遥感影像变化检测方法文献综述
摘 要：遥感影像变化检测技术是遥感应用领域的一个重要研究方向。本文综述了国内外遥感影像变换检测方法，从以像元光谱直接比较为基础的变化检测方法和分类后比较为基础的变化检测方法两个方面对国内外该项技术进行了总结。最后，对遥感影像变化检测技术的未来发展方向进行了展望。
关键词：遥感变化检测；直接比较法；分类后比较法
前言
遥感影像变化检测是利用不同时期覆盖同一地表区域的多源遥感影像和相关地理空间数据，结合相应地物特性和遥感成像机理，采用图像、图形处理理论及数理模型方法，确定和分析该地域地物的变化，包括地物位置、范围的变化和地物性质、状态的变化[1]。
遥感影像变化检测的分类方法有很多种，从检测数据时相来分，遥感影像变化检测分为单时相分类比较法、两时相影像变化检测及时间序列变化检测[2] ；按数据源可以将变化遥感信息检测方法分为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；按处理的信息层次可以将变化检测划分为像元级、特征级与决策级3个层次；按是否经过分类可以将其分为直接比较法和分类后比较法两类[3]。刘直芳（2002）[4] 和李德仁（2003）等[5]则从影像比例尺方面和从配准先后两方面将已有的变化检测方法分为监督和非监督的两大类。
本文根据是否需要对图像进行分类，将遥感影像变化检测的方法分为以像元光谱直接比较为基础和以分类后比较为基础的两类变化检测方法。总结了一些国内外的研究成果，并尝试探究了其未来的发展趋势。
国外遥感影像变化检测方法研究现状
（一）以像元光谱直接比较为基础的变化检测方法
波段差值法[6]是最早出现的变化检测的方法， 1980年Malila[7]在其基础上又发展了变化向量分析法，变化向量分析法对不同期的影像各个波段的数据进行差值运算，求得每个像素在各个波段的变化量，由各个波段的变化量组成变化向量。该法可以利用全部的波段来探测变化像元，因此避免了单一波段比较带来的信息不完整，而且可以通过变化向量的方向提供变化类型的信息，但是随着波段数的增加，变化类型的判断会很困难。
针对传统变化检测方法应用于多通道多光谱遥感影像变化检测中的不足，Nielsen[8]提出了多元变化检测方法，利用典型相关分析的正交变换，将两组不同时相的多通道卫星影像编程一组新的多通道影像，此后又进一步提出了能够通过迭代定权提高变化检测效果的IRMAD方法[9]，这一方法已经成为目前最有效的非监督变化检测方法之一；Bovolo F,Bruzzone等人[10]对变化矢量法进行了改进，通过联合分析原始特征空间中多个时间点的光谱通道，使用选择性贝叶斯阈值来获得伪训练集来实现。在此基础上， Moumita Roy[11]等人又提出了基于半监督分类器集成的变化检测新方法，采用半监督分类，半基于分类器的迭代分类，最后采用组合规则将两种结果进行融合，相比较无监督改进的自组织特征映射和半监督MLP的变化检测技术，该法具有一定的优势。
（二）分类后比较为基础的变化检测方法
分类后比较法是先获得前后时相的土地利用/覆盖类别，然后通过对比前后类别发现变化[12]。常用的分类算法包括最大似然法、k均值法、神经网络法、决策树法等[13]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
