综述 遥感信息 遥感影像变化检测方法综述及展望 孙晓霞①～，张继贤②，燕琴②，高井祥① （①中国矿业大学，徐州２２１１１６；②中国测绘科学研究院，北京１００８３０） 摘要：变化检测技术是遥感应用领域的一个重要研究方向。本文首先对常见的变化检测方法进行了概括性 介绍与优缺点评述，并分析了当前变化检测方法中存在的普遍问题；并在此基础上，展望了一种基于影像分割的 变化检测方法：在仅对其中一个时相影像进行分割的基础上，建立了两时相影像间的对应图斑单元与变化判别规 则，实现图斑单元间的直接比较来提取变化信息。并分析了基于分割的变化检测方法与像素级变化检测方法相 比具有的优势。 关键词：遥感；变化检测；影像分割 ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００Ｏ一３１７７．２０１１．０１．０２３ 中图分类号：ＴＰ７９ 文献标识码：Ａ 文章编号：１０００—３１７７（２０１１）１１３—０１１９—０５ Ａ Ｓｕｍｍａｒｙ ｏｎ Ｃｕｒｒｅｎｔ Ｔｅｃｈｎｉｑｕｅｓ ａｎｄ Ｐｒｏｓｐｅｃｔｓ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｃｈａｎｇｅ Ｄｅｔｅｃｔｉｏｎ ＳＵＮ Ｘｉａｏ－ｘｉａ０～，ＺＨＡＮＧ Ｊｉ－ｘｉａｎ０，ＹＡＮ Ｑｉｎ。，ＧＡＯ Ｊｉｎｇ－ｘｉａｎｇ０ （①Ｃｈｉｎｅｓｅ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｍｉｎｉｎｇ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｊｉａｎｇｓｕ ２２１１１６； ②Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｕｒｖｅｙｉｎｇ ａｎｄ Ｍａｐｐｉｎｇ，Ｂｅｉｊｉｎｇ １００８３０） Ａｂｓｔｒａｃｔ：Ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ ｉｓ ｏｎｅ ｏｆ ｔｈｅ ｉｍｐｏｒｔａｎｔ ｔｏｐｉｃｓ ｉｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ａｐｐｌｉｃａｔｉｏｎ ｆｉｅｌｄ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｔｈｅ ｍａｉｎ ｍｅｔｈｏｄｓ ａｐｐｌｉｅｄ ｉｎ ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ ｗｅｒｅ ｆｉｒｓｔｌｙ ｉｎｔｒｏｄｕｃｅｄ ａｎｄ ｅｖａｌｕａｔｅｄ．Ｔｈｅ ｐｒｏｂｌｅｍｓ ｅｘｉｓｔｉｎｇ ｉｎ ｔｈｅ ｃｕｒｒｅｎｔｓ ｔｅｃｈｎｉｑｕｅｓ ｗｅｒｅ ａｎａ— ｌｙｚｅｄ，ａｎｄ ｔｈｅｎ ａ ｎｏｖｅｌ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｂａｓｅｄ ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ ａｐｐｒｏａｃｈ ｗａｓ ｐｒｏｐｏｓｅｄ．Ｉｎ ｔｈｉｓ ｍｅｔｈｏｄ，ｏｎｅ ｏｆ ｔｈｅ ｔｗｏ ｉｍａ－ ｇｅｓ ｉｓ ｆｉｒｓｔｌｙ ｓｅｇｍｅｎｔｅｄ ｉｎｔｏ ｈｏｍｏｇｅｎｅｏｕｓ ｒｅｇｉｏｎｓ，ａｎｄ ｔｈｅｎ ｔｈｅ ｓｅｃｏｎｄ ｉｍａｇｅ ｉｓ ｄｉｖｉｄｅｄ ｉｎｔｏ ｒｅｇｉｏｎｓ ｕｓｉｎｇ ｔｈｅ ｓａｍｅ ｐｏｌｙｇｏｎｓ ｇｅｎｅｒａｔｅｄ ｉｎ ｔｈｅ ｆｉｒｓｔ ｉｍａｇｅ．Ｆｉｎａｌｌｙ，ｔｈｅ ｔｗｏ ｉｍａｇｅｓ ａｒｅ ｃｏｍｐａｒｅｄ ｂｙ ｒｅｇｉｏｎ ｔｏ ｒｅｇｉｏｎ ｕｓｉｎｇ ｔｈｅ ｅｓｔａｂｌｉｓｈｅｄ ｄｅｔｅｃｔｉｏｎ ｒｕｌｅｓ．Ｔｈｉｓ ｍｅｔｈｏｄ ｉｓ ｅｘｐｅｃｔｅｄ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ａｃｃｕｒａｃｙ ａｎｄ ｔｈｅ ｓｐｅｅｄ ｏｆ ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ ｔｏ ｓｏｍｅ ｅｘｔｅｎｔ．Ａｔ ｌａｓｔ，ｔｈｅ ａｄｖａｎｔａｇｅ ｏｆ ｔｈｅ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｂａｓｅｄ ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ ａｐｐｒｏａｃｈ ｗａｓ ｐｒｅｓｅｎｔｅｄ ｂｙ ｂｅｉｎｇ ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｐｉｘｅｌ－ｂａｓｅｄ ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ ｍｅｔｈｏｄ． Ｋｅｙ ｗｏｒｄｓ：ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ；ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ；ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ １ 引 言 随着社会与科技的发展，人类开发资源与改造 与土地覆盖变化研究已经成为全球变化研究中的前 沿与热点。由于遥感对地观测具有实时、快速、覆盖 范围广、多光谱、周期性等特点，遥感技术已经成为 变化检测最主要的技术手段，变化检测研究也是目 自然的能力不断增强，自然界的变化和人类的各种 活动每天都在改变着地表景观及其土地利用形式。 世界人口的快速增长及城市化的发展，加快了这种 变化的速度［１］。这些变化将对地球资源和生态环境 产生深远的影响，已经引起了广泛关注。土地利用 收稿日期：２０１０－－０１－－０８ 修订日期：２０】０一Ｏ８－－３０ 前遥感应用方法研究中的热点之一。 最近２０年来，各国学者相继发展了许多基于遥 感技术的变化检测方法［２ ］，也出现了不同的划分 方法，大致可以归纳为以下几种。按数据源将变化 基金项目：中国测绘科学研究院基本科研业务类（ＩＤ：７７７１０３２）。 作者简介：孙晓霞（１９７１￣），女，在职博士生，主要从事遥感影像变化检测及信息提取方面的研究。 Ｅ－ｍａｉｌ：ｓｕｎｘｘ＠ｃａｓｍ．ａｃ．ｃａ 一１１９— 遥感信息 综述 检测方法分为３类：基于新旧影像的变化检测、基于 新期影像旧期非影像数据的变化检测、基于立体像 对的三维变化检测；按处理的信息层次将变化检测 划分为像元级、特征级与决策级３个层次；按是否经 过分类将其分为直接比较法和分类后比较法两类； 最近还有学者按照采用的数学方法将变化检测技术 分成代数运算法、变换法、分类法、ＧＩＳ法、高级模型 法等７种［７］。随着土地覆盖变化的复杂性以及遥感 数据多样性的增加，新的变化检测方法以及新的图 像处理算法不断涌现，例如，利用变化向量分析法、 马尔科夫随机场模型进行变化检测，利用概率统计 学理论进行基于图斑的变化检测法，利用支撑向量 机、面向对象技术进行分类等［８ 引。总之，多项研 究与实践证明，目前还没有哪种方法被普遍认为是 最优的，由于这些方法大多是在不同的环境下基于 不同的用途提出来的，各自具有不同的适用性与局 限性。伴随着遥感数据获取技术的快速发展，越来 越多各具特色的遥感数据及其组合对变化检测提出 了新的技术要求。本文对已有变化检测技术方法进 行了总结与评价，并在此基础上，提出了一种基于影 像分割的变化检测新思路。 ２遥感影像变化检测技术现状 遥感影像变化检测是从不同时期的遥感数据 中，定量地分析和确定地表变化的特征与过程［１］。 简单地说就是通过遥感手段，对同一地区不同时期 的两个影像提供的信息进行分析、处理与比较，获取 该时间段内的土地利用与覆盖变化信息。从技术流 程上看，一般包括影像预处理、变化信息发现、变化 区域提取与变化类型确定几个过程［１ ，其中关键环 节是变化信息发现，多数研究都是围绕该环节进行 的。本文为了便于分析，仍沿用传统的划分方法，即 将变化检测方法分为直接比较法和分类后比较法两 种类型进行阐述。 ２．１直接比较法 直接比较法是不经过分类，而直接对同一区域 不同时相遥感影像的光谱信息进行处理比较，进而 确定变化的位置与范围，然后通过人工目视解译或 分类确定变化的类型。目前常用的直接比较法主要 有影像代数法、主成分分析法、影像回归法、假彩色 合成法、光谱特征变异法、交叉相关分析法、变化矢 量分析法等。这些方法的优点是直接确定变化的位 置，避免大范围分类，提高了检测效率，缺点是不能 提供变化的类型。 一１ ２Ｏ一 影像代数法是一种最常用的变化检测法，包括 影像差值法与影像比值法。影像差值法（或比值法） 就是将两个时相遥感图像的对应波段相减（或相 除）。其原理是：图像中未发生变化的地类在两个时 相的遥感图像上一般具有相等或相近的灰度值，而 当地类发生变化时，对应位置的灰度值将有较大差 别。因此在差值（或比值）图像中，没有发生变化区 域的像素值接近ｏ（或１），从而使变化信息从背景影 像中显现出来。该方法优点是运做起来简单快速， 不过应用之前需要做相对辐射归一化处理。不足之 处在于变化阈值难以确定，由于是通过点对点运算， 所以一般差值（或比值）图像存在很多的噪声，且不 能提供变化的属性。但是当地物类型比较单一，色 调纹理比较均匀，变化特征比较明显时还是有效的。 而当影像特征比较复杂时，该种方法还可以配合其 他方法综合使用。 主成分分析法（Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔｓ Ａｎａｌｙ— ｓｉｓ，简称ＰＣＡ）是对经过配准的不同时相遥感影像 进行主成分变换，以压缩波段之间的相关信息，生成 互不相关的多时相主分量合成图像，然后对主分量 信息进行对比，进而检测变化的一种方法。ＰＣＡ用 于变化检测主要有３种方式：①是主成分差异法，即 对两个时相的影像分别进行ＰＣＡ变换，选择主要的 几个主成分计算他们之间的差值来检测变化；②是 差异主成分法，是第一种方法的逆过程，即先对两时 相影像做差值处理，然后对差值影像进行ＰＣＡ变 换，取一个或几个主要的分量进行变化检测；③是多 波段主成分变换法，即将两时相影像的各个波段组 合成一个新的混合影像，对这个混合影像进行主成 分变换，前几个主要分量体现的是不变的信息，而发 生变化的信息将会集中在后几个次要分量中，因此 对后几个分量进行分析就可以检测出变化信息。 影像回归法首先假定Ｔ１时相的像元值是Ｔ２ 时相像元值的一个线性函数，通过最小二乘法来进 行回归，然后用回归方程计算出的预测值减去Ｔ１ 时相的原始像元值，从而获得两时相的回归残差图 像。通过设定阈值来确定变化区域。其中对遥感数 据进行回归处理在一定程度上相当于进行了辐射校 正的相对校正，因而能够减弱多时相数据中由于大 气条件和太阳高度角的不同所带来的不利影响［１ 。 假彩色合成法的思路是将不同时相同一波段的 数据分别赋以红、绿、蓝三种颜色，通过假彩色合成 来突出显示变化。该方法可以同时显示两个或三个 时相的变化，但不能定量表示变化的数量，也无法分 综述 遥感信息 辨变化类型。 光谱特征变异是通过两时相数据直接融合运算 发现变化，一般是将新时相的高分辨率遥感数据跟 旧时相的多光谱数据进行融合处理，变化区域反映 在融合后影像中光谱发生突变的位置。该方法简单 易行，但对小地物反映不够灵敏。 交叉相关分析法（Ｃｒｏｓｓ－Ｃｏｒｒｅｌａｔｉｏｎ Ａｎａｌｙｓｉｓ， 简称ＣＣＡ），这种方法一般应用于旧期为土地利用 现状图，新期为遥感影像的情况。首先将遥感影像 同旧期土地利用现状图配准叠置，用现状图的边界 将遥感图像划分为不同的图斑单元，统计各个图斑 单元的光谱响应均值和标准差，得到“期望值”，然后 比较每个像元期望值与光谱实际值之差。如果差值 比较大，说明是可能发生变化的区域。该方法的难 点是差值的阈值的确定［１ 。 变化矢量分析法（Ｃｈａｎｇｅ Ｖｅｃｔｏｒ Ａｎａｌｙｓｉｓ，简 称ＣＶＡ）是通过描述从Ｔ１时相到Ｔ２时相光谱向 量变化的方向和大小来检测变化的一种方法。首先 对两时相的影像分别做ＫＴ变换，取变换结果的第 一和第二分量，根据影像转换的经验系数对上面的 两对分量做旋转变换以使结果分别对应两时相的绿 度（Ｇ）和亮度（Ｂ）值，然后在Ｇ，Ｂ坐标系中，分别计 算变化矢量的方向分量（Ｓａｔｕｒａｔｉｏｎ）和幅度分量 （Ｈｕｅ），进而通过设定阈值检测变化。 ２．２分类后比较法 分类后比较法是一种较为简单明晰的变化发现 疗法。首先运用统一的分类体系对每一时相遥感影 像单独进行分类，然后通过对分类结果的比较直接 发现变化。 该方法经单独分类后比较，可以直接获取变化 的类型、数量和位置，对研究区的土地覆盖变化不需 要有先验认识；而且能回避所用多时相数据因获取 季节不同和传感器不同所带来的归一化问题；另外， 因为它是单独分类，无时相数的限制，因此分类后比 较法可以同时进行两个时相以上的遥感影像的变化 检测分析。但分类后比较法一直被认为存在一些较 严重的缺陷。首先，这种对不同时期土地覆盖分类 数据的比较，无法检测出存在某一种土地覆盖类型 内部的细微变化；再者，两个时相分类数据进行比较 后生成的变化图，其精度只大致相当于每个时相分 类精度值的乘积，这是因为存在于每一单独分类中 的误差会在空间比较过程中被进一步放大。尽管分 类后比较法存在精度方面的缺陷，但由于其方法简 单，故仍然被经常使用。 ３ 变化检测方法存在的问题分析 通过对上述各种变化检测方法的分析可以发现， 目前还没有一种速度快、精度较高、通用性好且易于 使用的变化信息提取方法。主要体现在两个方面：一 是由于现有的变化检测方法大多是针对具体应用提 出来的，对数据源、检测对象、地面环境等都有着特定 的要求；二是没有形成系统化理论，变化检测所涉及 的一些技术，如数据预处理、变化发现方法的选择、 变化阈值的确定等往往依靠经验［７］。究其原因现有 的变化检测方法主要是基于像元进行的，缺乏知识 引导的特征级变化检测方法。除交叉相关分析法， 部分分类后比较法外，其他方法均以像元处理为基 础实现，只能使用图像的光谱特征值的统计信息，而 没有利用地物形状、结构、相互关系等信息。事实 上，这种基于像元的方法过于着眼于影像的局部光 谱结构特征而忽视了周围图斑的相互关系及几何结 构情况，难以处理影像的语义信息，从而导致信息提 取的精度受到严重制约。例如，对于“同谱异物”现 象则无法解决。此外，基于像元的地物目标信息提 取需要进行大量的人工交互修正后处理，费时费力。 事实上，对于变化检测来说，不发生变化的信息 占主流，因此两期遥感数据中同时含有大量的与实 际地物一致的光谱与特征信息，如果利用计算机将 遥感影像分割成一个个图斑单元（即像素群），充分 利用图斑单元所具有的光谱、几何特征、上下文联系 等信息，则可在特征级的基础上实现自动化与定量 化的变化信息检测，将大大提高变化检测的精度和 效率。于是，近些年来，已有学者开始将面向对象的 方法引入到变化检测中［１卜¨］，有些学者是利用面向 对象的方法对两时相影像进行分类，然后通过对分 类结果的比较发现变化；有的是对两时像影像进行 整体分割，然后对分割结果进行处理提取变化信息， 还有学者对两幅图像分别进行分割，然后为了用相 同的区域来描述不同影像，采用了将分割结果进行 融合的方法。这些在一定程度上提高了变化检测的 精度，是对面向对象的特征级变化检测方法的一个 有意义探索。在上述研究的基础上，本文提出了一 种基于影像分割的智能化变化检测新思路，试图解 决两时相影像分割区域的一一对应问题，实现基于 图斑单元的特征级变化检测。 ４ 基于影像分割的智能化变化检测方法 基本思想是将遥感影像看作是由若干个具有同 １２１— 遥感信息 综逑 质特征的像素群（即图斑单元）组成。通过对不同时 相的对应图斑单元的比较检测变化。为实现基于影 （３）缩小处理范围，提高检测速度与精度。将影 像分割成不同大小的同质图斑块，极大地减少了需 要处理的单元数，而且仅需对发生变化的区域进行 地类识别，不必整体分类，与分类后比较法相比，大 像分割的变化检测，首先采用影像分割或空间聚类技 术，仅对其中一个时像影像（Ｔ１）进行分割，生成图斑 单元；同时建立基于图斑光谱色调、几何特征、上下文 关系等特征的判别规则，并选取各地类典型样本图 斑，形成各地类遥感数据样本库。然后，将Ｔ１时相的 大缩小工作量，提高了变化检测的速度。另外，采用 图斑单元的直接比较，还避免了分类后比较法中两 次分类误差对最终结果的累积影响，进一步提高了 变化检测的精度。 分割影像同Ｔ２时相的遥感影像配准叠置，以图斑单 元为单位进行特征匹配，当二者差值超过设定的阈值 时，则视为变化区域，并通过与样本库中各类别知识 （４）提高了自动化程度。该方法由于引入了知识 引导机制，借助于事先建立的地类样本知识库，在获 取变化的位置与面积的同时，可以自动识别变化的类 型，在一定程度上提高了变化检测的自动化程度。 当然该方法还处于试验探索阶段，还存在着一 的匹配识别出具体的变化类别。具体流程如图１： 预处理： －ｑ。生成图 类样本知 配准、相对 １斑单元 Ｉ Ｉ识库 １ 变化 类型 辐射 ｌ与Ｔ２叠加、ｌ ｌ ， 归一化 逐一图斑 ｌ单元比较ｌ ｌ ｌ 确定 ｂ １ ，些难点问题，如不同数据源不同尺度的影像分割、知 识引导的判别规则的构建以及变化图斑单元的发现 等，还有待于进一步研究与完善。 图１基于影像分割的智能化变化检测流程图 该方法采用了仅对其中一个影像进行分割，并 将分割生成的图斑边界与另一影像的同一区域叠置 匹配的方法，可以很好地解决用相同的区域分割来 ５ 结束语 遥感变化检测技术为资源调查、环境与灾害监 测提供了有利的研究手段，一直是遥感应用领域的 研究热点。长期以来许多科研人员根据不同的应用 目的和要求，发展了多种遥感影像变化检测方法，随 描述两时相影像，实现图斑单元对图斑单元的一一 比较问题，实现基于分割的特征级变化检测。该方 法同基于像素级别上的变化检测方法相比具有以下 优点： 着多传感器、多分辨率、多时域、多尺度的海量遥感 数据的急剧增加，以及人们对变化信息提取精度要 （１）提高了遥感影像信息的利用程度，具有更高 的精度。图斑单元相比单个像元要具有更多的信 息，基于像素级别的信息提取一般只考虑了像元的 光谱特征信息，而忽略了整块图斑的几何结构及相 互关系情况，从而严重制约了信息提取的精度，而基 求的不断提高，使得传统的变化检测技术面临着严 峻的挑战，因而不得不探索新的理论和方法，充分利 用遥感影像提供的丰富信息，发挥遥感技术在宏观、 快速、可靠、重复观测等方面的优势，提高变化检测 的精度和适用性。目前变化检测方法模型主要还是 于影像分割的变化信息提取，综合考虑了光谱统计 特征、形状、大小、纹理、相邻关系等一系列因素，因 而具有更高的检测精度。 （２）避免了“椒盐”现象，减少后处理的工作量。 基于影像分割方法首先提取同质区域然后进行变化 停留在像素级的数据引导上，缺乏知识引导的特征 级变化检测方法［１ 。基于影像分割分析方法的提 出，为解决困扰遥感影像处理的瓶颈难题提供了一 个新的思路。基于影像分割的分析方法已在ｅＣｏｇ－ ｎｉｔｉｏｎ等影像分类软件中发挥了重大作用，将其应 用于变化检测，也必将大大提高变化检测的精度和 速度，是今后变化检测技术的主要研究方向之一。 检测，从而避免了基于像元方法检测结果中的“椒 盐”影响，使变化结果更有意义。 参考文献 ［１］’赵英时，等．遥感应用分析原理与方法［Ｍ］．北京：科学出版社，２００３：２４１－－２４２． ［２３ Ｓｉｎｇｈ，Ａ．．Ｄｉｇｉｔａｌ ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ ｔｅｃｈｎｉｑｕｅｓ ｕｓｉｎｇ ｒｅｍｏｔｅｌｙ－ｓｅｎｓｅｄ ｄａｔａ口］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ， １９８９，１０（６）：９８９—１００３． ［３］Ｍｏｕａｔ，Ｄ．Ａ．，Ｍａｈｉｎ，Ｇ．Ｃ．，Ｌａｎｃａｓｔｅｒ，Ｊ．．Ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｔｅｃｈｎｉｑｕｅｓ ｉｎ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ［Ｊ］．Ｇｅｏｃａｒｔｏ Ｉｎｔｅｒｎａｔｉｏｎａｌ，１９９３，８（２）：３９—５Ｏ． ［４－Ｉ Ａｒｚａｎｄｅｈ，Ｓ．，Ｊ．Ｗａｎｇ．Ｍｏｎｉｔｏｒｉｎｇ ｔｈｅ ｃｈａｎｇｅ ｏｆ ｐｈｒａｇｍｉｔｅｓ ｄｉｓｔｒｉｂｕｔｉｏｎ ｕｓｉｎｇ ｓａｔｅｌｌｉｔｅ ｄａｔａ［］］．Ｃａｎａｄｉａｎ Ｊｏｕｒｎａｌ ｏｆ Ｒｅ— ｍｏｔｅ Ｓｅｎｓｉｎｇ，２００３，２９（１）：２４—３５． 一１ ２２— ２０１１．１ 综－述 遥感信息 ［５］ Ｒａｄｋｅ，Ｒ．Ｊ．，Ａｎｄｒａ，Ｓ．，Ａ１一Ｋｏｆａｈｉ，Ｏ．，Ｒｏｙｓａｍ，Ｒ．．Ｉｍａｇｅ ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ：Ａ ｓｙｓｔｅｍａｔｉｃ ｓｕｒｖｅｙ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ，２００５，１４（３）：２９４—３０７． ［６］ Ｄｅｒｅｎ Ｌｉ．Ｒｅｍｏｔｅｌｙ ｓｅｎｓｅｄ ｉｍａｇｅｓ ａｎｄ ＧＩＳ ｄａｔａ ｆｕｓｉｏｎ ｆｏｒ ａｕｔｏｍａｔｉｃ ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｉｍａｇｅ ａｎｄ Ｄａｔａ Ｆｕｓｉｏｎ，２０１０，１（１）：９９—１０８． ［７］ 张晓东．基于遥感影像与ＧＩＳ数据的变化检测理论和方法研究［Ｄ］．武汉：武汉大学．２００５． ［８］ Ｎａｃｋａｅｒｔ ｓ Ｋ，Ｖａｅｓｅｎ Ｋ，Ｍｕｙｓ Ｂ，ｅｔ ａ１．Ｃｏｍｐａｒａｔｉｖｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ａ ｍｏｄｉｆｉｅｄ ｃｈａｎｇｅ ｖｅｃｔｏｒ ａｎａｌｙｓｉｓ ｉｎ ｆｏｒｅｓｔ ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２００５，２６（５）：８３９—８５２． Ｅ９］ 申邵洪，谭德宝，梁东业．基于马尔科夫随机场的多时相ＳＡＲ影像变化检测研究［Ｊ］．长江科学院院报，２０１０（ｏ１）：４９—５１． ［１Ｏ］ 廖明生，朱攀，龚健雅．基于典型相关分析的多元变化检测ＦＪ］．遥感学报，２０００，４（３）：ｌ９７—２０１． ＿ ［１１］ Ｂｅｎｚ，Ｕ．．Ｄ￣ｆｉｎｉｅｎｓ ｉｍａｇｉｎｇ ｇｍｂＨ：０ｂｊｅｃｔ＿０ｒｉｅｎｔｅｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ｆｅａｔｕｒｅ ｄｅｔｅｃｔｉｏｎ［Ｊ］，ＩＥＥＥ Ｇｅｏｓｃｉｅｎｃｅ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｓｏｃｉｅｔｙ Ｎｅｗｓｌｅｔｔｅｒ，２００１（９）：１６—２０． ２］ 赖祖龙，申邵洪，程新文，张洁．基于图斑的高分辨率遥感影像变化检测［Ｊ］．测绘通报，２００９（８）：１７—２０． ３］ 黄勇，王建国，黄顺吉．基于图像分割的ＳＡＲ图像变化检测算法及实现ＦＪ］．信号处理，２００５，（２）：１４９—１５２． ４］ 张继贤，杨贵军．单一时相遥感数据土地利用与覆盖变化自动检测方法ＦＪ］．遥感学报，２００５（３）：２９４—２９９． ５］ 张振龙，等．遥感变化检测方法研究综述口］．遥感信息，２００５（３）． ６］ Ｇｒｅｇｏｒｙ Ｋｏｅｌｎ．Ｃｒｏｓｓ—ｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ：ｍａｐｐｉｎｇ ｌａｎｄ ｃｏｖｅｒ ｃｈａｎｇｅｓ ｗｉｔｈ ａ Ｈｉｓｔｏｒｉｃ ｌａｎｄ ｃｏｖｅｒ ｄａｔａ ｂａｓｅ ａｎｄ ａ ｒｅ－ ｃｅｎｔ，ｓｉｎｇｌｅ－ｄａｔｅ，ｍｕｌｔｉｓｐｅｃｔｒａｌ ｉｍａｇｅ［ｃ］／／ＡＳＰＲＳ Ａｎｎｕａｌ Ｃｏｎｖｅｎｔｉｏｎ，Ｗａｓｈｉｎｇｔｏｎ．２０００． ［１７］ 李德仁．利用遥感影像进行变化检测［Ｊ］．武汉大学学报，２００３，２８（特刊）：７—１２． （上接第１３页） 参考文献 ［１］ Ｃ Ｐｏｈｌ，ＪＬ ｖａｎ Ｇｅｎｄｅｒｅｎ．Ｍｕｌｔｉｓｅｎｓｏｒ ｉｍａｇｅ ｆｕｓｉｏｎ ｉｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ：Ｃｏｎｃｅｐｔｓ，ｍｅｔｈｏｄｓ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．Ｉｎｔｅｒｎａ— ｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，１９９８，１９（５）：８２３—８５４． ［２］ 李晖晖，郭雷，刘航．基于互补信息特征的ＳＡＲ与可见光图像融合研究［Ｊ］．计算机科学，２００６，３３（ＯＯ４）：２２１—２２４． ［３］ 李晖晖，郭雷，刘航．基于不同类型小波变换的ＳＡＲ与可见光图像融合研究［Ｊ］，光子学报，２００６，３５（８）：１２６３—１２６６． ［４］ Ｇａｎｇ Ｈｏｎｇ，Ｙｕｎ Ｚｈａｎｇ，Ｂｒｙａｎ Ｍｅｒｃｅｒ．Ａ ｗａｖｅｌｅｔ ａｎｄ ＩＨＳ ｉｎｔｅｇｒａｔｉｏｎ ｍｅｔｈｏｄ ｔｏ ｆｕｓｅ ｈｉｇｈ ｒｅｓｏｌｕｔｉｏｎ ＳＡＲ ｗｉｔｈ ｍｏｄｅｒ— ａｔｅ ｒｅｓｏｌｕｔｉｏｎ ｍｕｌｔｉｓｐｅｃｔｒａｌ ｉｍａｇｅｓＤ］．Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｍｅｒｉｃａｎ Ｓｏｃｉｅｔｙ ｆｏｒ Ｐｈｏｔｏｇｒａｍｍｅｔｒｙ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２００９， ７５（１０）：１２１３—１２２３． ［５］ Ｃｈｉｂａｎｉ，Ｙｏｕｃｅｆ．Ａｄｄｉｔｉｖｅ ｉｎｔｅｇｒａｔｉｏｎ ｏｆ ＳＡＲ ｆｅａｔｕｒｅｓ ｉｎｔｏ ｍｕｌｔｉｓｐｅｃｔｒａｌ ＳＰＯＴ ｉｍａｇｅｓ ｂｙ ｍｅａｎｓ ｏｆ ｔｈｅ ａ’ｔｒｏｕｓ ｗａｖｅｌｅｔ ｄｅｃｏｍｐｏｓｉｔｉｏｎ［Ｊ］．ＩＳＰＲＳ Ｊｏｕｒｎａｌ ｏｆ Ｐｈｏｔｏｇｒａｍｍｅｔｒｙ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２００６，６０（５）：３０６—３１４． ［６］ Ａｌｐａｒｏｎｅ，Ｌ．，Ｓ．Ｂａｒｏｎｔｉ，Ａ．Ｇａｒｚｅｌｌｉ，ｅｔ ａ１．Ｌａｎｄｓａｔ ＥＴＭ＋ａｎｄ ＳＡＲ ｉｍａｇｅ ｆｕｓｉｏｎ ｂａｓｅｄ ｏｎ ｇｅｎｅｒａｌｉｚｅｄ ｉｎｔｅｎｓｉｔｙ ｍｏｄｕｌａ－ ｔｉｏｎＥＪ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｇｅｏｓｃｉｅｎｃｅ ａｎｄ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ，２００４，４２（１２）：２８３２—２８３９． ［７］ 贾永红．ＴＭ和ＳＡＲ影像主分量变换融合法［Ｊ］．遥感技术与应用，１９９８，１３（００１）：４６－－４９． ［８］ Ｓ．Ａｂｄｉｋａｎ．Ｆｕｓｉｏｎ ｏｆ Ｓａｒ ｉｍａｇｅｓ（ｐａｌｓａｒ ａｎｄ ＲＡＤＡＲＳＡＴ一１）ｗｉｔｈ ｍｕｌｔｉｓｐｅｃｔｒａｌ ＳＰＯＴ ｉｍａｇｅ：Ａ ｃｏｍｐａｐａｔｉｖｅ ａｎａｌｙｓｉｓ ｏｆ ｒｅｓｕｌｔｉｎｇ ｉｍａｇｅｓ［Ｃ］／／ＩＳＰＲＳ．ＢＥＵＩＮＧ．２００８：１１９７—１２０２． ［９３ 贾永红，李德仁，刘继林．四种ＩＨＳ变换用于ＳＡＲ与ＴＭ影像复合的比较ＦＪ］．遥感学报，１９９７，２（２）：１０３—１０６． ［１Ｏ］ Ｃｈｅｎ，Ｃ．Ｍ．，Ｇ．Ｆ．Ｈｅｐｎｅｒ，Ｒ．Ｒ．Ｆｏｒｓｔｅｒ．Ｆｕｓｉｏｎ ｏｆ ｈｙｐｅｒｓｐｅｃｔｒａｌ ａｎｄ ｒａｄａｒ ｄａｔａ ｕｓｉｎｇ ｔｈｅ ＩＨＳ ｔｒａｎｓｆｏｒｍａｔｉｏｎ ｔｏ ａｎ— ｈａｎｃｅ ｕｒｂａｎ ｓｕｒｆａｃｅ ｆｅａｔｕｒｅｓ［Ｊ］．ＩＳＰＲＳ Ｊｏｕｒｎａｌ ｏｆ Ｐｈｏｔｏｇｒａｍｍｅｔｒｙ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２００３，５８（１—２）：１９—３０． ［１１］ Ｊｏｒｇｅ Ｎｕｎｚｅ，ＸａｖｉｅｒｎＯｔａｚｕ，Ｏｃｔａｖｉｎ Ｆｏｒｓ，ｅｔｃ．Ｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎ－ｂａｓｅｄ ｉｍａｇｅ ｆｕｓｉｏｎ ｗｉｔｈ ａｄｄｉｔｉｖｅ ｗａｖｅｌｅｔ ｄｅｃｏｍｐｏｓｉｔｉｏｎ ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｇｅｏｓｃｉｅｎｃｅ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，１９９９（３７）：１２Ｏ４—１２１１． ［１２］ Ｔｅ－Ｍｉｎｇ Ｔｕ，Ｓｈｕｎ－Ｃｈｉ Ｓｕ，Ｈｓｕｅｎ－Ｃｈｙｕｎ Ｓｈｙｕ，Ｐｉｎｇ Ｓ．Ｈｕａｎｇ．Ａ ｎｅｗ ｌｏｏｋ ａｔ ＨＩＳ－ｌｉｋｅ ｉｍａｇｅ ｆｕｓｉｏｎ ｍｅｔｈｏｄｓ［Ｊ］．Ｉｎｆｏｒ— ｍａｔｉｏｎ Ｆｕｓｉｏｎ，２００１，２（３）：１７７—１８６． ［１３］ 李晖晖，郭雷，刘航．基于梯度选取规则的小波变换在图像融合中的研究［Ｊ］．计算机工程与应用，２００５，４１（０１２）：７６—７８． ［１４］ Ｂｒｕｎｏ Ｇａｒｇｕｅｔ－Ｄｕｐｏｒｔ，Ｊａｃｋｙ Ｇｉｒｅｌ，Ｊｅａｎ－ｍａｒｃ Ｃｈａｓｓｅｒｙ，ｅｔ ａ１．Ｔｈｅ ｕｓｅ ｏｆ ｍｕｌｔｉｒｅｓｏｌｕｔｉ０ｎ ａｎａｌｙｓｉｓ ａｎｄ ｗａｖｅｌｅｔｓ ｔｒａｎｓｆｏｒｍ ｆｏｒ ｍｅｒｇｉｎｇ ＳＰＯＴ ｐａｎｃｈｒｏｍａｔｉｃ ａｎｄ ｍｕｌｔｉｓｐｅｃｔｒａｌ ｉｍａｇｅｓ ｄａｔａＥＪ］．Ｐｈｏｔ０ｇｒａｍｍｅｔｒｉｃ Ｅｎｇｉｎｅｅｒ＆Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，１９９６ （６２）：１０５７—１０６６． ［１５］ Ａｍｏｌｉｎｓ Ｋｒｉｓｔａ，Ｙｕｎ Ｚｈａｎｇ，Ｄａｒｅ Ｐｅｔｅｒ．Ｗａｖｅｌｅｔ ｂａｓｅｄ ｉｍａｇｅ ｆｕｓｉｏｎ ｔｅｃｈｎｉｑｕｅｓ—Ａｎ ｉｎｔｒｏｄｕｃｔｉｏｎ，ｒｅｖｉｅｗ ａｎｄ ｃｏｍｐａｒｉｓｏｎ ［Ｊ］．ＩＳＰＲＳ Ｊｏｕｒｎａｌ ｏｆ Ｐｈｏｔｏｇｒａｍｍｅｔｒｙ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２００７，６２（４）：２４９—２６３． ［１６］ Ｊ．Ｚｈｏｕ，Ｄ．Ｌ．Ｃｉｖｃｏ，Ｊ．Ａ．Ｓｉｌａｎｄｅｒ Ａ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ ｍｅｔｈｏｄ ｔｏ ｍｅｒｇｅ Ｌａｎｄｓａｔ ＴＭ ａｎｄ ＳＰＯＴ ｐａｎｃｈｒｏｍａｔｉｃ ｄａｔａｒＪ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ．１９９８，１９（４）：７４３—７５７． １２３—
