[发明专利]一种基于多尺度特征融合的自然保护地人类活动变化检测方法

权利要求书

1.一种基于多尺度特征融合的自然保护地人类活动变化检测方法，其特征在于：包括如下顺序步骤

S1.数据挑选，根据关注的监测时间段，选择前后两期多光谱遥感影像，选取遥感影像时，要结合关注的人类活动的尺度大小、时空分布特征，选取合适的、质量好的遥感影像，以减少云、雪、雾、阴影的干扰；

S2.数据预处理，包括对影像进行几何精纠正和光谱匹配，几何精纠正时，分别对两期影像进行纠正，纠正误差平原区小于2个像元，山区小于3个像元；

光谱匹配时，从前后两期影像中，选择影像质量更好、与实际色差较小的那一期作为参考影像,将另一期影像的光谱匹配到该参考影像的光谱空间上，形成匹配后的影像；

S3.主成分分析，通过融合和压缩处理，将两期影像融合为1个影像，实现两期影像相关性特征融合和变化分异度增强，以更好的进行分割，利用主成分分析方法，将做过预处理后的前时刻影像的3个波段和后时刻影像的3个波段合计6个波段进行主成分分析，得到各主成分波段；

S4.影像分割，基于像元邻域之间的光谱纹理关系，将主成分分析后的影像转换为均质的斑块对象集，将主成分分析的前4个主成分波段合成一个影像文件，并基于这个影像文件，利用影像分割算法，对影像进行分割，并将分割的一块块影像区域转换为一个个的斑块对象，形成均质的斑块对象数据集；

S5.光谱变化向量构建，建立一种能够表征光谱变化的数学表达模型，以分割后的对象为单元，基于经过数据预处理的前后两期遥感影像，构建光谱变化向量，采用基于对象和基于对象周边背景的2次光谱变化向量，以抑制两幅影像在光谱空间上总体差异的影响，包括以下步骤

1、1次光谱变化向量构建

包括基于对象和基于场景的光谱向量构建

(1)基于对象的1次光谱变化向量V_o¹，表达对象本身的光谱变化情况；

以分割后的斑块对象为单元，以经过预处理后的前后两期遥感影像，其基于对象的1次光谱变化向量如下：

V_o¹＝(R_o^Δ，G_o^Δ，B_o^Δ)，

R_o^Δ＝R_o^c-R_o^p

G_o^Δ＝G_o^c-G_o^p

B_o^Δ＝B_o^c-B_o^p

其中：R_o^c、R_o^p分别为该对象在前后两期遥感影像的红波段的均值；G_o^c、G_o^p分别为该对象在前后两期遥感影像的绿波段的均值；B_o^c、B_o^p分别为该对象在前后两期遥感影像的蓝波段的均值；

(2)基于场景的1次光谱变化向量V_s¹，表达对象所在背景区域的光谱变化情况，其中对象所在背景区域以该对象为中心、以r为缓冲距离的区域，其中r根据遥感影像所在区域背景均质性分布特征设定，通常区域背景单一；

以分割后的对象为单元，以经过预处理后的前后两期遥感影像，其基于场景的1次光谱变化向量；

V_s¹＝(R_s^Δ，G_s^Δ，B_s^Δ)

R_s^Δ＝R_s^c-R_s^p

G_s^Δ＝G_s^c-G_s^p

B_s^Δ＝B_s^c-B_s^p

其中：R_s^c、R_s^p分别为该对象所在场景在两期遥感影像的红波段的均值；G_s^c、G_s^p分别为该对象所在场景在前后两期遥感影像的绿波段的均值；B_s^c、B_s^p分别为该对象所在场景在前后两期遥感影像的蓝波段的均值；

2、构建2次光谱变化向量V²，表达对象的光谱变化情况与对象所在场景的光谱变化情况之间的差异；

V²＝(R^Δ，G^Δ，B^Δ)，

R^Δ＝R_o^Δ-R_s^Δ

G^Δ＝B_o^Δ-B_s^Δ

B^Δ＝B_o^Δ-B_s^Δ；

S6.光谱变化度度量，对光谱的变化程度进行定量化的计算和评估；

S7.后处理，基于设定的置信度阈值，提取出最终的变化对象。