[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

摘要

本发明公开了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，该方法致力于解决基于多时相影像与GIS数据在分割、分类以及变化检测方法存在的问题。包括以下几个步骤：步骤1，遥感影像分割与像素级变化信息提取，主要包括遥感影像分割和像素级变化检测；步骤2，面向对象的遥感影像分类，主要包括变化图斑决策、自动样本选择和面向对象SVM决策树分类模型；步骤3，面向对象分类后变化检测。与现有的利用遥感影像和GIS数据进行变化信息提取的方法相比，本发明能够实现自动化的和可大面积应用的变化信息检测方法流程，可以充分挖掘遥感影像和GIS数据的相互关系，利用GIS数据的类别等属性信息，提高变化信息提取的准确性。

主权项

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1.2，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。