[发明专利]一种基于多时相遥感影像与GIS数据的变化检测方法及系统

权利要求书

1.一种基于多时相遥感影像与GIS数据的面向对象变化信息自动检测方法，其特征在于，该方法包括以下步骤：

步骤1，遥感影像分割与像素级变化信息提取，包括如下子步骤；

步骤1.1，根据T1时期GIS矢量数据和T2时期栅格数据，利用GIS矢量数据图斑类别属性信息和几何形状信息对T2时期栅格数据进行套合，得到与T1时期GIS数据中矢量图斑对应的栅格像元集合；

步骤1.2，对获得的每一个栅格像元集合，利用多尺度分割算法进行再分割，得到T2时期图斑，即为T2时期影像分割结果；

步骤1.3，对T1时期和T2时期栅格数据，利用像素级变化检测算法进行变化检测，得到像素级变化检测结果；

步骤2，面向对象的遥感影像分类，包括如下子步骤；

步骤2.1，对T2时期影像分割结果和像素级变化检测结果进行叠置分析，统计每一个图斑内变化像素和未变化像素的个数，当图斑内变化像素个数与未变化像素个数的比值大于阈值m时，则该图斑为疑似变化图斑，否则为未变化图斑；

步骤2.2，对获得的每一个T2时期未变化图斑进行特征统计，并按照具体地物类别，选择不同的特征组合，获得合适的训练样本；

步骤2.3，构建面向对象的SVM决策树分类模型，通过步骤2.2中训练样本对SVM决策树分类模型进行训练，然后利用训练好的模型对所有疑似变化图斑进行分类，得到各图斑的分类结果；

步骤2.3中构建的面向对象的SVM决策树分类模型用于对水体、耕园草、林地、人工构筑物和裸地这5类地物进行更准确的划分，具体实现方式如下，

步骤2.3.1，对每一个图斑的归一化水体指数特征值按照一定的阈值，把T2时期图斑分为水体图斑和非水体图斑；

步骤2.3.2，对步骤2.3.1中得到的水体图斑，选择光谱特征中的均值、方差，利用SVM分类模型进行重分类，得到更精确的水体图斑和非水体图斑；

步骤2.3.3，对步骤2.3.1和2.3.2中得到的非水体图斑的归一化植被指数特征值，按照一定的阈值，划分为植被图斑和非植被图斑；

步骤2.3.4，对步骤2.3.3中得到的植被图斑，选择光谱特征中的均值、方差，利用SVM分类模型进行分类，得到耕园草图斑和林地图斑；

步骤2.3.5，对步骤2.3.3中得到的非植被图斑，选择光谱特征中的均值、方差，利用SVM分类模型进行分类，得到人工构筑物图斑和裸地图斑；

步骤3，利用T1时期GIS数据中矢量图斑的类别和T2时期疑似变化图斑分类后的图斑类别，进行面向对象分类后变化检测，获得两时期类别不一致的图斑及其类别属性信息，即为最终的变化检测结果。

2.如权利要求1所述的基于多时相遥感影像与GIS数据的面向对象变化信息自动检测方法，其特征在于：步骤1.3中像素级变化检测算法为k均值变化检测算法。

3.如权利要求1所述的基于多时相遥感影像与GIS数据的面向对象变化信息自动检测方法，其特征在于：步骤2.3.1中利用k均值聚类算法对T2时期图斑的归一化水体指数进行聚类分析，得到水体图斑与非水体图斑的阈值；步骤2.3.3中利用k均值聚类算法对非水体图斑的归一化植被指数进行聚类分析，得到植被图斑和非植被图斑的阈值。