面向目標(biāo)識(shí)別的遙感變化檢測(cè)技術(shù)綜述

1、引言
遙感變化檢測(cè)的主要目標(biāo)是研究地球資源和環(huán)境狀況的動(dòng)態(tài)變化，分析人類活動(dòng)對(duì)地球環(huán)境的影響以及保障國(guó)家和社會(huì)安全服務(wù)。隨著各種衛(wèi)星遙感平臺(tái)和航空遙感平臺(tái)技術(shù)不斷深入發(fā)展，各種遙感數(shù)據(jù)不斷積累，各級(jí)空間數(shù)據(jù)庫(kù)的建立，通過航空和航天遙感，我們不斷觀測(cè)和把握地球的變化，特別是地球表面從宏觀到微觀的變化，全面記錄不同空間尺度和時(shí)間尺度的影像。如何從這些遙感影像中提取變化信息成為遙感影像變化檢測(cè)研究的重要課題。
在國(guó)內(nèi)外近幾十年的研究中，總結(jié)出了許多基于遙感影像的變化檢測(cè)方法，并廣泛應(yīng)用于土地覆蓋變化研究、數(shù)據(jù)庫(kù)更新、環(huán)境管理和防災(zāi)救災(zāi)等方面。隨著我國(guó)衛(wèi)星技術(shù)的不斷發(fā)展，各種氣象、資源、海洋和環(huán)境減災(zāi)等系列衛(wèi)星的成功發(fā)射，我國(guó)正向航天強(qiáng)國(guó)邁進(jìn)。近年來隨著變化檢測(cè)技術(shù)的不斷完善和發(fā)展，各種變化檢測(cè)技術(shù)軟件平臺(tái)的研發(fā)和綜合利用各平臺(tái)進(jìn)行檢測(cè)，使得傳統(tǒng)檢測(cè)技術(shù)效率低下和誤差大等缺點(diǎn)得到了很大的改善，促進(jìn)了變化檢測(cè)的自動(dòng)化進(jìn)程，提高了檢測(cè)效率和檢測(cè)精度。
以世界范圍看，隨著遙感變化檢測(cè)技術(shù)應(yīng)用服務(wù)的擴(kuò)展和效益的提高，遙感變化檢測(cè)技術(shù)的應(yīng)用發(fā)展大體可分軍事應(yīng)用、公益應(yīng)用和商業(yè)應(yīng)用三個(gè)層次。軍事應(yīng)用特點(diǎn)是采用高新技術(shù)、發(fā)展速度快；社會(huì)公益應(yīng)用的特點(diǎn)是政府重視、投資有保證，能實(shí)現(xiàn)全國(guó)土覆蓋；商業(yè)應(yīng)用的特點(diǎn)是面向工農(nóng)業(yè)生產(chǎn)，深入經(jīng)濟(jì)建設(shè)、社會(huì)發(fā)展和民眾生活的廣闊領(lǐng)域，因而有大量企業(yè)參與，向著工業(yè)化和產(chǎn)業(yè)化目標(biāo)，有廣闊的發(fā)展前景。
2、變化檢測(cè)處理流程及常規(guī)方法
面向目標(biāo)識(shí)別的變化檢測(cè)核心和關(guān)鍵是提取變化信息，當(dāng)前的變化檢測(cè)方法都是為了有效地從多時(shí)相遙感數(shù)據(jù)中提取出目標(biāo)的變化信息。依據(jù)遙感影像變化檢測(cè)原理，其工作流程主要包括數(shù)據(jù)獲取、預(yù)處理、變化檢測(cè)和精度評(píng)估等步驟，可以用圖1來表示。本文依據(jù)文獻(xiàn)[1][2][3][4]，從算法角度出發(fā)，將當(dāng)前變化檢測(cè)方法分為基于代數(shù)運(yùn)算、基于變換、基于分類和基于空間結(jié)構(gòu)四類變化檢測(cè)。在本文的組織中，考慮到與目標(biāo)識(shí)別的高度相關(guān)性，我們將后兩種方法放在第三章闡述。
2.1基于影像代數(shù)運(yùn)算的變化檢測(cè)
該類方法的優(yōu)點(diǎn)是簡(jiǎn)單、直接，主要包括：圖像差分、圖像比值、圖像回歸和植被指數(shù)索引等。這類方法的不足是難以確定變化的類別和不能對(duì)變化信息進(jìn)行更加具體的描述。
2.1.1圖像差分法[5]
通過計(jì)算經(jīng)過預(yù)處理的多時(shí)相影像對(duì)應(yīng)像素的差值，產(chǎn)生目標(biāo)圖像與基準(zhǔn)圖像的差值圖像，然后通過適當(dāng)?shù)拈y值選取方法選取閥值，找出檢測(cè)圖像與基準(zhǔn)圖像差異較大部分，來表示發(fā)生變化的區(qū)域。此法最為常用和基礎(chǔ)，適用于各種地理環(huán)境、圖像類型和各種波段影像。其閥值的選取是實(shí)際應(yīng)用中的難點(diǎn)，檢測(cè)精度依賴于配準(zhǔn)的精度，通常要求配準(zhǔn)精度達(dá)到像素或亞像素級(jí)別。
2.1.2圖像比值法[5]
通過多時(shí)相圖像“相除”，計(jì)算其比值，如果圖像沒有發(fā)生變化，則其對(duì)應(yīng)像素的比值為1，由于實(shí)際環(huán)境受各種因素的影響，只要其比值在接近1的某個(gè)范圍（通常是選取大于和小于1兩個(gè)閥值，這是比值法的關(guān)鍵），我們則認(rèn)為沒有發(fā)生變化，如果比值在我們選取的閥值以外，則發(fā)生了變化。圖像比值法通過計(jì)算變化前后兩幅圖像的比值圖像來找出變化區(qū)域，對(duì)圖像的預(yù)處理精度要不較高，在實(shí)際工作中，我們通常還要對(duì)除數(shù)加一個(gè)很小的不影響結(jié)果的常數(shù)（除數(shù)不能為0）。
2.1.3圖像回歸法[6]
通過分析多時(shí)相影像之間的統(tǒng)計(jì)聯(lián)系，來研究多時(shí)相影像之間的相關(guān)關(guān)系的數(shù)量表示，以此來檢測(cè)多時(shí)相影像的變化信息。該方法是用一個(gè)線性函數(shù)來表示多時(shí)相影像像元值之間的關(guān)系，通過合適的數(shù)學(xué)模型（不同的應(yīng)用目的，其回歸模型是不同的）進(jìn)行回歸，然后通過計(jì)算回歸值與原像元的差值，來獲取多時(shí)相影像之間的殘差圖像。同樣最后也是通過選取適當(dāng)?shù)拈y值來確定變化區(qū)域。
2.1.4植被指數(shù)索引法[7]
利用植被對(duì)紅外波段和近紅外波段之間不同的光譜效應(yīng)（植被對(duì)紅外的強(qiáng)吸收能力和近紅外的強(qiáng)反射能力），通過研究?jī)刹ǘ斡跋駭?shù)據(jù)對(duì)應(yīng)像素的比值（通常是灰度值或灰度值的幾何運(yùn)算之比），來檢測(cè)植被的變化。最普遍的植被指數(shù)法有歸一化差分植被索引法(NDVI)和比值植被指數(shù)法。利用植被指數(shù)法對(duì)不同時(shí)期植被覆蓋狀況的敏感性，來研究土地沙漠化和農(nóng)作物、森林蟲災(zāi)等。
從以上方法可以看出，基于代數(shù)運(yùn)算的變化檢測(cè)方法大多需要通過閾值來確定變化區(qū)域，穩(wěn)健有效地門限選擇方法是長(zhǎng)期的研究熱點(diǎn)，非實(shí)時(shí)需求下常采用交互方法確定門限。
2.2基于影像變換的變化檢測(cè)
為了減小遙感影像數(shù)據(jù)之間的冗余信息，我們通常對(duì)遙感影像進(jìn)行變換，以此來增強(qiáng)影像之間的變化信息，以便于識(shí)別變化信息。該方法主要包括主分量分析（PCA）、典型相關(guān)分析（Canonical）、纓帽變換（K-T）等。
2.2.1主分量分析法(PCA)[8]
為使信息損失減小，同時(shí)減少計(jì)算量和影像數(shù)據(jù)處理的復(fù)雜程度，主分量分析法將所有的信息壓縮到幾個(gè)特征向量上，主要應(yīng)用于多個(gè)時(shí)期的影像集，將多維特征變換到正交特征空間中進(jìn)行分析。主分量主要從影像數(shù)據(jù)的協(xié)方差矩陣和相關(guān)矩陣的特征向量推導(dǎo)而來，定義一個(gè)新的正交坐標(biāo)系統(tǒng)，由這些矩陣的特征向量來定義新坐標(biāo)系統(tǒng)的坐標(biāo)軸，利用向量乘積對(duì)影像的每個(gè)像素進(jìn)行單獨(dú)變換，得到新坐標(biāo)系的坐標(biāo)值?？蓪⒕仃嚨奶卣飨蛄靠醋餍碌牟ǘ?，影像每一個(gè)像素的坐標(biāo)值作為此波段上的亮度值，當(dāng)感興趣區(qū)域沒有顯著變化時(shí)，影像數(shù)據(jù)之間的相關(guān)性較大，而當(dāng)感興趣區(qū)域發(fā)生了較大的變化時(shí)，影像數(shù)據(jù)之間的相關(guān)性減小。
2.2.2典型相關(guān)分析法[9]
典型相關(guān)分析法是將不同時(shí)相的兩組多通道影像變換成一組新的多通道影像，以降低原始影像內(nèi)部通道和不同影像之間的相關(guān)性的影響?？梢岳迷摲椒ǖ木€性不變性，以及對(duì)測(cè)量設(shè)備的增益和線性輻射畸變不敏感等特點(diǎn)，對(duì)成像條件有差異的多時(shí)相多通道遙感影像進(jìn)行變化檢測(cè)。在實(shí)際應(yīng)用中，通過學(xué)習(xí)樣本計(jì)算出變換系數(shù)，確定變化關(guān)系，減小數(shù)據(jù)冗余，降低多時(shí)相影像間的線性相關(guān)性。
2.2.3纓帽變換[10]
纓帽變換是為了解決主分量分析法中不同影像的主分量難以相互比較的問題，是基于影像物理特征的固定變換，從而定義四個(gè)分量（土壤亮度指數(shù)、濕度指數(shù)、綠度指數(shù)和噪聲）。纓帽變換的轉(zhuǎn)換系數(shù)是固定的，獨(dú)立于影像，不同時(shí)相的影像產(chǎn)生的亮度和綠度可以互相比較。隨著植被的生長(zhǎng)，綠度指數(shù)上信息量增加，土壤亮度指數(shù)上信息量減小，當(dāng)植被進(jìn)一步成熟或凋零時(shí)則相反。因此，可以對(duì)不同時(shí)相的影像進(jìn)行纓帽變換，提取前三個(gè)分量進(jìn)行比較，確定最能描述變化的分量，識(shí)別來地物的變化。
3、目標(biāo)識(shí)別任務(wù)相關(guān)的變化檢測(cè)技術(shù)
3.1目標(biāo)識(shí)別任務(wù)與變化檢測(cè)技術(shù)的結(jié)合點(diǎn)
遙感圖像目標(biāo)檢測(cè)與識(shí)別[11][12][13]一直是遙感圖像處理和模式識(shí)別領(lǐng)域研究的熱點(diǎn)課題，是建立在模式識(shí)別基礎(chǔ)上的，其實(shí)質(zhì)是依據(jù)目標(biāo)的形狀、面積、周長(zhǎng)、長(zhǎng)寬比、圓度等，把未知目標(biāo)判別為一組已知目標(biāo)集中某一類的過程，主要難題包括：復(fù)雜的背景、多種形式的干擾、不斷增長(zhǎng)的目標(biāo)機(jī)動(dòng)性和靈活性，主要涉及圖像預(yù)處理、目標(biāo)探測(cè)、圖像分割、特征提取與選擇、目標(biāo)分類識(shí)別與目標(biāo)跟蹤等多級(jí)步驟。
目標(biāo)識(shí)別處理一般包括特性分析與目標(biāo)建模，特征提取與學(xué)習(xí)訓(xùn)練，識(shí)別性能評(píng)估與方法反饋等。目標(biāo)識(shí)別建模是其中的關(guān)鍵部分，與識(shí)別的層次息息相關(guān)。從信息的組織形式上，可歸納為三種類型的方法：第一類模型是：目標(biāo)模板表述模型，直接使用目標(biāo)識(shí)別相關(guān)的典型目標(biāo)數(shù)據(jù)建立模型，采用相似性度量的模板匹配進(jìn)行識(shí)別。這是早期的方法，對(duì)一些簡(jiǎn)單的應(yīng)用情況可能是合適的，但其對(duì)感知目標(biāo)輸入數(shù)據(jù)的變化和噪聲敏感；第二類模型是：基于數(shù)據(jù)層的特征矢量表述模型，其使用單層結(jié)構(gòu)的多特征屬性組合建立模型，在特征矢量表述模型基礎(chǔ)上可以建立形形色色的識(shí)別分類方法。這類方法是建立在數(shù)據(jù)層上的，為獲取對(duì)分類更有效的特征集，需要組合特征數(shù)目少的特征集，通常需要采用合適的特征選擇和提取方法。第三類模型是基于元特征的層次結(jié)構(gòu)表述模型。通過對(duì)目標(biāo)數(shù)據(jù)的分析，可以提取以基礎(chǔ)單元的特征，還可以將相連的具有同樣屬性的特征聚合成特征集，即形成所謂的元特征。例如，圖像中的具有相同特性的區(qū)域、線段等。這類元特征由多個(gè)基礎(chǔ)單元構(gòu)成，是一種更簡(jiǎn)潔的目標(biāo)表述單元，由此建立的目標(biāo)模型將可以表述更多的、更復(fù)雜的、不同層次的目標(biāo)類別。這類方法為基于知識(shí)的識(shí)別方法提供了信息組織的基礎(chǔ)。
依據(jù)前述，目標(biāo)識(shí)別任務(wù)與變化檢測(cè)技術(shù)存在互相滲透關(guān)系，在三個(gè)識(shí)別層次上均可以找到結(jié)合點(diǎn)：第一層次，從背景中發(fā)現(xiàn)目標(biāo)，通常稱為目標(biāo)檢測(cè)。結(jié)合多時(shí)相信息，針對(duì)熱點(diǎn)地區(qū)的動(dòng)態(tài)監(jiān)視任務(wù)中，提取變化與非變化，剔除“偽變化”或不感興趣變化的過程；第二層次，區(qū)分目標(biāo)的類型，通常稱為目標(biāo)分類，進(jìn)一步的任務(wù)有目標(biāo)鑒別與目標(biāo)識(shí)別。例如，通過多時(shí)相掩膜構(gòu)造，可有效識(shí)別移動(dòng)目標(biāo)（尤其是時(shí)敏目標(biāo)）的動(dòng)態(tài)情況，隨著遙感數(shù)據(jù)回訪周期的縮短，采用多時(shí)相或超時(shí)相數(shù)據(jù)可進(jìn)一步完成某些感興趣目標(biāo)的動(dòng)態(tài)特征刻畫與跟蹤監(jiān)視任務(wù)；第三層次，個(gè)體目標(biāo)的確認(rèn)通常稱為目標(biāo)確認(rèn)。隨著數(shù)據(jù)空間分辨率與光譜分辨率的提高，在低層次檢測(cè)識(shí)別的基礎(chǔ)上，完成特定目標(biāo)要素組成變化的精細(xì)化分析，例如：軍事上的毀傷效果評(píng)估任務(wù)等。
下面，仍以基礎(chǔ)方法為重點(diǎn)，簡(jiǎn)述面向目標(biāo)識(shí)別任務(wù)的變化檢測(cè)技術(shù)。
3.2面向目標(biāo)識(shí)別的變化檢測(cè)技術(shù)
3.2.1基于影像分類的變化檢測(cè)
利用影像分類對(duì)多時(shí)相遙感影像進(jìn)行的變化檢測(cè)主要包括分類后比較法、同時(shí)分類法和人工神經(jīng)網(wǎng)絡(luò)法?；谟跋穹诸惖姆椒梢蕴峁┳兓繕?biāo)的類別，減少外界干擾因素對(duì)變化檢測(cè)的影響，但其對(duì)學(xué)習(xí)樣本的精度要求較高，分類結(jié)果對(duì)其性能的影響較大。
(1)分類后比較法。[14]分類后比較法是對(duì)每個(gè)影像進(jìn)行單獨(dú)的分類（監(jiān)督或非監(jiān)督方法），然后根據(jù)相對(duì)應(yīng)位置區(qū)域像素類別的差異來檢測(cè)發(fā)生變化的區(qū)域。一般情況下為了降低配準(zhǔn)誤差的影響，通過人工區(qū)分模式和形狀，利用計(jì)算機(jī)進(jìn)行定量分析來進(jìn)行變化檢測(cè)。該方法可以確定變化的空間范圍和變化信息的性質(zhì)，但分類方法選擇較難，檢測(cè)精度對(duì)影像分類精度的依賴程度較高。
(2)多時(shí)相同時(shí)分類法。[15]在監(jiān)督或非監(jiān)督模式下，利用多個(gè)時(shí)相的組合影像數(shù)據(jù)的單個(gè)分析來提取變化區(qū)域。在監(jiān)督分類中，由變化區(qū)域和不變區(qū)域的學(xué)習(xí)樣本來導(dǎo)出統(tǒng)計(jì)量，以決定特征空間；在非監(jiān)督分類中，通過聚類算法來分析影像分類的類別。直接的多時(shí)相影像分類法在檢測(cè)港口和森林區(qū)域的變化中，容易得到比較好的結(jié)果，同時(shí)能夠簡(jiǎn)單地標(biāo)記變化類別和減少分類的時(shí)間。
(3)人工神經(jīng)網(wǎng)絡(luò)法。[1]作為非參數(shù)的監(jiān)督方法，是利用人工神經(jīng)網(wǎng)絡(luò)的自組織、自適應(yīng)性強(qiáng)的特點(diǎn)，通過學(xué)習(xí)不同時(shí)相的影像數(shù)據(jù)樣本來估計(jì)影像數(shù)據(jù)的屬性和訓(xùn)練網(wǎng)絡(luò)，利用網(wǎng)絡(luò)結(jié)點(diǎn)間的連接來儲(chǔ)存信息和完成分類計(jì)算。人工神經(jīng)網(wǎng)絡(luò)法的關(guān)鍵是確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)層數(shù)（具體包括網(wǎng)絡(luò)層數(shù)的確定、隱含層節(jié)點(diǎn)數(shù)的確定、初始權(quán)值的選擇和學(xué)習(xí)速率的選擇。）和選擇合適的訓(xùn)練樣本。
3.2.2基于影像空間結(jié)構(gòu)的變化檢測(cè)
基于影像空間結(jié)構(gòu)特征的分析法主要針對(duì)人造目標(biāo)，根據(jù)不同影像中人造目標(biāo)的空間結(jié)構(gòu)信息的變化來實(shí)現(xiàn)變化信息的提取。該類方法對(duì)于高分辨率影像變化檢測(cè)方面具有較大的優(yōu)勢(shì)，但如何提取特征與分析比較是這類算法的難點(diǎn)。
(1)基于線特征。在基于目標(biāo)識(shí)別的變化檢測(cè)中使用的線特征主要有兩種：基于影像梯度信息的邊緣特征和描述目標(biāo)形狀的輪廓特征?；诰€特征目標(biāo)識(shí)別的變化檢測(cè)主要是通過影像的邊緣信息來描述地物，然后通過邊緣特征的變化感知目標(biāo)的變化，此法需要穩(wěn)健的邊緣特征提取方法和線匹配方法，對(duì)于影像的預(yù)處理的精度要求不高，同時(shí)比較穩(wěn)健，對(duì)于形狀不規(guī)則的目標(biāo)有較好的檢測(cè)效果。由于此法是通過目標(biāo)的邊緣進(jìn)行檢測(cè)，因而對(duì)目標(biāo)變化的細(xì)微信息難以準(zhǔn)確地描述。
(2)基于空間紋理特征。影像的紋理是影像灰度統(tǒng)計(jì)信息、空間分布信息和結(jié)構(gòu)信息的反映，同時(shí)也是對(duì)影像空間上下文信息的描述，根據(jù)描述紋理的方法不同，可以將該方法分為利用梯度描述紋理和利用灰度共生矩陣描述紋理兩類。不同的物體有不同的紋理特征，因而它的變化必將引起其紋理發(fā)生變化，可以利用其空間紋理的變化來檢測(cè)目標(biāo)的變化。目標(biāo)的變化使其空間紋理也發(fā)生了改變，進(jìn)而通過空間紋理的比較來感知目標(biāo)的變化，該方法需要選擇合適的紋理描述方式，必須根據(jù)不同的目標(biāo)紋理特征選擇合適的描述紋理的方法。
4、遙感發(fā)展新趨勢(shì)帶來的思考
近年來，變化檢測(cè)的研究呈現(xiàn)三個(gè)特點(diǎn)：應(yīng)用廣泛、數(shù)據(jù)多元、方法綜合。目標(biāo)識(shí)別是對(duì)有限感知數(shù)據(jù)的解釋過程，隨著感知手段的豐富和能力的提高，隨著應(yīng)用需求的不斷深化，正確的、精確的和快速的目標(biāo)識(shí)別需求將日益突出，存在著巨大的發(fā)展空間和應(yīng)用前景，同時(shí)也面臨理論方法與應(yīng)用實(shí)踐的嚴(yán)峻挑戰(zhàn)。對(duì)目標(biāo)識(shí)別相關(guān)的變化檢測(cè)要求是：自動(dòng)化、實(shí)時(shí)化和在軌化。文獻(xiàn)[4]指出：目前的變化檢測(cè)技術(shù)，從方法上看主要停留在像元級(jí)的數(shù)據(jù)導(dǎo)引的方法，缺少知識(shí)導(dǎo)引的特征級(jí)變化檢測(cè)方法，尚未充分利用新舊影像間的許多關(guān)聯(lián)信息，更缺少自動(dòng)的變化檢測(cè)方法；空間數(shù)據(jù)和識(shí)別知識(shí)的挖掘方法，處于起步狀態(tài)，變化檢測(cè)中較少利用多光譜和高光譜信息。
遙感對(duì)地觀測(cè)的不斷發(fā)展，帶來了更高的空間分辨率、時(shí)間分辨率和光譜分辨率，觀測(cè)平臺(tái)的多樣化使得綜合觀測(cè)、融合識(shí)別的趨勢(shì)明顯，即：大小衛(wèi)星平臺(tái)的綜合、空天平臺(tái)的綜合、技術(shù)與應(yīng)用的綜合[12]。這將有效的提升數(shù)據(jù)的利用潛力和服務(wù)于識(shí)別任務(wù)的檢測(cè)-鑒別-識(shí)別分析能力。
結(jié)合目標(biāo)識(shí)別的應(yīng)用特點(diǎn)，考慮到目前智能計(jì)算與自動(dòng)處理的實(shí)際能力，在相關(guān)的變化檢測(cè)研究中，應(yīng)重點(diǎn)關(guān)注如下問題：
一是強(qiáng)調(diào)海量數(shù)據(jù)的快速篩選方法研究。感興趣目標(biāo)及其變化的快速篩選，逐步推向智能化、自動(dòng)化、實(shí)時(shí)化，以解決實(shí)際應(yīng)用需要，緩解人工處理壓力；
二是重視數(shù)據(jù)挖掘帶來的知識(shí)導(dǎo)引。異質(zhì)數(shù)據(jù)的互補(bǔ)潛力，多時(shí)相數(shù)據(jù)、超時(shí)相數(shù)據(jù)中隱含的大量相關(guān)信息，遠(yuǎn)未得到系統(tǒng)的分析與總結(jié)；
三是引入適當(dāng)?shù)娜藱C(jī)交互處理。智能化處理定位不準(zhǔn)，導(dǎo)致許多研究找不到直接支持情報(bào)生產(chǎn)的契合點(diǎn)，只要人工交互設(shè)計(jì)得當(dāng)，符合流程特點(diǎn)，可以簡(jiǎn)單快捷并充分發(fā)揮人的能動(dòng)性；
四是多角度綜合理論方法、領(lǐng)域技術(shù)及應(yīng)用系統(tǒng)。形成集成的應(yīng)用系統(tǒng)，綜合利用先驗(yàn)信息、地理信息、專家專業(yè)專題信息等，在解決實(shí)際應(yīng)用問題的同時(shí)，反過來進(jìn)一步擴(kuò)展目標(biāo)識(shí)別與變化檢測(cè)的理論研究?jī)?nèi)涵；
五是關(guān)注實(shí)際應(yīng)用中可以采用的性能評(píng)價(jià)問題。面向具體應(yīng)用，從影響性能因素的提取、性能參數(shù)的測(cè)試和性能參數(shù)認(rèn)定等方面，綜合提煉評(píng)價(jià)指標(biāo)體系，并進(jìn)一步獲得應(yīng)用和研究部門協(xié)調(diào)認(rèn)可。
5、結(jié)語
針對(duì)面向目標(biāo)的遙感變化檢測(cè)技術(shù)良好的發(fā)展空間和應(yīng)用前景，本文從變化檢測(cè)的一般流程和常規(guī)方法入手，介紹了變化檢測(cè)的常規(guī)方法——基于影像代數(shù)運(yùn)算和基于變換的變化檢測(cè)，并著重分析了面向目標(biāo)識(shí)別任務(wù)相關(guān)的變化檢測(cè)技術(shù)——基于影像分類和基于空間結(jié)構(gòu)的變化檢測(cè)，并對(duì)在與目標(biāo)識(shí)別相關(guān)的變化檢測(cè)研究重點(diǎn)關(guān)注問題進(jìn)行了探討。分析上述方法，我們得出以下結(jié)論：隨著感知數(shù)據(jù)手段和能力的增加，隨著應(yīng)用需求的不斷深化，正確的、精確的和快速的目標(biāo)識(shí)別需求越來越多，面臨著理論方法與應(yīng)用實(shí)踐的嚴(yán)峻挑戰(zhàn)，需要解決圖像自動(dòng)配準(zhǔn)、影像自動(dòng)匹配、特征自動(dòng)提取、目標(biāo)自動(dòng)解譯、影像自動(dòng)融合和數(shù)據(jù)自動(dòng)清理和分類等關(guān)鍵性難題。作為補(bǔ)充，面向目標(biāo)的變化檢測(cè)應(yīng)遵循以下幾點(diǎn)原則：一是目標(biāo)變化分離原則。從各種變化信息中提取目標(biāo)的變化信息，排除系統(tǒng)噪聲，自然變化規(guī)律以及非感興趣變化等干擾。二是物候變化最大原則。選擇目標(biāo)變化最大的時(shí)間段，正確的光譜波段和合適的空間分辨率。三是過程誤差最小化原則。由于是一個(gè)聯(lián)動(dòng)的分析過程，在幾何配準(zhǔn)、輻射校正等步驟中，應(yīng)結(jié)合應(yīng)用目的謹(jǐn)慎選擇可行方法，盡可能避免信息失真。