域，如果可以获得该区域旧的DEM和DOM以及多幅新的立体像对，那么利用这些旧的DEMs、DOMs，我们可以计算新立体像对的定向参数，然后由新立体像对利用摄影测量方法重新解算新的DEMs，将之与旧的DEMs进行变化检测可以精确地描述区域地形的三维变化。该方法应用了严格的摄影测量方法，因此其变化检测结果的精度是有保证的，但处理的数据量较大。
3  高分辨率遥感影像变化检测的关键技术
       一些高分辨率遥感卫星影像，如SPOT5与IKONOS卫星影像，已经可以用来量测新的地形图和进行地形图的修测，而对其进行变化检测实现快速自动更新地图数据库具有重要的意义和良好的应用前景。根据现有的技术条件，高分辨率遥感卫星影像变化检测更新地图数据库可以分为四个步骤，即预处理、分类、特征提取和变化检测，如图1所示。

Fig. 1  Scheme of change detection based on high spatial resolution remote sensing imasges

3.1  预处理技术
1、辐射处理
   遥感影像在成像过程中受到太阳高度角、大气折射\散射等因素的影响，使得影像存在亮度\对比度不足、模糊、噪声等问题，这些问题必将对后续的变化检测工作造成负面的影响。通过直方图调整、高斯滤波、傅立叶变换等图像处理的算法可以对影像进行辐射校正，改善影像的质量。
2、配准
    这是预处理中最重要的一项工作，其目的是保证影像和地图是在统一的坐标系下。这里的配准可以分为两个方面，一是将影像对地图进行配准，一是将地图对影像配准。前者是通过获得影像的定向参数、地面控制点和DEM，用共线条件方程生成严格与地图对准的正射影像。这种方法理论严密，精度很高，但计算复杂。此外也可以通过多项式模型、有理函数模型、直接线性变换模型等方法将生成近似的正射影像，这些模型不具备严密的理论基础，精度有限，但计算简单，而对一些特殊的情况也可以达到很高的精度。由于配准精度对变化检测结果精度的影响较大，所以在实际配准中要尽可能采用配准精度高的方法。
3、数据融合
   利用数据融合技术可以有效地将多种影像综合生成包含有更多信息的新影像。例如将IKONOS卫星1米分辨率的全色影像和4米分辨率的多光谱影像进行融合，就可以得到1米分辨率的彩色影像，对其进行分类就可以得到更精确的结果，进而提高变化检测的精度。
3.2  分类
   分类就是将每个像元数据划分到各个特征子空间里，具体过程是：确定分类类别－选择特征－确定训练数据－测算总的统计量－分类－检验结果。其根据训练数据的有无可以分为监督分类和非监督分类。
监督分类是根据实地考查的已知类别或有关分类方面的先验知识，训练最大似然准则设计的分类器，然后用它去认出整个图像中有相似特征的像元。这类方法包括最大似然法、Bayes估计法、决策树法、神经网络法、专家系统分类法等。分类的训练样本可以由已知的地图数据作为先验知识提供，可以很好地提高分类结果的可靠性。
   非监督分类也成为聚类，它是利用图像地物之间的类似度，从样本集中确定其自然类别。通常将聚类作为监督分类的预示，可提高分类的精度。最经典的非模糊聚类算法是迭代自组织数据分析算法（ISODATA）。
3.3  特征提取
1、边缘检测
   边缘线是构成图像形状的基本要素，是图像性质的重要表现形式之一 。图像的其他特征也都是由边缘和区域这些基本特征推导出来的，所以边缘检测是图像分析和模式识别的主要特征提取手段。在边缘检测过程中，应当加入旧地图带来的先验知识，这部分先验知识主要是指旧地图的地物目标几何特征。具体做法是在边缘检测过程中，在反映旧地图的地物目标特征处赋予较大的权值P，目标是在老地图的地物目标特征处所对应的新影像部分若的确是边缘，则要尽可能将这一边缘检测出来。边缘检测结果还要经过边缘跟踪才形成最终的边缘特征。
2、区域分割
    图像分割是把图像按照某种特征（如灰度、频谱、纹理、彩色等）分成一些有意义的区域并提取感兴趣目标的技术和过程。在这些区域内部，其特征往往是相同的或相近的，而相邻区域彼此特征则不同，在这些区域之间存在边界。遥感图像是含有较多的区域类数，灰度层次很丰富的复杂图像，必须采用更加复杂的方法进行区域分割。这类分割法有基于图像属性的分割法，区域增长方法，分开－合并方法等。在图像分割过程中，也可以引入旧地图作为先验知识，其应用方法与边缘检测过程中的类似。
3、目标识别
  由于图像理解的复杂性和技术水平的局限性，高分辨率遥感影像上目标的自动识别仍存在着许多困难。在目标识别过程中，可以考虑由旧地图带来的先验知识，这部分先验知识主要是指老地图的地物目标属性与几何特征的关系。例如通过旧地图与新影像上多条同一位置处高速公路的对照，从而学习到高速公路的影像特征，为本影像其它高速公路的识别提供依据。这一办法可以有效减轻目标自动识别的难度。
3.4  变化检测
1、变化结果图的生成
   结合分类结果，将特征检测的结果与旧的地图数据进行差值运算，对运算结果根据一定的阈值可以检测出以下三类结果：（1）没有变化的部分，这部分可以作为变化结果图的背景或直接舍去；（2）变化的部分，这部分可以作为变化结果图的前景，并依据先验信息分析确定其属性；（3）不确定的部分，这部分需要采用人工判读或其它的办法以决定其是否变化，如果变化则需进一步确定其属性。
2、后处理
    后处理就是对上述第三类结果中进行进一步的分析，直至所有的变化部分均被划分到前两种结果中去。此外，在检测结果中必然会存在一定的错误，它们可能是由阴影、斑点噪声引起的，需要及时的纠正。对一些特别小（根据阈值确定）的变化区域，，认为其对数据更新的影响可以忽略不计，将其舍去。经过这些工作后，我们就得到了最终的变化检测专题图，接下来就可以进行旧地图数据库的更新了。
4  SPOT5卫星影像的实验
   数学形态学的基本思想是利用一个结构元素（structuring element）去探测一个图像，看是否能将这个结构元素很好地放进图像的内部，同时验证填放结构元素的方法是否有效。数学形态学主要有四个基本运算：膨胀、腐蚀、开启和闭合。腐蚀具有收缩图像的作用，膨胀具有扩大图像的作用。腐蚀表示用某种结构元素对图像进行探测，以便找出在图像内部可以放下该结构元素的区域，所有数学形态学运算都依赖于这一概念。本文利用数学形态学算法，并结合图像分割、图像滤波、目标检测等算法，对两幅境外地区不同时间获取的SPOT5卫星遥感影像进行了变化检测实验，成功获得了影像上一飞机目标的检测结果。
   图2显示了SPOT5卫星遥感影像变化检测的过程与结果。从图2可以看出两幅不同时间获取的图像之间的辐射差异非常明显，经过直方图规定化后有很大的改善，之后两幅图像进行差值计算和分割后，得到了包含目标和背景的二值图像，再经过形态学算法的处理，最终得到变化目标的检测结果，并统计出目标的大小、形状，结合图像分类的结果，还可以得到目标的属性。根据这些数据，甚至可以

Fig. 2  Process of change detection based on SPOT5 satellite image (local)

初步判断出目标飞机的型号。

5  结  论
   利用高分辨率遥感卫星影像变化检测技术更新现有的影像数据库或地图数据库是一项具有重要意义的工作，本文详细介绍了高分辨率遥感卫星影像变化检测的实施方案与关键技术，在此基础上建立了初步的应用系统，并针对现有的高分辨率卫星影像获得了很好的实验结果。

参 考 文 献

[1]Brian Pilemann Olsen, Thomas Knudsen, Poul Frederiksen, Digital Change Detection for Map Database Update[C], IAPRS, VOLUME XXXIV, PART2, COMMISSIONII, Xi’an,Aug.20-23,2002:357-364
[2]Haigang Sui, Deren Li, Jianya Gong, Automatic Change Detection for Road Networks from Imagery Based on GIS[C], IAPRS, VOLUME XXXIV, PART 2, COMMISSION II, Xi’an, Aug.20-23, 2002:437-442
[3]刘直芳,张继平, 变化检测方法及其在城市中的应用[J], 测绘通报, 2002,9:25-27
[4]刘亚文,叶晓新, 城区人工地物变化检测方法的研究[J], 测绘通报, 2001,7:9-11
[5]刘直芳,张继平,张剑清,樊红, 基于DSM和影像特征的城市变化检测[J], 遥感技术与应用, 2002,17(5):240-244
[6]方针,张剑清,张祖勋, 基于城区航空影像的变化检测[J], 武汉测绘科技大学学报, 1997,22(3):240-244
[7]Deren Li, Haigang Sui, Ping Xiao, Automatic Change Detection of Geo-spatial Data From Imagery[C], IAPRS, VOLUME XXXIV, PART 2, COMMISSION II, Xi’an, Aug.20-23,2002:245-252
[8]马建文,田国良,王长耀,燕守勋, 遥感变化检测技术发展综述[J], 地球科学进展, 2004,19(2):192-196