Please wait a minute...
 
国土资源遥感  2012, Vol. 24 Issue (1): 43-47    DOI: 10.6046/gtzyyg.2012.01.08
  技术方法 本期目录 | 过刊浏览 | 高级检索 |
高分辨率遥感影像土地利用变化检测方法研究
王琰1, 舒宁1,2, 龚龑1
1. 武汉大学遥感信息工程学院, 武汉 430079;
2. 武汉大学测绘遥感信息工程国家重点实验室, 武汉 430079
A Study of Land Use Change Detection Based on High Resolution Remote Sensing Images
WANG Yan1, SHU Ning1,2, GONG Yan1
1. School of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430079, China;
2. State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China
全文: PDF(2002 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 提出一种利用高分辨率遥感影像进行土地利用变化检测的方法。以土地利用图为辅助数据,通过土地利用图和遥感影像的配准套合,获取影像像斑; 同时,对遥感影像进行基于像素的监督分类,获取概略的类别图; 再根据像斑内像素的类别编码完成子像斑的划分。以子像斑为影像分析的基本单位提取特征,以相关系数为相似性测度衡量不同时期子像斑的特征相似性,用ROC曲线(接受者操作特性曲线)代替经验选取的方法自动获取变化阈值,确定像斑是否发生变化。以武汉市区局部QuickBird 2002年和2005年多光谱影像、相同地区2002年1:10 000土地利用图为实验数据进行了算法的实验,结果显示绝大部分的变化区域都可以被提取出来,实验方法可行。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
尹峰
熊德科
谢菲
关键词 RapidEye波段色阶    
Abstract:An approach to land use change detection by using high resolution remote sensing images is put forward in this paper. With the help of GIS land use map, image objects can be obtained by the matching of land use map and remote sensing images in the same region. Meanwhile pixel-based supervised classification is conducted for each image so that each pixel has its own class code. Then image subsegments can be obtained based on the image segment and the class code of each pixel within it. Image subsegments can be regarded as the basic units for feature extraction. Correlation coefficient is used for detecting changes between the images gotten from different time periods, and instead of the empirical selection, the change threshold is founded automatically by using ROC curve (receiver operating characteristic curve). Two multispectral Quickbird images obtained in 2002 and 2005 respectively and a 1:10 000 land use map of 2002 in the same region were used in the experiment. This study area is located in Wuhan City and the result shows that most land use changes can be detected, and hence this approach is effective.
Key wordsRapidEye    Band    Level
收稿日期: 2011-05-21      出版日期: 2012-03-07
: 

TP 79

 
基金资助:

湖北省自然科学基金重大项目(编号: 2006ABD003)及中央高校基本科研业务费专项资金(编号: 3101009)共同资助。

引用本文:   
王琰, 舒宁, 龚龑. 高分辨率遥感影像土地利用变化检测方法研究[J]. 国土资源遥感, 2012, 24(1): 43-47.
WANG Yan, SHU Ning, GONG Yan. A Study of Land Use Change Detection Based on High Resolution Remote Sensing Images. REMOTE SENSING FOR LAND & RESOURCES, 2012, 24(1): 43-47.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.2012.01.08      或      https://www.gtzyyg.com/CN/Y2012/V24/I1/43
[1] Blaschke T.Object Based Image Analysis for Remote Sensing[J].ISPRS Journal of Photogrammetry and Remote Sensing,2010,65(1):2-16.
[2] 舒宁.关于遥感影像处理分析的理论与方法之若干问题[J].武汉大学学报:信息科学版,2007,32(11):1007-1010.
[3] 毛政元,李霖.空间模式的测度及其应用[M].北京:科学出版社,2004:74-75.
[4] 张剑清,潘励,王树根.摄影测量学[M].武汉:武汉大学出版社,2003:109.
[5] Yitzhaky Y,Peli E.A Method for Objective Edge Detection Evaluation and Detector Parameter Selection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2003,25(8):1027-1033.
[6] 杨朝晖,陈鹰.基于ROC融合准则的SAR边缘检测算法[J].光电子·激光,2010,21(7):1053-1057.
[7] Chen Z Q,Hutchinson T C.Urban Damage Estimation Using Statistical Processing of Satellite Images[J].Journal of Computing in Civil Engineering,2007,21(3):187-199.
[1] 刘咏梅, 范鸿建, 盖星华, 刘建红, 王雷. 基于无人机高光谱影像的NDVI估算植被盖度精度分析[J]. 自然资源遥感, 2021, 33(3): 11-17.
[2] 木哈代思·艾日肯, 张飞, 刘康, 阿依努尔·玉山江. 基于天宫二号及Landsat8城镇生态环境现状评价[J]. 国土资源遥感, 2020, 32(4): 209-218.
[3] 彭晓伟, 张爱军, 王楠, 赵丽. 高光谱成像技术在作物种子方面的应用[J]. 国土资源遥感, 2020, 32(4): 23-32.
[4] 封红娥, 李家国, 朱云芳, 韩启金, 张宁, 田淑芳. GF-1与Landsat8水体叶绿素a浓度协同反演——以太湖为例[J]. 国土资源遥感, 2019, 31(4): 182-189.
[5] 李想, 杨灿坤, 周春平, 李小娟, 张可. 高分辨率光学卫星图像目标运动信息提取研究综述[J]. 国土资源遥感, 2019, 31(3): 1-9.
[6] 郑覃, 潘军, 蒋立军, 邢立新, 季悦, 于一凡, 王鹏举, 仲伟敬. 基于光谱指数的高温目标识别方法[J]. 国土资源遥感, 2019, 31(3): 51-58.
[7] 曲海成, 郭月, 王媛媛. 基于优势集聚类和马尔科夫随机场的高光谱图像分类算法[J]. 国土资源遥感, 2019, 31(2): 24-31.
[8] 侯增福, 刘镕源, 闫柏琨, 谭琨. 基于波段选择与学习字典的高光谱图像异常探测[J]. 国土资源遥感, 2019, 31(1): 33-41.
[9] 杨达昌, 陈洁, 高子弘, 韩亚超. 天宫一号高光谱数据烃类微渗漏信息提取[J]. 国土资源遥感, 2018, 30(2): 107-113.
[10] 董安国, 龚文娟, 韩雪. 基于线性表示的高光谱影像波段选择算法[J]. 国土资源遥感, 2017, 29(4): 39-42.
[11] 樊雪, 刘清旺, 谭炳香. 基于机载PHI高光谱数据的森林优势树种分类研究[J]. 国土资源遥感, 2017, 29(2): 110-116.
[12] 周亚敏, 张荣群, 马鸿元, 张健, 张小栓. 基于BP神经网络的盐湖矿物离子含量高光谱反演[J]. 国土资源遥感, 2016, 28(2): 34-40.
[13] 高孟绪, 王卷乐, 柏中强, 祝俊祥. 基于RapidEye影像的农村居民地遥感监测——以江西省泰和县为例[J]. 国土资源遥感, 2016, 28(1): 130-135.
[14] 马世斌, 杨文芳, 张焜. SPOT6卫星图像处理关键技术研究[J]. 国土资源遥感, 2015, 27(3): 30-35.
[15] 关红, 贾科利, 张至楠, 马欣. 盐渍化土壤光谱特征分析与建模[J]. 国土资源遥感, 2015, 27(2): 100-104.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发