全文总字数：3698字

1. 研究目的与意义及国内外研究现状

目的： 近年来遥感技术发展迅速,遥感影像变化检测作为最重要的关键技术之一,越来越多的应用在国土资源管理、地物变化、农林业的监测等领域。CVA基于变化矢量分析的方法是相对独立地分析变化范围和变化类型,但CVA变化检测方法一般适用于中低分辨率的影响中，精度不高，针对变化矢量分析CVA方法在高分辨率遥感影像变化检测中所出现的地物尺度差异大、光谱重叠等问题，拟提出一种基于卡方分布的CVA变化检测方法以提高高分辨率影像变化检测精度。特别是在土地利用及覆盖检测中，传统的基于像元法和面对对象法都是利用了像斑的光谱特征，而没能充分利用像斑对比度、相关性、能量、同质性等纹理特征，造成在变化检测中的误检和漏检。针对此类问题，拟设计一种基于像元纹理特征以结合卡方分布和CVA变化检测的多特征检测方法，通过对形状特征与纹理特征的相融合，从而实现了整体网络系统的构建，以期提高在遥感变化检测中的精度。

意义：基于像元纹理特征而设计的以结合卡方分布和CVA变化检测的多特征检测方法是在前人所提出的传统变化检测方法的基础上所改进的新的方法，以期提高遥感影像变化在高分辨率影响变化检测中的精度，在土地的规划和管理，土地利用及覆盖变化及自然灾害监测和预防中能够起到重要作用。

国内外研究现状

国内研究现状：李向军、牛铮、邓小炼等通过引入变化系数来进行变化的检测【1】，但数据读取量大，难以实现多数据操作。谢仁伟,牛铮,孙睿,等引入t统计量假设检验的方法。除此之外，王东广等人在差值成分变化中引入纹理信息【3】，以此弥补光谱区分布不足的问题。闫利等人尝试了一种以光流态纹理为基础的新方法，利用光流动态纹理描述遥感影像的变化，融合了时间维度的纹理【4】，提高了变化检测的精度。全卫澎等人则是通过像元的多特征融合，在形态特征和纹理特征上进行融合细化处理【6】，大大降低了误检率和漏检率。李建磊基于面向对象的思想，提出一种多特征融合的遥感影像变化检测方法[7]。陈志鹏使用纹理差值方法（灰度共生矩阵）对北京城区的sar图像进行了变化检测，并且在单特征基础上融合多特征检测的方法，结果证明优于灰度差值法，对阴影图像效果较好【8】。李小春、陈鲸对一般化的PCA变换法--ICA变换法进行改进，并结合小波理论对某地区的机场进行了变化检测【9】，该方法能检测出图像间的相对变化，可直接判断发生在那个图像，这是相对于差值法的最大优点，而且结果噪声少，对背景噪声有很强的鲁棒性，但存在着很多不确定的因素，如图像处理对阴影比较敏感。刘直芳、张剑清利用两个不同时期的影像通过数字摄影测量生成数字表面模型DSM，求出DSM差值，并进行二值化处理【10】，该方法适用于高于地面一定距离的地物变化，而对草地和道路的变化就难以检测。阎福礼利用生物斜率方法进行了西部植被变化检测【11】，并用该结果与差分技术、主成分分析对比，发现该方法更准确，更适用于植被变化检测。陈雪使用基于样本和数据权重的自组织特征映射神经网络（SOFM）进行直接分类检测变化信息【12】，并与两个时期最大似然方法分类后相减得结果进行了比较，精度有所提高，但不足的是分类精度越高，样本越多，计算时间越长，工作效率低下。国外研究现状：在传统的变化检测中，大多是处理单个像元，缺少对像元综合信息的应用，未能对其空间特征充分利用，故而降低了在高分辨率变化检测的精度。在国外，通常使用的是面向对象的变化检测方法，不以单个像元为基础，而是在多个像元的领域光谱和空间特征方面进行分析。例如，在Bovolo等人的研究中，就提出了一种以多个像元为基础的CVA变化检测方法【13】，通过等级分割对多个分割图像进行分析，减小了分割图像的影响，检测精度也因此得到了提高。综述，目前还没有一种有效的变化检测方法适用于所有影像，因此对不同的研究对象，要采用合适的检测方法。

2. 研究的基本内容

1. 针对遥感影像去噪时边缘细节不足的情况，拟采用一种自适应的中值滤波进行处理。

2. 针对去噪后图像模糊的不足，拟采用基于二阶导数的算子进行图像的细节增强。

3. 针对cva变化检测在处理多尺度光谱、纹理和局部不变特征精度不足的现状，拟结合卡方检验采用均值向量，并通过协方差矩阵进行数据处理。

3. 实施方案、进度安排及预期效果

2017年1月10日之前，查阅相关文献，完成任务书的填写；

2017年1月10日到2月28日之间，开题阶段：在老师的指导下，查阅相关最新的文献，了解课题的相关知识，收集并整理大量资料，填写开题报告，完成开题；

2017年3月到5月，进一步深入研究结合cva 变化分析法与卡方检验，，搞明白原理并进行实验，分析实验结果以及方法利弊；

4. 参考文献

[1]遥感影像变化检测技术发展综述[j]. 陈鑫镖.测绘与空间地理信息. 2012(09)[2]sar变化检测技术发展综述[j]. 陈富龙,张红,王超.遥感技术与应用. 2007(01)[3]王东广. 基于低空遥感影像的建设用地变化检测研究[d].南京大学,2013.[4]闫利,黎力,郝建明.一种改进型面向对象的遥感变化检测方法[j].遥感信息,2016,31(03):31-36.[5]基于遥感影像的变化检测研究[d]. 佃袁勇.武汉大学 2005[6]全卫澎,李卫华,李小春.多特征自适应融合的高分辨率遥感影像变化检测[j].电光与控制,2015,22(03):45-49.[7]李建磊. 多特征融合的遥感影像变化检测方法研究[d].中国矿业大学,2017控制,2015,22(03):45-49.[8]陈志鹏.基于纹理特征的差值方法变化检测研究.[d].中国科学院研究生院硕士论文.2002..[9]李小春、陈鲸.一种变化检测的新算法[j]宇航学报，2005.26（3）[10]刘直芳、张剑清.一种城区变化检测的方法[j].测绘通报，2001（2）[11]阎福礼、李震.基于nvaa\avhrr的西部植被覆盖变化检测[j].兰州大学学报2003.39(2)[12]陈雪、戴琴等.多光谱遥感数据直接分类变化检测的神经网络方法研究[j].计算机工程与应用.2004.（28）[13]an object-based change detection method accounting for temporal dependences in time series with medium to coarse spatial resolution[j] . sophie bontemps,patrick bogaert,nicolas titeux,pierre defourny.remote sensing of environment . 2008 (6)[14]remote-sensing image mining: detecting agents of land-use change in tropical forest areas[j] . marcelino pereira dos santos silva,gilberto camara,maria isabel sobral escada,ricardo cartaxo modesto de souza.international journal of remote sensing . 2008 (16)[15]a change detection model based on neighborhood correlation image analysis and decision tree classification[j] . jungho im,john r. jensen.remote sensing of environment . 2005 (3)[16]结合多尺度几何分析和kica的遥感图像变化检测[j]. 吴一全,曹照清,陶飞翔.遥感学报. 2015(01)[17]遥感图像建筑物识别及变化检测方法[j]. 张永梅,季艳,马礼,张睿,李洁琼,熊焰.电子学报. 2014(04)[18]多时相遥感影像变化检测方法研究进展综述[j]. 殷守敬,吴传庆,王桥,马万栋,朱利,姚延娟,王雪蕾,吴迪.光谱学与光谱分析. 2013(12)[19]广义高斯模型及ki双阈值法的sar图像非监督变化检测[j]. 胡召玲.测绘学报. 2013(01)[20]遥感影像变化检测技术发展综述[j]. 陈鑫镖.测绘与空间地理信息. 2012(09)

09)