相较于常见的双时相遥感影像,时间序列遥感影像包含更丰富的地表信息,能够缓解“异物同谱”、“同物异谱”的影响,因而在变化检测中具有重要作用。但是目前时间序列遥感影像变化检测方法大多基于像素展开,忽略了像素和周围环境的空间关系,导致变化检测结果“噪声”现象明显。基于此,提出了一种基于时空谱特征的时间序列遥感变化检测算法(change detection based on spatial-temporal-spectral features, CDSTS)。首先,利用灰度共生矩阵和局部统计计算方法,从Landsat时间序列遥感影像中提取每个像素点的时间、空间(纹理和统计)和光谱特征; 其次,通过每个像素在不同波段上的时间序列表现规律,自动筛选出时序特征异常点,并与连续变化检测和分类法(continuous change detection and classification, CCDC)检测结果融合获取高精度变化/未变化训练样本点; 最后,利用上述样本点及其对应的时空谱特征训练支持向量机分类器,并基于该分类器对全图进行分类。结果表明,CDSTS算法在变化区域检测精准度方面明显优于常用的时间序列变化检测算法CCDC和土地扰动连续监测方法(continuous monitoring of land disturbance,COLD),总体精度提升了4.8~11.7百分点。
关键词:Landsat;
时间序列;
变化检测;
纹理特征
Abstract
Compared with common dual-temporal satellite images, satellite time series images contain richer surface information and can alleviate the impact of foreign objects with the same spectrum and the same object with different spectra. Therefore, they play an important role in change detection. However, the change detection methods for satellite time series images are mostly based on pixels and ignore the spatial relationship between pixels and their surroundings. This causes noise in the change detection result. Accordingly, this study proposed a method of change detection based on spatial-temporal-spectral features(CDSTS) for satellite time series images. First, the temporal, spatial (textural and statistical), and spectral features of each pixel were extracted from Landsat time series images using a gray-level co-occurrence matrix and local statistical calculation methods. Then, anomalies of time series features were automatically screened according to the time series performance regularity of each pixel in different bands. These anomalies were then fused with the detection results of the continuous change detection and classification method (CCDC) to obtain high-precision changed/unchanged training sample points. Finally, the SVM classifier was trained using the training sample points and their corresponding spatial-temporal-spectral features for full graph classification. The results show that the CDSTS algorithm significantly outperforms the commonly used time series change detection algorithms CCDC and COLD (continuous monitoring of land disturbance) in terms of change detection precision, with the overall precision improved by 4.8 to 11.7 percentage points.
Keywords:Landsat;
time series;
change detection;
textural feature
QIN Le, HE Peng, MA Yuzhong, LIU Jianqiang, YANG Bin. Change detection of satellite time series images based on spatial-temporal-spectral features[J]. Remote Sensing for Land & Resources, 2022, 34(4): 105-112 doi:10.6046/zrzyyg.2021351
针对时间序列变化检测在各领域的应用需求,时间序列变化检测方法正在不断发展[18-19]。比如Kennedy等[20]通过逐个像素提取植被表面变化的多时相光谱轨迹,并假设变化是以不同的速率连续发生的,提出基于Landsat影像的植被表面变化趋势的检测方法; Huang等[21]使用一种植被变化跟踪器方法来检测森林变化,它将每个像素的反射率归一化为概率指数,然后通过确定阈值来检测植被变化; Verbesselt等[22]提出了一种季节趋势的断点检测算法,研究每个像素的变化趋势,并基于这种变化趋势在新收集的影像中检测变化; Zhu等[23]将变化检测从植被扩展到其他地表,并提出了一种使用所有可用的Landsat影像的连续变化探测和分类法(continuous change detection and classification,CCDC),利用同一区域积累的Landsat历史影像为每个像素拟合一条曲线,通过比较模型预测值来检测变化。CCDC成为从遥感卫星时间序列中检测变化的最受欢迎的方法之一,并被选为美国地质勘探局进行变化检测的官方算法。在此基础上Zhu等[24]又提出一种利用不同输入、不同系数个数的时间序列模型对土地扰动进行连续监测的方法(continuous monitoring of land disturbance,COLD),它可以对目标区域的地表变化进行实时监测。
为了解决上述问题,本文提出了一种基于时空谱特征的时间序列遥感变化检测算法(change detection based on spatial-temporal-spectral features, CDSTS)。首先,从Landsat影像时间序列中提取光谱、纹理和统计特征,并将它们堆叠处理获得高维特征矩阵; 其次,设计一种无监督的方法自动生成训练样本及标签; 利用支持向量机对训练样本点的时空谱特征进行训练并对全图进行预测,进而得到变化检测结果; 最后,在中国5个不同类型的地区进行变化测试并与其他方法对比进行精度评估。
2)变化训练样本提取。变化训练样本的提取是将每个像素的所有观测值全部用于拟合式(9),如果没有发生变化,那么通过拟合得到的预测值将接近测量值。此时,观测值与预测值之间的均方根误差(root mean square error,RMSE)很小。相反,如果发生变化,二者之间的RMSE会很高。因此,RMSE可以被用作区分变化的和未变化像素的指标。训练样本中变化样本的获得方式具体如下: 对每个像素在不同波段上的时间序列进行拟合并分别计算RMSE,利用大津阈值算法分别对不同波段得到的RMSE结果进行阈值分割得到各波段的预检测结果图,如果某个像素在7个波段中有N次被检测为变化点,则它被认定为发生了变化的像素,通过这种投票机制获得变化图。最后选取的变化样本是通CCDC得到的结果图和RMSE阈值法处理得到的取交集得到的,即
... 针对时间序列变化检测在各领域的应用需求,时间序列变化检测方法正在不断发展[18-19].比如Kennedy等[20]通过逐个像素提取植被表面变化的多时相光谱轨迹,并假设变化是以不同的速率连续发生的,提出基于Landsat影像的植被表面变化趋势的检测方法; Huang等[21]使用一种植被变化跟踪器方法来检测森林变化,它将每个像素的反射率归一化为概率指数,然后通过确定阈值来检测植被变化; Verbesselt等[22]提出了一种季节趋势的断点检测算法,研究每个像素的变化趋势,并基于这种变化趋势在新收集的影像中检测变化; Zhu等[23]将变化检测从植被扩展到其他地表,并提出了一种使用所有可用的Landsat影像的连续变化探测和分类法(continuous change detection and classification,CCDC),利用同一区域积累的Landsat历史影像为每个像素拟合一条曲线,通过比较模型预测值来检测变化.CCDC成为从遥感卫星时间序列中检测变化的最受欢迎的方法之一,并被选为美国地质勘探局进行变化检测的官方算法.在此基础上Zhu等[24]又提出一种利用不同输入、不同系数个数的时间序列模型对土地扰动进行连续监测的方法(continuous monitoring of land disturbance,COLD),它可以对目标区域的地表变化进行实时监测. ...
融合多特征的遥感影像变化检测
1
2012
... 针对时间序列变化检测在各领域的应用需求,时间序列变化检测方法正在不断发展[18-19].比如Kennedy等[20]通过逐个像素提取植被表面变化的多时相光谱轨迹,并假设变化是以不同的速率连续发生的,提出基于Landsat影像的植被表面变化趋势的检测方法; Huang等[21]使用一种植被变化跟踪器方法来检测森林变化,它将每个像素的反射率归一化为概率指数,然后通过确定阈值来检测植被变化; Verbesselt等[22]提出了一种季节趋势的断点检测算法,研究每个像素的变化趋势,并基于这种变化趋势在新收集的影像中检测变化; Zhu等[23]将变化检测从植被扩展到其他地表,并提出了一种使用所有可用的Landsat影像的连续变化探测和分类法(continuous change detection and classification,CCDC),利用同一区域积累的Landsat历史影像为每个像素拟合一条曲线,通过比较模型预测值来检测变化.CCDC成为从遥感卫星时间序列中检测变化的最受欢迎的方法之一,并被选为美国地质勘探局进行变化检测的官方算法.在此基础上Zhu等[24]又提出一种利用不同输入、不同系数个数的时间序列模型对土地扰动进行连续监测的方法(continuous monitoring of land disturbance,COLD),它可以对目标区域的地表变化进行实时监测. ...
Change detection using landsat time series:A review offrequencies,preprocessing,algorithms,and applications
1
2017
... 针对时间序列变化检测在各领域的应用需求,时间序列变化检测方法正在不断发展[18-19].比如Kennedy等[20]通过逐个像素提取植被表面变化的多时相光谱轨迹,并假设变化是以不同的速率连续发生的,提出基于Landsat影像的植被表面变化趋势的检测方法; Huang等[21]使用一种植被变化跟踪器方法来检测森林变化,它将每个像素的反射率归一化为概率指数,然后通过确定阈值来检测植被变化; Verbesselt等[22]提出了一种季节趋势的断点检测算法,研究每个像素的变化趋势,并基于这种变化趋势在新收集的影像中检测变化; Zhu等[23]将变化检测从植被扩展到其他地表,并提出了一种使用所有可用的Landsat影像的连续变化探测和分类法(continuous change detection and classification,CCDC),利用同一区域积累的Landsat历史影像为每个像素拟合一条曲线,通过比较模型预测值来检测变化.CCDC成为从遥感卫星时间序列中检测变化的最受欢迎的方法之一,并被选为美国地质勘探局进行变化检测的官方算法.在此基础上Zhu等[24]又提出一种利用不同输入、不同系数个数的时间序列模型对土地扰动进行连续监测的方法(continuous monitoring of land disturbance,COLD),它可以对目标区域的地表变化进行实时监测. ...
Detecting trends in forest disturbance and recovery using yearly Landsat time series:1.LandTrendr-Temporal segmentation algorithms
1
2010
... 针对时间序列变化检测在各领域的应用需求,时间序列变化检测方法正在不断发展[18-19].比如Kennedy等[20]通过逐个像素提取植被表面变化的多时相光谱轨迹,并假设变化是以不同的速率连续发生的,提出基于Landsat影像的植被表面变化趋势的检测方法; Huang等[21]使用一种植被变化跟踪器方法来检测森林变化,它将每个像素的反射率归一化为概率指数,然后通过确定阈值来检测植被变化; Verbesselt等[22]提出了一种季节趋势的断点检测算法,研究每个像素的变化趋势,并基于这种变化趋势在新收集的影像中检测变化; Zhu等[23]将变化检测从植被扩展到其他地表,并提出了一种使用所有可用的Landsat影像的连续变化探测和分类法(continuous change detection and classification,CCDC),利用同一区域积累的Landsat历史影像为每个像素拟合一条曲线,通过比较模型预测值来检测变化.CCDC成为从遥感卫星时间序列中检测变化的最受欢迎的方法之一,并被选为美国地质勘探局进行变化检测的官方算法.在此基础上Zhu等[24]又提出一种利用不同输入、不同系数个数的时间序列模型对土地扰动进行连续监测的方法(continuous monitoring of land disturbance,COLD),它可以对目标区域的地表变化进行实时监测. ...
An automated approach for reconstructing recent forest disturbance history using dense Landsat time series stacks
1
2010
... 针对时间序列变化检测在各领域的应用需求,时间序列变化检测方法正在不断发展[18-19].比如Kennedy等[20]通过逐个像素提取植被表面变化的多时相光谱轨迹,并假设变化是以不同的速率连续发生的,提出基于Landsat影像的植被表面变化趋势的检测方法; Huang等[21]使用一种植被变化跟踪器方法来检测森林变化,它将每个像素的反射率归一化为概率指数,然后通过确定阈值来检测植被变化; Verbesselt等[22]提出了一种季节趋势的断点检测算法,研究每个像素的变化趋势,并基于这种变化趋势在新收集的影像中检测变化; Zhu等[23]将变化检测从植被扩展到其他地表,并提出了一种使用所有可用的Landsat影像的连续变化探测和分类法(continuous change detection and classification,CCDC),利用同一区域积累的Landsat历史影像为每个像素拟合一条曲线,通过比较模型预测值来检测变化.CCDC成为从遥感卫星时间序列中检测变化的最受欢迎的方法之一,并被选为美国地质勘探局进行变化检测的官方算法.在此基础上Zhu等[24]又提出一种利用不同输入、不同系数个数的时间序列模型对土地扰动进行连续监测的方法(continuous monitoring of land disturbance,COLD),它可以对目标区域的地表变化进行实时监测. ...
Near real-time disturbance detection using satellite image time series
1
2012
... 针对时间序列变化检测在各领域的应用需求,时间序列变化检测方法正在不断发展[18-19].比如Kennedy等[20]通过逐个像素提取植被表面变化的多时相光谱轨迹,并假设变化是以不同的速率连续发生的,提出基于Landsat影像的植被表面变化趋势的检测方法; Huang等[21]使用一种植被变化跟踪器方法来检测森林变化,它将每个像素的反射率归一化为概率指数,然后通过确定阈值来检测植被变化; Verbesselt等[22]提出了一种季节趋势的断点检测算法,研究每个像素的变化趋势,并基于这种变化趋势在新收集的影像中检测变化; Zhu等[23]将变化检测从植被扩展到其他地表,并提出了一种使用所有可用的Landsat影像的连续变化探测和分类法(continuous change detection and classification,CCDC),利用同一区域积累的Landsat历史影像为每个像素拟合一条曲线,通过比较模型预测值来检测变化.CCDC成为从遥感卫星时间序列中检测变化的最受欢迎的方法之一,并被选为美国地质勘探局进行变化检测的官方算法.在此基础上Zhu等[24]又提出一种利用不同输入、不同系数个数的时间序列模型对土地扰动进行连续监测的方法(continuous monitoring of land disturbance,COLD),它可以对目标区域的地表变化进行实时监测. ...
Continuous change detection and classification of land cover using all available Landsat data
1
2013
... 针对时间序列变化检测在各领域的应用需求,时间序列变化检测方法正在不断发展[18-19].比如Kennedy等[20]通过逐个像素提取植被表面变化的多时相光谱轨迹,并假设变化是以不同的速率连续发生的,提出基于Landsat影像的植被表面变化趋势的检测方法; Huang等[21]使用一种植被变化跟踪器方法来检测森林变化,它将每个像素的反射率归一化为概率指数,然后通过确定阈值来检测植被变化; Verbesselt等[22]提出了一种季节趋势的断点检测算法,研究每个像素的变化趋势,并基于这种变化趋势在新收集的影像中检测变化; Zhu等[23]将变化检测从植被扩展到其他地表,并提出了一种使用所有可用的Landsat影像的连续变化探测和分类法(continuous change detection and classification,CCDC),利用同一区域积累的Landsat历史影像为每个像素拟合一条曲线,通过比较模型预测值来检测变化.CCDC成为从遥感卫星时间序列中检测变化的最受欢迎的方法之一,并被选为美国地质勘探局进行变化检测的官方算法.在此基础上Zhu等[24]又提出一种利用不同输入、不同系数个数的时间序列模型对土地扰动进行连续监测的方法(continuous monitoring of land disturbance,COLD),它可以对目标区域的地表变化进行实时监测. ...
Continuous monitoring of land disturbance based on Landsat time series
1
2020
... 针对时间序列变化检测在各领域的应用需求,时间序列变化检测方法正在不断发展[18-19].比如Kennedy等[20]通过逐个像素提取植被表面变化的多时相光谱轨迹,并假设变化是以不同的速率连续发生的,提出基于Landsat影像的植被表面变化趋势的检测方法; Huang等[21]使用一种植被变化跟踪器方法来检测森林变化,它将每个像素的反射率归一化为概率指数,然后通过确定阈值来检测植被变化; Verbesselt等[22]提出了一种季节趋势的断点检测算法,研究每个像素的变化趋势,并基于这种变化趋势在新收集的影像中检测变化; Zhu等[23]将变化检测从植被扩展到其他地表,并提出了一种使用所有可用的Landsat影像的连续变化探测和分类法(continuous change detection and classification,CCDC),利用同一区域积累的Landsat历史影像为每个像素拟合一条曲线,通过比较模型预测值来检测变化.CCDC成为从遥感卫星时间序列中检测变化的最受欢迎的方法之一,并被选为美国地质勘探局进行变化检测的官方算法.在此基础上Zhu等[24]又提出一种利用不同输入、不同系数个数的时间序列模型对土地扰动进行连续监测的方法(continuous monitoring of land disturbance,COLD),它可以对目标区域的地表变化进行实时监测. ...
Feature-level change detection using deep representation and feature change analysis for multispectral imagery