人們幾乎每天都在對(duì)自然環(huán)境進(jìn)行改造,小到建筑物的修建、大到填海造陸,而這些動(dòng)態(tài)發(fā)展對(duì)于自然環(huán)境的利弊則需要監(jiān)控與分析。 遙感變化檢測(cè),顧名思義,就是利用多張靜態(tài)的遙感圖像所反應(yīng)的信息,在相互比較、多種處理手段下獲取各種地表信息動(dòng)態(tài)變化的方式。 遙感變化檢測(cè)的工作對(duì)象是同一地區(qū)不同時(shí)期的圖像。 遙感變化檢測(cè)的正式概念是: 利用多時(shí)相遙感數(shù)據(jù),采用多種圖像處理和模式識(shí)別方法提取變化信息,并定量分析和確定地表變化的特征與過(guò)程。
遙感圖像的變化檢測(cè)已經(jīng) 廣泛地應(yīng)用于如森林資源的動(dòng)態(tài)監(jiān)測(cè)、土地覆蓋和利用的變化監(jiān)測(cè)、農(nóng)業(yè)資源調(diào) 查、城市規(guī)劃布局、環(huán)境監(jiān)測(cè)分析、自然災(zāi)害評(píng)估、地理數(shù)據(jù)更新以及軍事偵察 中戰(zhàn)略目標(biāo)(如道路、橋梁、機(jī)場(chǎng))等的動(dòng)態(tài)監(jiān)視等許多領(lǐng)域。
雖然已經(jīng)有大量的研究工作將深度學(xué)習(xí)應(yīng)用在多時(shí)相遙感影像的變化檢測(cè)研究上,但對(duì)于高分辨率遙感影像的變化檢測(cè)而言,地物有更加豐富的空間/形狀特征,如何將深度學(xué)習(xí)應(yīng)用于高分辨率遙感影像中,提取并學(xué)習(xí)有效的特征,減少偽變化,進(jìn)一步提高變化檢測(cè)精度,是未來(lái)主要的研究方向。 隨著Hay和Niemann提出了“影像對(duì)象”的概念,各種基于影像分割結(jié)果進(jìn)行影像分析的方法也逐漸出現(xiàn)。
基于像素的直接比較法、分類后比較法、柵格GIS矢量集成法等較成熟的方法,慢慢地也被引入面向?qū)ο蟮母叻直媛蔬b感影像變化檢測(cè)中。 此外,顧及鄰域像素空間關(guān)系的方法,如水平集 (level set)、馬爾科夫隨機(jī)場(chǎng) (Markov random field, MRF)、條件隨機(jī)場(chǎng) (conditional random field, CRF)等方法引入到對(duì)象級(jí)變化檢測(cè)中,將光譜和空間信息進(jìn)行有效結(jié)合,降低了對(duì)象級(jí)變化檢測(cè)的不確定性。 隨著遙感大數(shù)據(jù)和人工智能的發(fā)展,深度學(xué)習(xí)方法迅速被引入遙感影像變化檢測(cè)領(lǐng)域。 作為一種高分辨率遙感數(shù)據(jù)特征挖掘的有效手段,深度學(xué)習(xí)方法為高分影像數(shù)據(jù)的分類與變化檢測(cè)提供了一條新的途徑。