本發(fā)明涉及城市遙感技術(shù)領(lǐng)域，尤其涉及到一種基于時間序列sar遙感影像的建設(shè)用地變化檢測方法。

背景技術(shù)：

城市擴張與城市環(huán)境遙感監(jiān)測是世界上熱點的研究領(lǐng)域，利用遙感技術(shù)監(jiān)測土地利用/覆蓋變化已有三十年的研究歷史，遙感還被用于城市環(huán)境評估、城市公共管理等方面。城市中的土地利用變化是劇烈的，往往包括新增建設(shè)工程，植被挖損、舊建筑物被拆除平整等過程。實時快速的遙感監(jiān)測有助于對城市更新改造項目的有效監(jiān)管，對建設(shè)工程敦促進度，也能及時制止建設(shè)用地違法事件。

我國珠三角地區(qū)屬于南亞熱帶氣候，常年多云多雨。雖然目前在軌運行的光學(xué)傳感器的遙感衛(wèi)星已具備每天的重復(fù)對地觀測，但仍然易受到云雨影響不能成像。合成孔徑雷達(syntheticapertureradar,sar)遙感系統(tǒng)近年來迅速發(fā)展，以其主動微波的成像模式，不依賴天氣條件和太陽光照，能全天候開展對地觀測。其次，sar遙感系統(tǒng)通過采集地物反射的雷達信號成像，在刻畫地物紋理、結(jié)構(gòu)方面具有優(yōu)勢。近年來也有較多的報道采用sar遙感對建設(shè)用地的提取及土地利用覆蓋變化的研究。在珠三角城市群利用sar遙感無疑是值得倡導(dǎo)的，對建設(shè)用地變化快速實時的檢測。

manakos等人在《landuseandlandcovermappingineurope:practicesandtrends》一書中系統(tǒng)地總結(jié)了近年來遙感變化檢測技術(shù)方法的進展，提到了sar遙感數(shù)據(jù)在變化檢測中是最有優(yōu)勢的(manakos,i.,braun,m.,landuseandlandcovermappingineurope:practicesandtrends[m],springerscience,2014.)，然而該類的變化檢測工作還不多見，原因可能在于長期以來sar遙感數(shù)據(jù)源的不多、價格昂貴、成像機理復(fù)雜等。大多數(shù)遙感影像變化檢測是基于“像元對像元”的模式，對比不同時間的兩景影像來呈現(xiàn)變化區(qū)域。比較典型的干涉差分sar遙感用于檢測建筑物、地形等形變的研究，而此類研究工作通常涉及1-2個時相而不是基于高時間分辨率的研究分析，而基于時間序列分析的變化檢測是最有前途的。

專利：cn102855487a中，肖鵬峰等人提出在利用高分辨率光學(xué)遙感影像對新增建設(shè)用地變化進行提取，通過處理兩幅遙感圖像前后進行差值運算，再進行一系列的形態(tài)學(xué)圖像處理獲得紋理變化明顯的區(qū)域。專利：cn102176014a中，孫強發(fā)明了一種多時相sar圖像城市區(qū)域變遷變化檢測方法，其檢測方法簡單，通過2景不同時間的影像對比得到變化區(qū)域。專利：cn103871039a中，公茂果等人也公布了一種sar圖像變化檢測差異圖生成方法，也是對兩幅不同時相的sar圖像像元相似性進行測量，最后得到基于比值相似度的影像差異圖。atto等人采用不同時間的terrasar-x數(shù)據(jù)提取城市建設(shè)的變化區(qū)域(atto,a.m.,trouve,e.,berthoumieu,y.,mercier,g.multidatedivergencematricesfortheanalysisofsarimagetimeseries[j],ieeetransactionsongeoscienceandremotesensing,2013,51(4):1922-1938.)。huang等人提出一種基于小波變換的sar影像變化檢測，旨在對噪聲的有效消除(huang,s.,cai,x.,chen,s.,liu,d.changedetectionmethodbasedonfractalmodelandwavelettransformformultitemporalsarimages[j],internationaljournalofappliedearthobservationandgeoinformation,2011,13:863-872.)。liandyeh也采用過多個時相的sar影像在農(nóng)用地快速流失的珠三角區(qū)域檢測土地變化(li,x.,yeh,a.g.multitemporalsarimagesformonitoringcultivationsystemsusingcase-basedreasoning[j],remotesensingofenvironment,2004,90(4):524-534.)，gimenoet等人采用了主成份分析的手段對sar影像時間序列進行了變化的提取(gimeno,m.,ayanz,j.s.,barbosa,p.m.,schmuck,g.,burntareamappingfromers-sartimeseriesusingtheprincipalcomponentstransformation,in:proc.spiesarimageanalysis,modeling,andtechniques[c],2003,v4883,171-177,crete,greece.)。對城市建設(shè)用地的sar監(jiān)測研究漸漸發(fā)展成了基于時相相似性等檢測方法。kleynhans等人提出了一種時間自相關(guān)的sar影像變化檢測方法(kleynhans,w.,salmon,b.p.,olivier,j.c.detectingsettlementexpansioninsouthafricausingahyper-temporalsarchangedetectionapproach[j],internationaljournalofappliedearthobservationandgeoinformation,2015,42:142-149.)。錢峻屏等人也利用過sar時間序列影像對短期的土地覆蓋變化進行檢測，提出了一種基于時空密度異常檢測的算法，能在時間序列影像中分離出由典型的、正常的作物生長或農(nóng)事活動引起的影像光譜或回波變化,進而識別出由人為活動或突發(fā)事件導(dǎo)致的土地利用/土地覆蓋變化,這是通常的圖像差值等方法難以做到的(遙感學(xué)報,2009,13(3):499-508.)?？偟膩碚f，盡管已提出的遙感變化檢測方法不少，但多是只采用2個或少數(shù)的幾個時相的影像去疊置對比，而利用高時空分辨率的時間序列sar影像的研究仍不多見。其次，目前無論在光學(xué)或者雷達遙感中，諸類方法對于城市環(huán)境的建設(shè)用地變化的遙感提取仍具有局限性，通常以圖像閾值界定來獲得變化區(qū)域，精度得不到保證；在其檢測方法通常還不對地物變化的形式進行分類，例如是減少了還是增加了，對應(yīng)在建設(shè)用地變化是拆除平整和建設(shè)加高兩種。在遙感變化檢測分類中也很難提取出此類型的樣本進行分類，也少有提及如何確定分類的規(guī)則及參數(shù)閾值。

近年來，國際上在軌運行的sar遙感衛(wèi)星漸漸增多，如加拿大的radarsat，歐空局的sentinel-1a/b，日本alos-palsar，德國的terra-x，我國的高分三號?；趕ar遙感數(shù)據(jù)對地物散射信號的獲取以及紋理信息的精細描繪，無疑是值得探討利用其獨特的優(yōu)勢在快速城市土地變化的監(jiān)測研究中。同時，得益于sentinel-1sar遙感存檔數(shù)據(jù)的開放獲取，將會有力地促進時間序列sar數(shù)據(jù)在城市建設(shè)用地變化的分析研究。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種有助于城市建設(shè)用地開發(fā)的監(jiān)測、監(jiān)管以及工程項目的進度評估，高效、成本低、獲得變化區(qū)域精度高、能對地物變化的形式進行分類、利用高時空分辨率、基于時間序列sar遙感影像的建設(shè)用地變化檢測方法。

為實現(xiàn)上述目的，本發(fā)明所提供的技術(shù)方案為：一種基于時間序列sar遙感影像的建設(shè)用地變化檢測方法，該方法包括以下步驟：

(1)通過歐空局sentinel數(shù)據(jù)發(fā)布的網(wǎng)站獲取遙感數(shù)據(jù)；

采用歐空局的sentinel-1sar衛(wèi)星遙感數(shù)據(jù)，其sar數(shù)據(jù)源中包括了3種成像模式，其中的干涉寬幅模式(interferometricwideswathmode)，具有250公里的掃描寬度以及5×20米的分辨率，使其可以獲得質(zhì)量很高并且均勻的sar圖像；同時，其提供了level-1grd(groundrangedetected)數(shù)據(jù)是投影在wgs-84大地基準面上，形成了影像接近10米分辨率的正方形像元；sentinel-1的sar提供了vh和vv兩種極化成像模式；此外sentinel-1sar數(shù)據(jù)是設(shè)計成預(yù)編程重復(fù)軌道觀測的，提供了實用的時間序列觀測影像。sentinel-1iwgrdh影像自發(fā)布數(shù)據(jù)以來，足有一年以上的存檔數(shù)據(jù)提供下載，且重訪周期為半個月，重訪率高，成像清晰，為城市建設(shè)用地快速的時空動態(tài)監(jiān)測提供了充足、可靠的數(shù)據(jù)源。

(2)預(yù)處理構(gòu)建時間序列數(shù)據(jù)集；

數(shù)據(jù)集預(yù)處理包括以下步驟：1)輻射定標；2)圖像增強；3)影像配準，從而構(gòu)建時間序列數(shù)據(jù)集，同時在時間序列數(shù)據(jù)集時間域上的平滑濾波也是必要的，初步還原地物時間上的變化特征。

(3)sar時間序列線性變換；

sar遙感影像在城市環(huán)境中記錄的是建筑物后向散射的雷達信號特征，而復(fù)雜的場景中噪聲通常存在；因此，在時間序列中sar影像像元的時間域波動是明顯存在的，而其時間域的發(fā)展趨勢是可以確定的，比如上升，下降；通過對時間序列的線性變換，獲得每個像元的線性趨勢，能夠較好地還原地物變化的模式。

線性變換原理如下：基于像元的時間序列曲線形態(tài)，將波動的雷達散射信號曲線擬合到一個線性方程中，通過線性變換，使每個像元的時間序列曲線形態(tài)均被線性擬合到相應(yīng)的方程中，從而使地物變化趨勢體現(xiàn)在雷達時間序列信號變化便能從線性的變換區(qū)分開來，通過時間序列變換，突出連續(xù)變化的地物時空特征并能體現(xiàn)其趨勢，通過時間上足夠的影像擬合趨勢線。

線性方程為y＝ax+b，其中，x為對應(yīng)的時間，y為擬合后的雷達散射信號，a和b分別為對應(yīng)的方程系數(shù)。

(4)sar時間序列時空特征提??；

定義在時間序列上的這些分類樣本為“時空端元”，把時間序列sar數(shù)據(jù)集視作高光譜遙感影像，借助高光譜遙感影像處理的方法，對時間序列sar影像數(shù)據(jù)進行具有時空特性的“端元”提取；采用凸錐幾何體(sequentialmaximumangleconvexcone，smacc)混合像元分解的方法，經(jīng)處理后提取到具有地物時空特征的端元。

(5)建設(shè)用地變化檢測與模式分類。

提取時空端元后，通過計算獲取端元之間相互的光譜角θ，定量的光譜角數(shù)值作為制圖規(guī)則中的角度閾值界定；依據(jù)sar時間序列上雷達散射信號的變化，確定建設(shè)用地變化類型；

光譜角θ計算公式為i和n為對應(yīng)的時間序列日期。

本方案原理如下：

利用當下高重訪周期、較高空間分辨率的sar遙感數(shù)據(jù)構(gòu)建時間序列，基于建設(shè)用地變化反映的雷達散射信號的強弱，對sar時間序列線性變換，呈現(xiàn)建設(shè)用地的時空變化特征；利用高光譜遙感影像數(shù)據(jù)處理技術(shù)，提取表示特征變化趨勢的時空特征分類樣本；最后通過光譜角制圖，構(gòu)建時空端元光譜角的定量規(guī)則，對時間序列sar影像分類獲得建設(shè)用地變化趨勢的模式分類。

與現(xiàn)有技術(shù)相比，本方案具有高效、成本低、獲得變化區(qū)域精度高、能對地物變化的形式進行分類等優(yōu)點。

附圖說明

圖1為本發(fā)明的流程示意圖；

圖2為本發(fā)明實施例中sentinel-1sar影像所在的研究區(qū)域圖；

圖3為本發(fā)明中構(gòu)建時間序列數(shù)據(jù)集示意圖；

圖4為本發(fā)明sar時間序列線性變換示意圖；

圖5為本發(fā)明時空端元波譜示意圖；

圖6為本發(fā)明中表征三種變化模式的光譜角分類示意圖。

具體實施方式

下面結(jié)合具體實施例對本發(fā)明作進一步說明：

參見附圖1所示，本實施例所述的一種基于時間序列sar遙感影像的建設(shè)用地變化檢測方法，具體實施步驟如下：

(1)通過歐空局sentinel數(shù)據(jù)發(fā)布的網(wǎng)站獲取遙感數(shù)據(jù)；

登上歐空局的sentinel數(shù)據(jù)發(fā)布的網(wǎng)站，注冊用戶免費獲取數(shù)據(jù)(https://scihub.copernicus.eu/dhus/#/home)。

(2)預(yù)處理構(gòu)建時間序列數(shù)據(jù)集；

在歐空局網(wǎng)站上下載sentinel衛(wèi)星數(shù)據(jù)處理工具esa-snap幫助自動處理(https://sentinel.esa.int/web/sentinel/toolboxes/sentinel-1)，該軟件提供了sentinel-1sar影像的預(yù)處理工具，尤其是輻射定標的步驟，其將sar影像像元值轉(zhuǎn)換為具有物理意義的雷達后向散射系數(shù)。sar數(shù)據(jù)下載后解壓，在esa-snap軟件下讀取影像文件，自動完成定標和輸出。本實施例下載了自2015年6月至2016年6月的所有過境廣州的sar影像，共24景，如圖2所示。

sar遙感影像包括vv和vh兩種極化模式，選取信噪比較高vh極化進行處理進而增強圖像。

如圖3所示，輻射定標且增強圖像后，借助esa-snap影像自動配準功能，把每景sar影像配準到統(tǒng)一的空間位置。在envi遙感軟件中裁剪研究區(qū)域，依據(jù)影像采集日期疊加生成時間序列數(shù)據(jù)集。envi軟件中提供了空間域和時間域濾波的工具，采用enhancelee濾波，保留顯著的紋理特征并抑制斑點噪聲。為消除地物在時間域上雷達信號噪聲，采用savitzky–golay濾波器平滑時間序列數(shù)據(jù)集，獲得相對平穩(wěn)的sar像元時間上的變化形態(tài)。

(3)sar時間序列線性變換；

在idl程序設(shè)計平臺下，編寫程序，使基于像元的時間序列曲線形態(tài)，將波動的雷達散射信號曲線擬合到一個線性方程中，通過線性變換，使每個像元的時間序列曲線形態(tài)均被線性擬合到相應(yīng)的方程中，從而使地物變化趨勢體現(xiàn)在雷達時間序列信號變化便能從線性的變換區(qū)分開來，通過時間序列變換，突出連續(xù)變化的地物時空特征并能體現(xiàn)其趨勢，通過時間上足夠的影像擬合趨勢線，如圖4所示。

線性方程為y＝ax+b，其中，x為對應(yīng)的時間，y為擬合后的雷達散射信號，a和b分別為對應(yīng)的方程系數(shù)。

(4)sar時間序列時空特征提取；

在envi遙感影像處理軟件下，調(diào)用高光譜分析工具中的“凸錐幾何體混合像元分解”工具，對線性變換后的sar時間序列進行高光譜分析，提取時空端元，所提取的端元表征了地物典型的幾種時空變化形態(tài)，作為變化檢測的識別與分類樣本，如圖5所示。

(5)建設(shè)用地變化檢測與模式分類；

線性變換后的sar遙感數(shù)據(jù)集具有時空上可分性。同樣以高光譜遙感影像分析處理的方法，調(diào)用“光譜角制圖”工具。利用步驟(4)中獲取的時空端元，通過公式計算獲得端元之間相互的光譜角，公式中i和n為對應(yīng)的時間序列日期。

定量的光譜角數(shù)值作為制圖規(guī)則中的角度閾值界定，以實現(xiàn)準確的分類，通過公式計算時空端元相互光譜角關(guān)系獲得如下矩陣(見表1)：

表115個sar序列的時空端元的光譜角矩陣

制圖結(jié)果呈現(xiàn)了以分類樣本端元為特征的變化區(qū)域，即增長與下降的趨勢?；谌鐖D6的sar時間序列三種變化模式作為變化檢測的樣本，依據(jù)雷達散射信號在影像序列中的變化，通過光譜角制圖分類了顯著增強與顯著減弱的兩種變化模式，最后生成變化檢測制圖結(jié)果。

本實施例利用當下免費的高重訪周期、較高空間分辨率的sar遙感數(shù)據(jù)構(gòu)建時間序列，基于建設(shè)用地的變化反映的雷達散射信號的強弱，對sar時間序列線性變換，從而呈現(xiàn)建設(shè)用地的時空變化特征。另外，本實施例集成了高光譜遙感影像數(shù)據(jù)處理技術(shù)，提取了表征變化趨勢的時空特征分類樣本，通過光譜角制圖，構(gòu)建時空端元光譜角的定量規(guī)則，對時間序列sar影像分類獲得建設(shè)用地變化趨勢的模式分類。

本實施例有助于城市建設(shè)用地開發(fā)的監(jiān)測、監(jiān)管以及工程項目的進度評估，具有高效、成本低、獲得變化區(qū)域精度高、能對地物變化的形式進行分類等優(yōu)點。

以上所述之實施例子只為本發(fā)明之較佳實施例，并非以此限制本發(fā)明的實施范圍，故凡依本發(fā)明之形狀、原理所作的變化，均應(yīng)涵蓋在本發(fā)明的保護范圍內(nèi)。