一种可全天候遥感监测自动分析方法及其系统技术方案

本发明专利技术涉及城市建设技术领域，特别涉及一种可全天候遥感监测自动分析方法及其系统。其方法包括以下步骤：S1.原始图像：获取不同时期土地的原始遥感影像；S2.几何配准：利用地面控制点数据对遥感影像进行几何校正，及图像与图像间的配准；S3.辐射校正：对影像中辐射失真或畸变的图像进行消除或改正，并进行影像的归一化处理；S4.变化检测：利用基于卷积神经网络和迁移学习的变化检测算法，进行图像的变化检测，并生成变化结果；S5.结果分析：对变化结果进行分析，并对用地情况作出预警处理。实现不同期影像的自动变化检测，提高变化检测的精度，减少人工干预的次数，实现快速的变化检测结果生成。结果生成。结果生成。

【技术实现步骤摘要】
一种可全天候遥感监测自动分析方法及其系统


[0001]本专利技术涉及城市建设
，特别涉及一种可全天候遥感监测自动分析方法及其系统。

技术介绍

[0002]当前我国的城乡建设发展飞快，城乡建设的动态监测工作可以对城乡建设土地利用和空间变化进行及时有效的监控，为城乡建设的编制、检测、监督、审核以及修改提供科学的依据。目前城乡建设动态监测工作大部分使用人工地面巡查，现场图纸比对取证的方法，巡查工作效率不高，规范化和程序化水平较低，同时传统的监察工作需要大量的人力，并且在人工巡查过程中由于监管人员的主观单一性，容易出现调查不准确，土地监管不严等问题。同时，由于监测范围大，需要经常更新，造成监测跟踪和违法整治不够及时。近些年结合了遥感影像变化信息提取的方法来监测城乡建设变化情况，但此工作仍依赖于对遥感影像的人工目视判读，对违法违规地块进行手动勾画，工作效率较低，影响后续的统计分析及监管整治。
[0003]近些年随着各种遥感图像变化检测算法蓬勃发展，主成分分析法、缨帽变换分析等基于像素的比较法，决策树、随机森林的机器学习方法，到条件随机场、马尔科夫随机场的面向对象分析方法，变换检测算法的精度在不断提升，但是，现阶段，由于特定的应用场景和数据源，导致在实际的应用过程中，如土地利用覆盖变化、森林植被变化、湿地变化、城区变化、地形改变等场景中，检测算法无法匹配所有的应用场景，仍需要耗费大量的时间进行人工确认、手动修改变化区域。对于变化检测的结果也仅限于报告和表格，无法做进一步的展示分析，无法将成果与后续的分析、应用有机结合在一起。
[0004]变化检测是根据对同一实体或现象在不同时间的观测来确定其变化状态的处理过程。遥感影像变化检测是利用不同时期段同一地表空间的多源遥感影像和相关地理空间数据，结合相应的遥感成像机理和地物特性，确定和分析该地域地物类型的变化，包括地物实体位置、范围的变化和地物性质、状态的变化。其研究的目的是找出人们所需的变化信息，过滤作为干扰因素的不相干的变化信息。遥感影像变化检测是现阶段地理国情普查与监测的一项重要战略需求，其任务是逐步建立和完善国家级地理国情动态监测信息系统，为政府、企业、单位和个人提供科学可信的空间信息服务。
[0005]现有绝大多数变化检测应用中，常用的方法仍然是目视解译和人工手动勾画，需要耗费大量人力及时间，处理效率低下。近年来遥感影像的变化检测算法不断发展，其中面向对象的变化检测在近十年迎来了高潮，由于高分辨率遥感影像的高速生产，变化检测的基本单元由像素逐渐过渡到对象，常用的基于面向对象的遥感变化检测算法有：水平集、马尔科夫随机场、条件随机场、对象级卡方变化等，这些方法将空间信息和光谱信息进行了有机结合，降低了面向对象变化检测的不确定性。据变化检测策略的不同，面向对象变化检测方法大致分为直接对象变化检测、同步分割后对象变化检测、分类后变化检测三个类型。（1）直接对象变化检测方法的是对多个时相影像分别分割提取影像对象，通过比较对象的
几何特征，如长度、面积和光谱特征得到结果。该类方法的影像对象的检测策略可分以下两种情况，一是只分割一期影像，另外一期遥感影像通过叠加分割结果进行变化检测；二是对不同期影像分别进行分割，通过相同位置上的对象的对比进行变化检测。（2）同步分割后对象变化检测方法的原理是，相互叠加多时相数据来参与分割提取对象，得到在多时相影像上大小、形状、位置相一致的分割对象。这种方法容易受影像配准精度的影响，且分割结果经常存在边界破碎、过分割等现象，需要人工进行修正。（3）分类后变化检测方法是对多期影像进行独立面向对象影像分类，接着再进行对象几何形状、所属类别、空间上下文信息等对比分析，获取对象变化的区域。
[0006]基于面向对象的方法受限于场景和条件，仍有较大的空间进行进一步研究，以提升对象分割精度和准度。
[0007]面向对象的遥感变化检测方法中最重要的流程是影像分割，当前提出的各种分割方法，一般只适用于特定的预设条件和场景，所以，在后续的面向对象分割研究中，影像分割方法仍然是持续探究的一项技术。另外，尺度参数在影像分割中非常重要，但尺度参数的设置具有很大的不可控性，非常重要又很困难，任何单一尺度参数的不同设置都可能造成某些地物的“欠分割”或“过分割”，这种情况下，仍然需要手工修改分割结果，人工干预以降低检测错误，来提高变化检测的精度。在此基础上，我们就要加强最优尺度、自适应尺度乃至全尺度分割方法的探索研究。此外，随着人工智能技术的快速发展，利用卷积神经网络辅助完成影像自适应多尺度分割也是一个研究趋势。
[0008]人工智能和大数据时代的到来使得科学计算发展迅速。遥感大数据和人工智能的发展，基于深度学习方法也被遥感影像变化检测领域。基于深度学习的高分辨率遥感数据特征挖掘方法，为高分辨率影像的分类与变化检测提供了一条新的途径。

技术实现思路

[0009]本专利技术提供一种可全天候遥感监测自动分析方法及其系统，旨在基于卷积神经网络的深度学习方法，来实现不同期影像的自动变化检测，提高变化检测的精度，减少人工干预的次数，实现快速的变化检测结果生成。
[0010]本专利技术提供一种可全天候遥感监测自动分析方法，包括以下步骤：S1.原始图像：获取不同时期土地的原始遥感影像；S2.几何配准：利用地面控制点数据对遥感影像进行几何校正，及图像与图像间的配准；S3.辐射校正：对影像中辐射失真或畸变的图像进行消除或改正，并进行影像的归一化处理；S4.变化检测：利用基于卷积神经网络和迁移学习的变化检测算法，进行图像的变化检测，并生成变化结果；S5.结果分析：对变化结果进行分析，并对用地情况作出预警处理。
[0011]作为本专利技术的进一步改进，所述步骤S4中基于卷积神经网络和迁移学习的变化检测算法，包括以下步骤：S41.预训练语义分割模型变化检测算法：输入两张大小相同的图像，通过卷积神经网络后赋予标签后，输出相同尺寸且含有标签的差异图；
S42.迁移损失函数的深度特征学习：对差异图中的像素点进行距离计算和聚类，得到假真值图，并通过差异图和假真值图共同指导迁移学习的进行；S43.差异图获取和结果生成：将来自不同时相的图片送入训练完成的深度神经网络，得到对应的差异图，并根据差异图生成变化图。
[0012]作为本专利技术的进一步改进，所述步骤S41包括以下步骤：S411.图像通过卷积神经网络后赋予标签过程中，每一个像素被赋予变化或非变化的二值标签，对应标识地物在此空间位置上的变化情况；S412.在卷积神经网络的特征提取中，对于非变化像元，其像素点的特征向量欧几里得距离较小；对于变化像元，其像素点的特征向量欧几里得距离较大。
[0013]作为本专利技术的进一步改进，所述步骤S42包括以下步骤：S421.将两张图像在通过卷积神经网络后，对逐个像素点计算特征向量之间的欧几里得距离；S422.使用k
‑
means聚类方法，将得到的差异图中的像素点聚为两类，根据差值大小分为变化像素和非变化像素，得到标示出变化区域的变化图，即假真值图；S42本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种可全天候遥感监测自动分析方法，其特征在于，包括以下步骤：S1.原始图像：获取不同时期土地的原始遥感影像；S2.几何配准：利用地面控制点数据对遥感影像进行几何校正，及图像与图像间的配准；S3.辐射校正：对影像中辐射失真或畸变的图像进行消除或改正，并进行影像的归一化处理；S4.变化检测：利用基于卷积神经网络和迁移学习的变化检测算法，进行图像的变化检测，并生成变化结果；S5.结果分析：对变化结果进行分析，并对用地情况作出预警处理。2.根据权利要求1所述可全天候遥感监测自动分析方法，其特征在于，所述步骤S4中基于卷积神经网络和迁移学习的变化检测算法，包括以下步骤：S41.预训练语义分割模型变化检测算法：输入两张大小相同的图像，通过卷积神经网络后赋予标签后，输出相同尺寸且含有标签的差异图；S42.迁移损失函数的深度特征学习：对差异图中的像素点进行距离计算和聚类，得到假真值图，并通过差异图和假真值图共同指导迁移学习的进行；S43.差异图获取和结果生成：将来自不同时相的图片送入训练完成的深度神经网络，得到对应的差异图，并根据差异图生成变化图。3.根据权利要求2所述可全天候遥感监测自动分析方法，其特征在于，所述步骤S41包括以下步骤：S411.图像通过卷积神经网络后赋予标签过程中，每一个像素被赋予变化或非变化的二值标签，对应标识地物在此空间位置上的变化情况；S412.在卷积神经网络的特征提取中，对于非变化像元，其像素点的特征向量欧几里得距离较小；对于变化像元，其像素点的特征向量欧几里得距离较大。4.根据权利要求2所述可全天候遥感监测自动分析方法，其特征在于，所述步骤S42包括以下步骤：S421.将两张图像在通过卷积神经网络后，对逐个像素点计算特征向量之间的欧几里得距离；S422.使用k
‑
mea...

【专利技术属性】
技术研发人员：张加丁，
申请(专利权)人：深圳航天智慧城市系统技术研究院有限公司，
类型：发明
国别省市：