结合邻域信息和结构特征的遥感影像变化检测

为提高像元级变化检测方法的精度，提出一种结合邻域信息和结构特征的遥感影像变化检测方法。该方法涵盖邻域相关影像（neighborhood correlation image，NCI）、匹配误差和结构特征3种属性特征。首先，通过邻域相关分析技术获得表示上下文信息的邻域相关影像，利用邻域间像素的互相关性进行模板匹配获得匹配误差。然后，基于方向梯度信息提取能抵抗影像间光谱差异的结构特征。随后将邻域相关影像、匹配误差、结构特征作为决策树的分类属性，获取初始变化检测结果。最后，利用马尔可夫随机场（Markov random field，MRF）对其进行优化，获得最终的二值变化图。本文通过采用两组不同传感器的双时相遥感影像进行试验。结果表明，相较于采用变化向量分析法（change vector analysis，CVA）、单一邻域信息法及邻域信息和纹理特征相结合的方法，本文方法有效提高了变化检测的精度。