基于遥感影像的变化检测就是从不同时间获取的遥感影像中,定量分析和确定地表变化特征和过程的技术。利用不同时相获取的卫星遥感影像进行变化检测,是开展资源调查、环境监测、基础地理数据库更新等对地观测技术应用中的关键技术,具有广泛的应用领域。迄今为止,众多学者已经提出了很多种关于变化检测的方法,按照是否需要真实的地面数据来分,变化检测方法可以分为:监督法和非监督法。前者是指根据地面真实数据来获取变化区域的训练样区,从而进行变化检测;后者是直接对两个不同时相的数据检测而不需要任何额外的信息。由于地面的真实信息不容易得到,因此非监督的变化检测方法是常用的变化检测方法。非监督的变化检测的流程通常分为三部分:1)预处理即从辐射和几何角度对图像进行处理;2)图像比较,得到变化影像;3)分析变化影像,得到变化特征。 本文的研究重点在分析变化影像。就变化区域的提取问题,展开了研究,主要完成了三个方面的工作: 1)提出了基于贝叶斯理论的最小错误率阈值选择方法。针对差值影像阈值选择困难,本文在总结以往阈值选择方法的基础上,提出了从统计特性的角度采用最大数学期望(EM)方法来获得阈值,并比较了图像服从高斯模型和泛高斯模型时的差异。 2)经过分析发现,单一的阈值方法将每个像素看成独立单元,没有充分考虑相邻像素之间的关系,提取出来的变化区域效果不好。为此,从变化像素的空间邻域考虑,将概率松弛迭代方法和马尔科夫随机场模型运用到变化检测中,取得了较好的效果。 3)针对线状地物的特点,提出了基于边缘特征和灰度的变化检测方法。对于道路、桥梁等线状地物,仅从灰度考虑,进行变化检测,效果不好,根据这些地物自身的特点,我们将边缘特征和灰度特征相结合来考虑变化检测,取得了较好的效果。 实验的结果证明了本文提出的算法能很好的检测出变化区域,并对线状地物的检测有一定的效果。